24 sierpnia 2026 r. — Dostawca usług informacyjnych Thomson Reuters w poniedziałek uruchomił własny, zastrzeżony model AI, który — jak podaje — wytrenował za mniej niż połowę kosztów innych modeli frontier. Premiera pokazuje, co jest możliwe dla dostawców SaaS, takich jak Thomson Reuters, którzy chcą wykorzystać potencjał rynku AI.

Model o nazwie Thomson, opracowany wewnętrznie, powstał na bazie zastrzeżonych treści dostawcy — ze szczególnym uwzględnieniem informacji prawnych — a także jego technologii i wiedzy dziedzinowej. Punktem wyjścia jest model bazowy o nazwie Snowdon, opracowany przez laboratorium FAIR Lab przy Imperial College London.

Thomson Reuters, z siedzibą w Toronto, przedstawia Thomson jako model porównywalny z najmocniejszymi modelami frontier na rynku, w tym Claude Opus 4.8, GPT 5.5 i Gemini 3.1 Pro. Premiera nastąpiła po tym, jak w lutym dostawcy SaaS z sektora usług informacyjnych dla prawników zostali zaskoczeni przez uruchomienie przez Anthropic wtyczek Claude Cowork — co podkreśla, jak szybko produkty frontier AI trafiają obecnie do profesjonalnych procesów pracy, które ci dostawcy od lat obsługują.

Oprócz prawa Thomson Reuters kieruje nowy model do specjalistów z dziedzin takich jak księgowość i inne obszary związane z compliance — wczesny sygnał, że firma widzi AI trenowaną pod konkretne dziedziny wykraczające poza jej prawniczy rdzeń.

Firma podała, że geneza modelu sięga również przejęcia Safe Sign Technologies w 2024 roku. Safe Sign był brytyjskim startupem AI tworzącym duże modele językowe (LLM) przeznaczone specjalnie dla branży prawnej, a jego pracownicy stali się podstawowym zespołem badawczym Thomsona. Przejęcie dało Thomson Reuters gotową grupę badawczą w jednym kroku — drogę, którą mogą przeanalizować inni dostawcy SaaS rozważający własne modele.

Model, który może zainspirować innych

„To może być inspirujący model dla innych instytucji, które również dysponują ogromnymi zasobami własności intelektualnej i kapitału” — powiedział Michael G Bennett, zastępca kanclerza ds. nauki o danych i strategii AI na University of Illinois Chicago.

Dodał, że dla dostawców — zwłaszcza organizacji posiadających dane, które nie zostały wchłonięte przez twórców modeli frontier — stworzenie własnego modelu do użytku komercyjnego może mieć sens.

„To będzie objawienie dla wielu sektorów, które zastanawiały się, jak przyjąć tę technologię i jednocześnie wykorzystać posiadaną wewnętrznie wiedzę ekspercką i zasoby, by zbudować nie tylko model naprawdę potężny i użyteczny, ale także odróżnialny od modelu frontier” — kontynuował Bennett.

Niedrogie przedsięwzięcie

Droga, którą Thomson Reuters przeszedł, tworząc swój model, również jest intrygująca — powiedział Bennett. Wykorzystując model o otwartych wagach jako podstawę Thomsona, Thomson Reuters musiał zainwestować w jego wytrenowanie jedynie 40 milionów dolarów — znacznie mniej niż koszt trenowania zaawansowanego LLM, który zwykle może przekraczać 100 milionów dolarów. Dla szerszej branży oprogramowania ta kalkulacja może mieć znaczenie nie mniejsze niż sam model: sugeruje, że konkurencyjny zastrzeżony model jest w zasięgu dostawców, którzy już posiadają specjalistyczne dane i wiedzę — bez budżetów laboratorium frontier AI.

„Ich wydatki były prawdopodobnie o jeden lub dwa rzędy wielkości mniejsze niż to, co byłoby potrzebne do zbudowania modelu od zera” — powiedział Bennett.

Nie wiadomo jeszcze, jak model Thomson spisze się na rynku, ale pod względem technicznym LLM powinien działać dobrze — ocenił Bennett. Dla firm z branż opartych na wiedzy atrakcyjna może być możliwość trenowania modeli dziedzinowych bez ponoszenia typowych kosztów rozwoju modelu oraz korzystania z niedrogiego modelu — dodał.

Chociaż Thomson Reuters pokonał przeszkody organizacyjne i techniczne przy budowie LLM, przed dostawcą wciąż stoją wyzwania, w tym przekonanie klientów, że model jest porównywalny z innymi modelami frontier — powiedział Bennett. Przedsiębiorstwa subskrybujące Thomson będą musiały również samodzielnie sprawdzić i porównać, czy LLM taki jak Thomson, z jego wiedzą dziedzinową, dorównuje modelom z laboratoriów frontier AI.

Dla całej branży najbliższymi wskaźnikami do obserwowania będą: czy klienci korporacyjni potwierdzą w codziennej pracy zawodowej deklarowane przez Thomson Reuters osiągi na poziomie frontier oraz czy inni dostawcy dysponujący głębokimi zastrzeżonymi treściami pójdą tą samą drogą otwartych wag i trenowania dziedzinowego.

Źródło: AI Business