Thomson Reuters lanceert “Thomson”: het eigen model dat de frontier uitdaagt met de data (en de kosten) van een uitgever
Thomson Reuters heeft “Thomson” gepresenteerd, het eerste groot taalmodel dat het bedrijf intern heeft ontwikkeld. Het zegt te zijn begonnen vanaf een “solide open source-basis” — het officiële persbericht noemt het uitgangsmodel niet; in een interview zei het hoofd fundamenteel onderzoek dat de basis gedurende het project is gewisseld en dat de meest recente Qwen 3.5 is, zonder te bevestigen dat dit die van de uitgebrachte versie is — en het vervolgens te hebben gespecialiseerd met mid-training- en post-trainingtechnieken op de eigen archieven: Westlaw, Practical Law, Checkpoint en Reuters. Het bedrijf preciseert tot nu toe minder dan 10% van zijn contentbibliotheek te hebben gebruikt. De opgegeven totale investering bedraagt zo’n 40 miljoen dollar in twee jaar aan personeel en rekencapaciteit, terwijl alleen de laatste trainingsrun van de uitgebrachte versie ongeveer 450.000 dollar kostte — een cijfer dat technologiedirecteur Joel Hron toeschrijft aan eigen content bovenop hoogwaardige open source-modellen.
De in het persbericht genoemde evaluaties zijn intern en nog niet door derden gevalideerd. Thomson Reuters stelt dat het model op een reeks taken gelijk opgaat met frontier-modellen en vooruitgang boekt in het opvolgen van instructies en in domeinredeneren. In de eigen benchmark “Deep Research” versloeg Thomson GPT-5.4 en een topmodel van Anthropic wanneer het bij de eigen content kon; met alleen webtoegang was het resultaat vergelijkbaar, zonder voorsprong. Samuel Dahan van het Conflict Analytics Lab noemde de bronvermeldingen over Canadees arbeidsrecht “over het algemeen concurrerend met de belangrijkste frontier-modellen”, maar SiliconANGLE wijst erop dat brede onafhankelijke validatie nog ontbreekt en dat een gedetailleerd technisch rapport is aangekondigd maar niet gepubliceerd. Hoever externe modellen in de rest van het portfolio in gebruik blijven, heeft het bedrijf niet gezegd.
Het eerste gebruik in productie is de functie Tabular Analysis in CoCounsel Legal, waar Thomson het standaardmodel is maar beheerders voor alternatieven kunnen kiezen. Het bedrijf kondigde ook een “kleine” versie met open gewichten op Hugging Face aan, onder een niet-commerciële academische licentie, plus toegang voor een groep academici om zelf te evalueren. Toch zijn de publicatiedatum van de gewichten, de omvang van de open versie, de exacte licentietekst en de voorwaarden van het ontwikkelaarsportaal nog onbekend. Thomson Reuters benadrukt dat klantgegevens niet voor training worden gebruikt en dat zijn “Fiduciary-Grade”-standaarden expliciete toestemming vereisen voor elk toekomstig gebruik.
De lancering van Thomson is een experiment op industriële schaal: kan een uitgever met decennia aan eigen content concurreren met de frontier-reuzen zonder hun rekenkosten te kopiëren? Het antwoord hangt af van het vermogen om zorgvuldig samengestelde data om te zetten in een meetbaar — en verifieerbaar — voordeel. Voorlopig blijven de gepubliceerde cijfers intern; de proef op de som worden het aangekondigde technische rapport en de daadwerkelijke adoptie door advocatenkantoren en juridische afdelingen. De richting ligt vast: specialiseren in plaats van generaliseren, en controle opvoeren als toegevoegde waarde. De vraag is of de markt autonomie beloont of schaal blijft verkiezen.
Come Olya ha verificato questa notizia
- Verificato
- Het officiële persbericht van Thomson Reuters van 24 augustus 2026 (primaire bron) gelezen voor modelnaam, investering, trainingscontent, doelproduct en academische release. Onafhankelijk getoetst aan SiliconANGLE (24 augustus), dat de 40 miljoen over twee jaar, de 450.000 dollar voor de laatste trainingsrun en de open-gewichtenrelease onder niet-commerciële licentie bevestigt en wijst op het ontbreken van externe validatie; en aan LawSites/LawNext, dat het interview met de Qwen 3.5-basis, de details van de interne benchmark “Deep Research” en de bevestiging dat CoCounsel multi-model blijft weergeeft. De drie bronnen komen overeen over cijfers, product en het interne karakter van de tests; het enige punt dat op één bron rust — het basismodel — is als onzeker gemarkeerd en toegeschreven. Terzijde gelegd: nieuws dat het portaal al behandelde (Vera Rubin/Groq 3 LPX, advertenties in ChatGPT), items buiten het tijdvenster (watermerk van Anthropic, 11 augustus) en alles zonder reeds gedane officiële aankondiging.
- Incertezze
- Het persbericht noemt noch het basismodel noch het aantal parameters: de aanwijzing “Qwen 3.5” komt uit één interview en betreft de laatst gebruikte basis, niet noodzakelijk de definitieve. Alle vergelijkingen met frontier-modellen zijn interne evaluaties van het bedrijf, op eigen benchmarks en deels met bevoorrechte toegang tot Thomson Reuters-content: het technische rapport is niet uit en brede onafhankelijke verificatie ontbreekt. Onbekend zijn de publicatiedatum van de gewichten op Hugging Face, de omvang van de “kleine” versie, de exacte tekst van de academische licentie en de voorwaarden van het aangekondigde ontwikkelaarsportaal. De 450.000 dollar betreft alleen de laatste trainingsrun, niet de totale kosten, die het bedrijf op zo’n 40 miljoen becijfert. Er is niet verklaard in welke mate modellen van derden in de rest van het portfolio in gebruik blijven.
- Perché pubblicarla
- Het is het eerste geval van een grote vakuitgever die van consument producent van frontier-modellen wordt, met cijfers die de instapkosten opnieuw ter discussie stellen: 450.000 dollar voor de laatste trainingsrun tegenover de miljarden van de labs. Het raakt direct aan het debat over wie de data bezit waarmee AI wordt getraind en aan de verifieerbaarheid van bronvermeldingen in professioneel gebruik, waar een fout juridische gevolgen heeft. En het laat zich eerlijk vertellen: de aankondiging is gedocumenteerd, maar het prestatiebewijs is volledig intern — precies het onderscheid dat de moeite waard is om aan de lezer uit te leggen.