OpenAI「亲儿子」反水，认中国模型做「赛博义父」
内容提要
美国法院近期因AI工具出现虚构引用和隐藏文字等失误，凸显通用模型难以胜任法律实务。Harvey公司基于中国Kimi K3模型训练出法律专用模型Tenet，提升任务完成率。类似地，Cursor、Devin等美国AI产品也采用Kimi系列底座，中国开源模型正成为海外AI产品的供应链基础，提供低成本、可定制的第三条路径。
延伸解读
法律AI为何需要专用模型
通用模型能回答法律知识，却难以完成真实法律任务。律师面对的不是简单问答题，而是需要连续检索、阅读、发现风险并形成交付物的复杂工作。这些判断藏在真实执行细节中，难以靠提示词传递，因此Harvey选择基于Kimi K3训练专用模型Tenet，以提升任务完成率。
中国模型成海外AI产品供应链
Cursor、Devin、Cosine等美国AI产品纷纷采用Kimi系列作为底座，中国开源模型正成为海外AI产品的“原料”。这些公司并非简单换名，仍需投入数据与算力进行后训练，但无需从零造模型，也减少了对闭源模型的依赖，形成“美国产品、中国底座”的新模式。
开源模型提供第三条路径
过去AI创业公司要么自研模型，要么付费调用闭源API。中国开源模型提供了第三条路：直接获取预训练模型，再用自身数据加工。这降低了成本，也让公司能将行业数据沉淀为资产，如汤森路透的Thomson-1。中国模型正以开放权重、合成数据等形式进入美国AI供应链。
Q&A
Harvey公司发布的Tenet法律模型是基于哪个底座模型训练的？
Tenet是基于中国Kimi K3模型训练的。
为什么Harvey要专门训练自己的法律模型Tenet，而不是直接使用通用模型？
因为通用模型虽然能回答法律知识，但难以完成真实的法律任务，如连续检索、阅读材料、发现风险、给出引用并形成交付物。这些判断需要大量真实执行细节，无法仅靠提示词和外部工作流传递，因此需要专门训练。
Cursor的Composer 2模型是基于哪个模型训练的？
Cursor的Composer 2是基于Kimi K2.5训练的，并在技术报告中承认了这一点。
除了Harvey和Cursor，还有哪些美国AI产品使用了Kimi系列模型？
Cosine的Lumen Outpost基于Kimi K2.6，Devin的SWE-1.7基于Kimi K2.7，Thinking Machines使用Kimi K2.5生成的合成数据。
中国开源模型为美国AI创业公司提供了哪条新路径？
中国开源模型提供了第三条路：直接获取已训练好的模型，用自己的数据和业务经验继续加工，无需承担从头训练的全部成本，也不必依赖Anthropic或OpenAI的闭源API。
汤森路透的CTO Joel Hron如何比喻使用外部API与拥有自研模型？
他把调用外部API比作租房，拥有自己的模型比作买房，认为只有拥有自己的模型才能让行业数据和知识产权沉淀为资产。
