24 августа 2026 г. — Компания Thomson Reuters, поставщик информационных услуг, в понедельник представила собственную проприетарную ИИ-модель, обучение которой, по её словам, обошлось менее чем в половину стоимости других frontier-моделей ИИ. Этот запуск показывает, какие возможности открываются для SaaS-поставщиков вроде Thomson Reuters, стремящихся извлечь выгоду из рынка ИИ.

Модель, получившая название Thomson, разработана внутри компании на основе проприетарного контента вендора — с упором на юридическую информацию, — а также его технологий и отраслевой экспертизы. В её основе лежит базовая модель Snowdon, созданная лабораторией FAIR Lab Имперского колледжа Лондона.

Thomson Reuters, базирующаяся в Торонто, позиционирует Thomson как сопоставимую с самыми сильными frontier-моделями на рынке, включая Claude Opus 4.8, GPT 5.5 и Gemini 3.1 Pro. Запуск последовал после того, как в феврале выход плагинов Claude Cowork от Anthropic потряс SaaS-поставщиков в секторе юридических информационных услуг, — что подчёркивает, насколько быстро продукты frontier-ИИ сегодня способны внедряться в профессиональные рабочие процессы, которые эти поставщики обслуживали долгие годы.

Помимо юриспруденции, Thomson Reuters ориентирует новую модель на специалистов в таких областях, как бухгалтерский учёт и другие направления, связанные с комплаенсом, — ранний признак того, что компания видит применение ИИ, обученного на отраслевых данных, за пределами своего юридического ядра.

Компания отметила, что истоки модели восходят и к приобретению Safe Sign Technologies в 2024 году. Safe Sign была британским ИИ-стартапом, разрабатывавшим большие языковые модели (LLM) для юридической сферы; сотрудники стартапа стали базовой исследовательской командой Thomson. Это приобретение одним шагом обеспечило Thomson Reuters готовую исследовательскую группу — путь, который могут изучить и другие SaaS-поставщики, взвешивающие создание собственных моделей.

Модель, способная подстегнуть других

«Это может стать вдохновляющим примером для других организаций, которые также располагают огромными резервами интеллектуальной собственности и капитала», — сказал Майкл Г. Беннетт, ассоциированный вице-канцлер по науке о данных и стратегии ИИ Иллинойсского университета в Чикаго.

Он добавил, что для поставщиков — особенно для организаций, чьи данные ещё не были усвоены создателями frontier-моделей, — создание собственной модели для коммерческого использования может иметь смысл.

«Это станет откровением для множества отраслей, которые размышляли, как одновременно принять эту технологию и при этом задействовать имеющиеся внутри интеллектуальные знания и ресурсы, чтобы построить не просто действительно мощную и полезную модель, но и модель, отличимую от frontier-моделей», — продолжил Беннетт.

Недорогой проект

Интересен и путь, избранный Thomson Reuters для создания своей модели, отметил Беннетт. Благодаря использованию модели с открытыми весами в качестве основы Thomson компании пришлось вложить в обучение лишь 40 млн долларов — значительно меньше, чем обычно стоит обучение продвинутой LLM, расходы на которое могут превышать 100 млн долларов. Для софтверной индустрии в целом эта арифметика может значить не меньше, чем сама модель: она показывает, что конкурентоспособная проприетарная модель доступна поставщикам, уже владеющим специализированными данными и экспертизой, — без бюджетов frontier-лаборатории ИИ.

«Их расходы, вероятно, были на один-два порядка ниже того, что потребовалось бы для построения модели с нуля», — сказал Беннетт.

Как Thomson покажет себя на рынке, пока неясно, однако технически LLM должна работать хорошо, отметил Беннетт. Для компаний из индустрий, основанных на знаниях, возможность обучать отраслевые модели без типичных затрат на разработку и использовать недорогую модель может оказаться привлекательной, добавил он.

Хотя Thomson Reuters преодолела организационные и технические трудности при создании LLM, у вендора остаются и вызовы, включая необходимость убедить клиентов, что модель сопоставима с другими frontier-моделями, сказал Беннетт. Предприятиям, оформляющим подписку на Thomson, также предстоит самим выяснить и сравнить, действительно ли LLM вроде Thomson, обладающая отраслевой экспертизой, сопоставима с моделями frontier-лабораторий ИИ.

Для отрасли в целом ближайшие ориентиры, за которыми стоит следить, — подтвердят ли корпоративные клиенты заявления Thomson Reuters о frontier-уровне в повседневной профессиональной работе и пойдут ли другие поставщики, располагающие глубоким проприетарным контентом, по тому же пути открытых весов и отраслевого обучения.

Источник: AI Business