Thomson Reutersは、法律および専門情報業務向けの社内言語モデル「Thomson」の開発に、2年以上かけて約4,000万ドルを費やしてきた。同社のこの決定は、OpenAIやAnthropicのようなフロンティアモデル提供企業から容量を全面的に借りるやり方からの転換を示している。

このモデルはAlibabaのQwenをベースにしており、まずは文書中心の作業向けにCoCounsel Legal内で導入される。Thomson Reutersは、この投資の目的を、経済性の改善、独自コンテンツのコントロール維持、そして自社ソフトウェアツール内でのモデル訓練の実現だと説明している。ただし、これまでに報告された最も強い性能結果は、Thomsonが汎用モデルとして動作する場合ではなく、Thomson Reutersのコンテンツとワークフローにアクセスできる場合に得られている。

Thomsonは制御された法務ワークフロー向けに設計されている

The Decoderの報道によると、Thomson Reutersは企業データとドメイン専門家を用いてこのモデルを開発し、Westlaw、Practical Law、Checkpoint、Reutersなどの製品に接続した環境で訓練・評価を行った。同社によれば、これまでに利用された学習対象コンテンツは、利用可能な全コンテンツの10％未満にとどまる。

開発は、オープンモデル基盤としてQwenを採用するところから始まった。Thomson ReutersはImperial Collegeと協力し、Snowdonと呼ばれる中間版を作成し、それを安全性、倫理、政治的中立性のために再学習させたとThe Decoderは報じている。その後、同社は自社素材での事前学習、専門家主導の事後学習、社内ツール環境での強化学習を追加した。

Thomsonは、あらゆる外部モデルの置き換えとして位置づけられているわけではない。公開時点では、CoCounsel LegalのTabular Analysis機能を担当し、より小さく低コストのモデルで定義されたタスクを大量に処理できる。管理者は引き続きモデルを切り替えられ、製品はマルチモデルのままだ。Thomson Reutersは、顧客データは学習に使用されないとも述べている。

Thomsonの小型版は、非商用ライセンスの下でHugging Faceに公開される予定だ。同社は技術レポートの公開と開発者ポータルの作成も計画しており、法律事務所との直接ライセンスに関する初期協議は拘束力のないものとして説明されている。

ベンチマーク上の優位性は専有アクセスに左右される

The Decoderが示した証拠によれば、Thomsonの競争優位性は、フロンティアモデル全般に対する幅広い優位性という主張よりも、かなり限定的であるようだ。Stanford LegalBenchでは、Thomsonは0.823を記録し、Gemini 3.1 ProとGPT-5.5の後塵を拝したとされる。Harvey Legal Agent BenchmarkではOpus 4.8のわずか後ろだった一方、指示追従と難易度の高いPrBench Legal評価では首位だった。

このモデルは一般的な推論やコーディングではそれほど強くなかったと報じられている。比較は評価方法にも左右される。Thomsonはテスト時スケーリングを使った一方、GPT-5.5は推論モードなしでテストされた。同社独自のDeep Research評価でも同様の留保が示された。Webアクセスのみでは、Thomsonの事実精度は0.53で、GPT-5.4の0.65を下回った。しかしThomson Reutersのコンテンツを加えると、Thomsonは0.83に達し、GPT-5.4の0.82を僅差で上回った。

これらの結果は、The Decoder経由で示された同社報告のベンチマークであり、独立検証ではない。また、専有アクセスがモデル特化と同じくらい、あるいはそれ以上に重要である可能性も示している。同じコンテンツはGPT-5.4にも大きな改善をもたらしたため、この優位性をThomsonの学習やアーキテクチャだけに帰すことはまだできない。

Thomson Reutersの評価責任者であるAndrew Beanは、Webアクセスに限定した場合、このモデルがまだ首位ではないことを認めた。同社がコンテンツをさらに活用したり、より新しいQwen系バリアントに移行したりすれば結果は改善する可能性があるが、それらは現時点では将来の可能性にすぎず、実証された成果ではない。

なぜThomson Reutersはスタック全体を所有したいのか

同社の主張は、コスト、データ管理、蓄積された専門知識という3つの連動した論点に基づいている。Thomson Reutersは、外部のフロンティアモデルを微調整すると一般性能が低下する可能性がある一方、使い続ければ利用者はプロバイダーの推論価格と製品ロードマップに左右されると述べている。

社内で管理されたモデルなら、文書レビューや引用チェックのような反復作業に対して、より小さく低コストにできる。これは、モデルがオープンエンドな調査に時々使われる場合よりも、大量ワークフローに展開される場合のほうが重要だ。したがって重要なのは、ThomsonがGPT-5.4や他のフロンティアシステムより賢いかどうかだけではなく、定義された製品内でより低い運用コストで十分な品質を提供できるかどうかである。

