wbstorm

Harvey Tenet 是什么：2026年8月法律AI开源权重后训练全解析

Harvey 发布首个后训练开源权重模型 Tenet。官网写它在自有法律智能体基准上高于 Kimi K3 基座。这是研究预览，数字由公司自报。

2026 年 8 月 20 日，法律 AI 公司 Harvey 发了一篇研究预览。不是新的通用大模型发布，而是它说自己第一次把开源权重基座后训练成面向长程法律任务的模型，名字叫 Tenet。

基座是 Moonshot 的 Kimi K3。后训练与 Fireworks 一起做。官网标题是 Tenet Research Preview。Law.com 同日也写了这篇发布。下列数字来自 Harvey 自己的文，不是第三方复测。

Kimi K3 基座异步强化学习LAB 自报分数

官网写了哪些分数

≈2×
相对 K3 的 LAB 留出完成量（公司）
+20%
LAB Contracts 相对 K3
2 mo
约 150 块 B300 的训练墙钟
对照Harvey 写法怎么读
LAB 留出完成量几乎翻倍公司内部跑分
LAB Contracts约 +20%，全通过 +2 点尚无公开榜
榜单位次Contracts 第一，LAB 第二公司自报
客户数据未用于后训练官网附录写明
相对基座
合成数据、公开法律数据与人类专家数据后训练后，LAB 留出完成量几乎翻倍；LAB Contracts 多约 20%；全通过率分别高 9 和 2 个百分点。
迁移
官网写未进训练的 Mercor APEX Agents（公司法）与 Crosby Redline Bench 也高于 K3。法律知识类如 LegalBench、CUAD、MAUD 仍接近基座。
成本
公司说后训练用奖励塑形压推理 token，性能上去时成本大致稳住。开源权重的单价也更低。具体美元价未给。
裁判
训练里用 LLM 打分。消融后选用 Kimi 2.6 做裁判。

后训练怎么设

  1. 1

    环境长得像 LAB

    每条是封闭案卷：合伙人式短指令、客户材料、专家量规。平均约 50 条对错标准，单次 rollout 可超过 1000 轮。

  2. 2

    沙箱里交卷

    智能体在沙箱里检索、读文件、起草，把交付物写到磁盘结束。奖励是量规满足比例加 holism，全对有加成。

  3. 3

    GSPO + LoRA

    对 Kimi K3 全网做 rank-64 LoRA。每步 8 组、每组 8 条。约 1750 个环境，每轮约 150 步、一万多次 rollout。

  4. 4

    异步回路

    与 Fireworks 做训练/推理对齐。约 150 块 NVIDIA B300，约两个月。

还缺什么公开材料

01

研究预览

文中说要把工作从研究做到产品，并扩大算力。没有公众权重下载日，也没有对外 API 价。

02

评测套件不同

附录写 LAB 用官方留出集，但加了训练用的 finish 工具。APEX Agents 用了内部 harness，与 Mercor 规范不完全相同。

03

Contracts 无公开榜

LAB Contracts 500 题、报告 50 题留出，分数是 Harvey 自跑。

边界

未写独立第三方用同一套件完整复现 Tenet。未写权重托管地址。下一句是扩大 LAB 的法域与实务，以及把研究送进产品——没有日期。

# Sources
# Harvey, 2026-08-20: Tenet Research Preview / Update on Harvey's Post-Training Effort
# Law.com, 2026-08-20: Harvey Introduces Tenet
现在能下载 Tenet 吗？

官网把它写成研究预览和开源权重方向，但没有给出下载页或日期。不要写成已经公开可拉的权重。

是全新预训练吗？

不是。官网写从 Kimi K3 做后训练。另几条能力实验用的是 GLM-5.2 或 Qwen，不是同一张检查点。

分数能当行业通榜吗？

不能直接当。LAB 是 Harvey 的开源基准，但 Contracts 位次和部分对照是公司自跑；APEX 套件也与官方实现有出入。

创建房间