톰슨 로이터는 법률 및 전문 정보 업무를 위한 사내 언어 모델 Thomson을 구축하는 데 2년이 넘는 기간 동안 약 4,000만 달러를 썼다. 이번 결정은 OpenAI와 Anthropic 같은 프런티어 모델 제공업체의 임대 용량에 전적으로 의존하던 방식에서 벗어나겠다는 움직임을 보여준다.

이 모델은 알리바바의 Qwen을 기반으로 하며, 먼저 문서 중심 업무를 위한 CoCounsel Legal 내부에 도입된다. 톰슨 로이터는 이번 투자가 경제성을 개선하고, 독점 콘텐츠에 대한 통제권을 보호하며, 자사 소프트웨어 도구 안에서 모델을 훈련할 수 있게 하려는 목적이라고 설명한다. 그러나 지금까지 보고된 가장 강한 성능 결과는 Thomson이 범용 모델처럼 작동할 때가 아니라, 톰슨 로이터의 콘텐츠와 워크플로에 접근할 수 있을 때 나온다.

Thomson은 통제된 법률 워크플로를 위해 설계됐다

The Decoder의 보도에 따르면, 톰슨 로이터는 회사 데이터와 도메인 전문가를 활용해 이 모델을 개발했으며, Westlaw, Practical Law, Checkpoint, Reuters 같은 제품에 연결된 환경에서 모델을 훈련하고 평가했다. 회사는 지금까지 사용 가능한 콘텐츠의 10% 미만만 학습에 사용했다고 말한다.

개발 과정은 Qwen을 오픈 모델 기반으로 삼는 것에서 시작됐다. 톰슨 로이터는 Imperial College와 함께 Snowdon이라는 중간 버전을 작업했으며, The Decoder는 이 버전이 안전성, 윤리, 정치적 중립성을 위해 재학습됐다고 보도했다. 이후 회사는 자체 자료에 대한 사전학습, 전문가 주도의 후속 학습, 내부 도구 환경에서의 강화학습을 추가했다.

Thomson은 모든 외부 모델을 대체하는 것으로 자리매김하지 않는다. 출시 시점에는 CoCounsel Legal의 Tabular Analysis 기능을 맡아, 더 작고 저렴한 모델이 정의된 작업을 대량으로 처리할 수 있게 한다. 관리자는 여전히 모델을 바꿀 수 있으며, 제품은 계속 멀티모델로 남는다. 톰슨 로이터는 고객 데이터가 학습에 사용되지 않는다고도 밝혔다.

Thomson의 더 작은 버전은 비상업적 라이선스 아래 Hugging Face에 공개될 예정이다. 회사는 기술 보고서를 발행하고 개발자 포털을 만들 계획이며, 로펌과의 직접 라이선스 논의는 아직 구속력이 없는 초기 단계로 설명된다.

벤치마크 우위는 독점적 접근에 달려 있다

The Decoder가 제시한 증거는 Thomson의 경쟁력 있는 사례가 프런티어 모델 전반에 대한 광범위한 우위라는 주장보다 훨씬 좁다는 점을 시사한다. Stanford LegalBench에서 Thomson은 0.823을 기록해 Gemini 3.1 Pro와 GPT-5.5보다 뒤처졌다고 전해진다. Harvey Legal Agent Benchmark에서는 Opus 4.8 바로 뒤였지만, 지시 따르기와 까다로운 PrBench Legal 평가에서는 선두였다.

이 모델은 일반 추론과 코딩에서는 덜 강했다고 한다. 비교는 평가 방식의 영향도 받는다. Thomson은 테스트 시점 스케일링을 사용한 반면 GPT-5.5는 추론 모드 없이 테스트됐다. 회사의 Deep Research 평가도 비슷한 단서를 보였다. 웹 접근만 있을 때 Thomson의 사실 정확도는 0.53으로, GPT-5.4의 0.65보다 낮았다. Thomson 로이터 콘텐츠를 추가하면 Thomson은 0.83에 도달해 GPT-5.4의 0.82를 근소하게 앞섰다.

이 결과는 The Decoder를 통해 제시된 회사 보고 벤치마크이며, 독립 검증이 아니다. 또한 독점적 접근이 모델 특화만큼, 혹은 그 이상으로 중요할 수 있음을 보여준다. 같은 콘텐츠가 GPT-5.4에도 상당한 개선을 가져왔기 때문에, 우위를 Thomson의 훈련이나 아키텍처만으로 돌릴 수는 아직 없다.

톰슨 로이터의 평가 책임자인 Andrew Bean은 웹 접근으로 제한했을 때 모델이 아직 선두가 아니라고 인정했다. 회사가 더 많은 콘텐츠를 사용하거나 더 새로운 Qwen 변형으로 이동하면 결과가 개선될 수 있지만, 그것은 아직 입증된 결과가 아니라 미래 가능성에 불과하다.

톰슨 로이터가 전체 스택을 소유하려는 이유

회사의 논리는 비용, 데이터 통제, 축적된 전문성이라는 세 가지 연결된 문제에 기반한다. 톰슨 로이터는 외부 프런티어 모델을 미세조정하면 일반 성능이 떨어질 수 있고, 계속 사용하면 구매자가 제공업체의 추론 가격과 제품 로드맵에 노출된다고 말한다.

사내에서 통제되는 모델은 문서 검토나 인용 확인처럼 반복적인 작업에 더 작고 저렴하게 만들 수 있다. 이는 모델이 개방형 연구에 가끔 사용될 때보다 대량 워크플로에 배포될 때 더 중요하다. 따라서 중요한 비교는 Thomson이 GPT-5.4나 다른 프런티어 시스템보다 더 똑똑한지 여부가 아니라, 정의된 제품 안에서 더 낮은 운영 비용으로 수용 가능한 품질을 제공할 수 있는지다.