第2の要素はデータアクセスだ。Westlawや関連ツール内で訓練・テストを行うことで、Thomson Reutersは、外部プロバイダーでは保護された素材やワークフローテレメトリにアクセスしない限り完全には再現できないタスクを最適化できる。同社は、この優位性こそが第三者モデルに全面的に依存しないという決定の核心だとしている。

第3の要素は、開発知識の累積だ。Thomson Reutersの幹部であるJoel HronとJonathan Schwartzは、同社の投資を、完成品のモデルを1つ買うのではなく、モデル開発能力を構築するものだと説明した。専門家レビュー、製品評価、ワークフロー改善の一つひとつが、将来のリリースに反映される可能性がある。これは企業幹部による戦略的な説明であり、測定された投資収益率ではない。

この決定がAIビルダーと購入者に意味すること

企業にとって、この発表は選択的なモデル所有のより具体的な事例を示している。Thomson Reutersは、独自の情報資産、数百人のドメイン専門家、そして結果を専門基準で評価できるワークフローを持っている。こうした条件があるため、専有データや信頼できるテストなしに作られた社内プロジェクトよりも、特化モデルのほうが正当化しやすい。

一方で、そうした条件を持たない企業には、このニュースはそれほど説得力がない。一般的な企業文書でモデルを訓練しても、持続的な優位性が自動的に生まれるわけではない。特に、組織が依然として外部インフラに依存し、規模で品質を測れず、改善に使える事例が少なすぎる場合はなおさらだ。そのような場合は、モデルのカスタマイズ、検索システム、あるいはマルチモデル製品戦略のほうが、完全な学習パイプラインを所有するより柔軟かもしれない。

この展開はまた、モデル選択が一度きりの技術判断ではなく、プロダクトマネジメント上の判断になりつつあることも示している。CoCounsel Legalは複数モデルを利用可能に保ち、Thomsonにはより狭い作業負荷を割り当てている。この構成により、Thomson Reutersはより広い推論が価値を持つ場面ではフロンティアシステムを使い、自社モデルはコスト、データアクセス、再現性がより重要なタスクに残せる。

AIエージェントや企業ソフトウェアチームにとって重要なのは、基盤モデルと同じくらい、ツールへのアクセスと評価環境が重要になり得るという点だ。企業独自のアプリケーション内で動作するよう訓練されたモデルは、限定されたワークフローではより強力な汎用モデルを上回ることがある。しかし、それは組織がその周囲のツール、データ権限、品質管理を維持できる場合に限られる。

今後注目すべき点

最初の注目点は、CoCounsel Legalでの実際の性能とコスト、特にTabular Analysisやその他の文書レビュー作業である。Thomson Reutersは、提供された報道の中で、このモデルが本番環境で明確なコスト削減や測定可能な顧客品質向上をもたらすことを示す独立した証拠を示していない。

Hugging Faceでの小型モデルと技術レポートの公開は、アーキテクチャ、学習手法、ライセンス、再現性についてより多くの情報を提供するはずだ。また、外部開発者がThomson Reutersの管理された環境を超えてThomsonを利用できるかどうかも明らかになるだろう。

法律事務所とのライセンス交渉もまた一つのシグナルだが、The Decoderはそれを初期段階で拘束力のないものと位置づけている。外部の法務組織による採用は、Thomsonが主に内部最適化ではなく製品資産であるかどうかの、より強い検証になる。

最後に、今後の評価では、同等の推論設定のもとで、Webのみ、専有コンテンツ、ツール対応という条件を明確に分けたうえで、Thomsonを現在のフロンティアモデルと比較すべきだ。それにより、報告された優位性のうちどれだけがモデル自体に由来するのかを判断しやすくなる。

Creati.aiの見解

Thomson Reutersの投資は、すべての企業が自社で言語モデルを訓練すべきだという証拠ではない。希少なデータを管理し、システムを監督できる専門家がいて、推論コストを測定できる反復ワークフローを運営している場合に、所有が合理的になり得ることを示している。

より重要な戦略的動きは、社内モデル開発と外部モデルの継続利用を組み合わせることかもしれない。Thomson Reutersはフロンティア市場から撤退しているのではなく、専有コンテンツと大量の法務タスクがレバレッジを生むスタックの部分を押さえようとしている。ビルダーや企業の購入者にとって、これは完全な社内学習をそれ自体で目的化するより、はるかに説得力のあるモデル戦略である。