这个周末，AI圈出了件挺有意思的事。
全球估值最高的法律AI公司Harvey，发布了首个自研训练模型Tenet。Harvey官网这本身不算爆炸，爆炸的是：Tenet的底座不是GPT，不是Claude，而是月之暗面的中国开源模型Kimi K3。微博
然后大家看到的画风就是：刷屏两天，标题全是"OpenAI亲儿子反水"“叛变”。确实有戏剧性——OpenAI创业基金领投过Harvey的种子轮，这家公司第一个自己训的模型，用了中国底座。
但只停留在"叛变"两个字，大概会错过这件事八成的信息量。Harvey做的这个决定，与其说是一次站队，不如说是给所有垂直AI公司算明白了一笔账。今天把这笔账拆开看看。
Harvey是谁，为什么它的选择有分量
先给不熟悉的朋友补几个数字。这家公司成立只有4年，去年底估值80亿美元，今年3月涨到110亿美元，最新一轮据说在谈155亿美元的估值。36氪它服务1300家机构、超过10万名律师，覆盖60个国家，客户名单里有全球最大律所Latham & Watkins、汇丰、普华永道、桥水、KKR。微博
还有一个数字最关键：Harvey每月要处理13万亿token，而且每一个token都是从OpenAI、Anthropic、谷歌的闭源API那里买来的。36氪
法律服务是全球客单价最高、对错误最零容忍的行业之一，一份尽调备忘录漏一条风险，下游可能就是几千万美元的官司。这样的公司选底座的挑剔程度比谁都高，所以它的选择才有参考价值。
为什么非要自己训：不是叛变，是被逼的
Harvey之前的打法很标准：买三家闭源大厂的API，按客户需求路由分发。做应用层嘛，底层能力花钱买，天经地义。但卖东西的人开始惦记它的生意了：OpenAI挖走了合同管理公司Ironclad的创始人Jason Boehmig，去领导OpenAI自己的法律业务；Anthropic推出了面向律师的文档审查插件。36氪
Harvey联合创始人Gabe Pereyra说得很直白：这不是"供应商"，这是"未来的竞争对手"。36氪今天卖你API的人，明天就坐在你客户的会议室里。更麻烦的是成本完全不受控——模型厂说涨价就涨价，垂直公司连讨价还价的资格都没有。
还有一层是能力上的差距。通用模型能回答法律知识，却未必完成得了真实的法律活：律师接到的不是一道问答题，而是合伙人一句话加一堆真假线索混杂的卷宗，模型得自己判断从哪下手、连续检索、发现风险、给出引用，最后交出能用的文书。这种"怎么做、怎么检查"的判断力，靠提示词和工作流传不进去，只能靠训练。美国法院最近就连着被AI摆了几道：有法官助理用AI起草裁定，结果引用是虚构的，连当事人名字都写错了。微博
更夸张的是，还有法院收到当事人藏着白色小字的诉状，专门写给读文件的AI看，要求它支持自己的诉求。微博行业对"能干活的模型"的需求，是真实存在的。
怎么训的：150张卡、2个月、律师当教练
Tenet的训练方式值得单独说，因为它演示了一条门槛没那么高的"造模型"路径：
底座：Kimi K3，2.8万亿参数MoE架构，100万token上下文，原生多模态，是目前全球最大的开放权重模型。36氪
算力：约150块NVIDIA B300，跑了两个月。作为对比，从头预训练一个前沿模型要几万张卡、烧数亿美元以上——Harvey这相当于在别人盖好的楼上做精装修。
方法：异步强化学习。请执业律师编案子：虚构一桩并购纠纷、凑一堆合同文件，让模型上手干；干完律师逐条审，风险漏没漏、判例引对没有、逻辑站不站得住，几十条"过/不过"的硬杠杠，差一条整个任务判零。
按Harvey自建并已开源的法律基准LAB来算，Tenet相对K3底座，全通过率提升82%。任务完成数接近翻倍。知乎Contracts子榜排第一，总榜第二。