두 번째 요소는 데이터 접근이다. Westlaw와 관련 도구 안에서 훈련 및 테스트를 수행하면 톰슨 로이터는, 외부 제공업체가 회사의 보호된 자료와 워크플로 텔레메트리에 접근하지 않고는 완전히 재현할 수 없는 작업을 최적화할 수 있다. 회사는 이 우위가 제3자 모델에 전적으로 의존하지 않기로 한 결정의 핵심이라고 말한다.

세 번째 요소는 개발 지식의 누적이다. 톰슨 로이터 임원 Joel Hron과 Jonathan Schwartz는 회사의 투자를 하나의 완성된 모델을 사는 것이 아니라 모델 개발 역량을 구축하는 것으로 설명했다. 전문가 검토, 제품 평가, 워크플로 개선 하나하나가 향후 릴리스에 반영될 수 있다. 이는 회사 임원의 전략적 판단이지, 측정된 투자수익률은 아니다.

이 결정이 AI 빌더와 구매자에게 의미하는 것

기업 입장에서 이번 발표는 선택적 모델 소유의 더 구체적인 사례를 제공한다. 톰슨 로이터는 독점 정보 자산, 수백 명의 도메인 전문가, 그리고 결과를 전문 표준에 따라 평가할 수 있는 워크플로를 보유하고 있다. 이런 조건은 독점 데이터나 신뢰할 수 있는 테스트 없이 만든 사내 프로젝트보다 특화 모델을 더 정당화한다.

반대로, 그런 요소가 없는 기업에는 이 소식이 덜 설득력 있다. 일반적인 기업 문서를 학습시킨다고 해서 지속적인 우위가 자동으로 생기는 것은 아니다. 특히 조직이 여전히 외부 인프라에 의존하고, 대규모로 품질을 측정할 수 없으며, 시스템 개선에 쓸 사례가 너무 적다면 더욱 그렇다. 그런 경우에는 모델 커스터마이징, 검색 시스템, 또는 멀티모델 제품 전략이 전체 학습 파이프라인을 소유하는 것보다 더 유연할 수 있다.

이번 배포는 또한 모델 선택이 일회성 기술 결정이 아니라 제품 관리 결정으로 바뀌고 있음을 보여준다. CoCounsel Legal은 여러 모델을 유지하면서 Thomson을 더 좁은 업무에 배정한다. 이 구성은 톰슨 로이터가 더 넓은 추론이 가치 있는 곳에서는 프런티어 시스템을 쓰고, 비용·데이터 접근성·반복성이 더 중요한 작업에는 자체 모델을 남겨두게 한다.

AI 에이전트와 엔터프라이즈 소프트웨어 팀에게 중요한 교훈은, 기반 모델 못지않게 도구 접근성과 평가 환경이 중요할 수 있다는 점이다. 회사의 자체 애플리케이션 내에서 작동하도록 훈련된 모델은 제한된 워크플로에서는 더 강력한 범용 모델을 능가할 수 있지만, 조직이 그 주변의 도구, 데이터 권한, 품질 관리를 유지할 수 있을 때만 가능하다.

앞으로 주목할 점

가장 먼저 볼 신호는 CoCounsel Legal에서의 실제 성능과 비용, 특히 Tabular Analysis와 기타 문서 검토 작업이다. 톰슨 로이터는 제공된 보도에서 이 모델이 생산 환경에서 명확한 비용 절감이나 측정 가능한 고객 품질 개선을 낳는다는 독립적 증거를 제시하지 않았다.

더 작은 Hugging Face 모델과 기술 보고서의 공개는 아키텍처, 학습 방법, 라이선스, 재현성에 대한 더 많은 정보를 줄 것이다. 또한 외부 개발자들이 Thomson을 톰슨 로이터의 통제된 환경 밖에서도 사용할 수 있는지 보여줄 것이다.

로펌과의 라이선스 논의도 또 다른 신호이지만, The Decoder는 이를 초기 단계이자 구속력 없는 것으로 설명했다. 외부 법률 조직의 채택은 Thomson이 주로 내부 최적화가 아니라 제품 자산인지에 대한 더 강한 시험이 될 것이다.

마지막으로, 향후 평가는 동일한 추론 설정 아래에서 Thomson을 현재의 프런티어 모델과 비교해야 하며, 웹 전용, 독점 콘텐츠, 도구 사용 조건을 명확히 분리해야 한다. 그래야 보고된 우위의 어느 부분이 모델 자체에서 비롯되는지 파악하기 쉬워진다.

Creati.ai 관점

톰슨 로이터의 투자는 모든 기업이 자체 언어 모델을 훈련해야 한다는 증거가 아니다. 희소한 데이터를 통제하고, 시스템을 감독할 전문가가 있으며, 추론 경제성을 측정할 수 있는 반복 워크플로를 운영할 때 소유가 합리적일 수 있다는 증거다.

더 중요한 전략적 움직임은 사내 모델 개발과 외부 모델의 지속적 사용을 결합하는 것일 수 있다. 톰슨 로이터는 프런티어 시장에서 물러나지 않는다. 오히려 독점 콘텐츠와 대량 법률 작업이 레버리지를 만드는 스택의 일부를 소유하려는 것이다. 빌더와 기업 구매자에게 이는 완전한 사내 학습을 그 자체로 목적화하는 것보다 훨씬 설득력 있는 모델 전략이다.