合作方Mercor拿公司法任务测了一轮，Tenet比基座高出15分，直接拿了第一。36氪
更实在的是成本：Tenet的推理成本不到主流前沿模型的四分之一。36氪
为什么是Kimi K3：不是情怀，是裸考成绩
很多人会问：模型那么多，为什么偏偏是中国的开源模型？
第一层是裸考成绩。在第三方评测机构Artificial Analysis跑的Harvey LAB-AA法律基准上，按最严格的"全通过率"口径，Kimi K3拿到26.7%，差不多是Fable 5（14.2%）的两倍。36氪也就是说，在Harvey自己出的这张法律卷子上，裸考成绩最好的就是K3。
第二层是能拆开改。闭源模型再强，权重锁在API后面，你只能写提示词，碰不到模型骨架；K3的权重完全公开，Harvey拿LoRA深入到50万个专家张量里做手术。36氪100万token的上下文也天然贴法律场景——一个并购案的卷宗动辄几千万token，窗口不够连材料都塞不进去。
而且Harvey不是第一个。往前翻几个月：AI编程头部Cursor发布"自研"模型Composer 2，三天后被开发者从API里扒出模型ID是kimi-k2p5-rl-0317，底座是Kimi K2.5，联创后来承认了。36氪AI搜索头部Perplexity在K2开源后随即启动后训练；连OpenAI前CTO Mira Murati创办的Thinking Machines，也把Kimi K2 Thinking接进了自家微调产品Tinker。
编程、搜索、法律一路排下来，开源模型已经悄悄进了美国AI产品的地基。知乎CNBC曾报道，美国企业在OpenRouter上的中国模型token用量一度占到46%，DoorDash、Airbnb都在用中国模型控成本。36氪榜单是面子，供应链才是里子。
把"叛变"叙事里的噪音去掉
刷屏文喊"叛变"喊得很响，但有三点得说清楚。
第一，Tenet不是替代。Harvey的平台依然接入Claude Opus 5和GPT-5.6 Sol，Tenet只是多出来的一个自有选项。36氪而这个选项本身就是筹码：手里有一个自己能改、成本只有四分之一的模型，再去和API厂商谈价格，姿态完全不一样。
第二，Harvey本来就不是"只用OpenAI"的公司。它从第一天起就是多模型路由，OpenAI只是投资人之一。“反水"是流量叙事，真实的变化是：垂直公司的议价结构，从"别人卖什么买什么”，变成了"我自己也造得出来"。
第三，这条路也不是没有代价。知乎上有句话说得准：底座捏在别人手里，人家哪天升级或者收紧权重授权条款，上面盖的楼全得抖。知乎Harvey赌的是K3开源授权的长期稳定，这个赌注本身值得持续观察。
谁该紧张，接下来盯什么
对做垂直AI的人来说：Harvey演示了一条可复制的路径——开放权重底座+行业专家反馈+后训练，门槛是150张卡和两个月。底座越来越像工业原材料，真正的壁垒在行业工作流、专家判断和部署经济性上。Harvey已经放话，下一步要把算力从1000卡扩到10000卡做全参数微调，目标是"每家律所都能有自己的专有模型"。36氪医疗、金融、工程都在看着。
对普通用户来说：这是好事。闭源厂商已经被逼着动了——发布才三周的GPT-5.6 Luna，7月30日就迎来大幅降价，API端的降价潮今年已经来了好几轮。36氪竞争才刚开始。
后面还有两个信号值得盯：一是会不会有第二个行业跟进，"主权模型"从个案变成潮流；二是昨夜开始，社交平台流传月之暗面正就Kimi K3与微软、亚马逊、谷歌谈收入分成，最高30%——消息未经官方证实，先当传闻看。但如果把它和Harvey这事放在一起，中国开源模型"出海当底座"的故事，可能真的才刚开始。
