Thomson Reuters lança «Thomson»: o modelo próprio que desafia a fronteira com os dados (e os custos) de uma editora

A Thomson Reuters apresentou o «Thomson», o seu primeiro grande modelo de linguagem desenvolvido internamente. A empresa afirma tê-lo construído a partir de uma «base sólida de open source» — o comunicado oficial não nomeia o modelo de partida; numa entrevista, o responsável pela investigação fundacional indicou que as bases mudaram ao longo do projeto e que a mais recente é o Qwen 3.5, sem confirmar que seja a da versão lançada — e tê-lo depois especializado com técnicas de mid-training e post-training sobre os seus próprios arquivos: Westlaw, Practical Law, Checkpoint e Reuters. A empresa precisa que usou até agora menos de 10% da sua biblioteca de conteúdos. O investimento total declarado ronda os 40 milhões de dólares em dois anos, entre pessoal e capacidade de cálculo, enquanto só o treino final da versão lançada custou cerca de 450 mil dólares, número que o responsável tecnológico, Joel Hron, atribui aos conteúdos proprietários aplicados sobre modelos open source de alto nível.

As avaliações citadas no comunicado são internas e ainda não foram validadas por terceiros. A Thomson Reuters sustenta que o modelo iguala os modelos de fronteira num conjunto de tarefas e melhora na adesão às instruções e no raciocínio de domínio. No seu próprio teste «Deep Research», o Thomson superou o GPT-5.4 e um modelo de topo da Anthropic quando podia aceder aos conteúdos proprietários; apenas com acesso à web, o resultado foi comparável, sem vantagem. Samuel Dahan, do Conflict Analytics Lab, classificou as citações em matérias de direito do trabalho canadiano como «genericamente competitivas com os principais modelos de fronteira», mas o SiliconANGLE lembra que continua a faltar uma validação independente alargada e que um relatório técnico detalhado foi anunciado mas não publicado. A empresa não disse em que medida os modelos externos permanecerão em uso no resto do portefólio.

O primeiro uso em produção é a funcionalidade Tabular Analysis do CoCounsel Legal, onde o Thomson é o modelo predefinido, embora os administradores possam optar por alternativas. A empresa anunciou também uma versão «pequena» de pesos abertos no Hugging Face com licença académica não comercial e o acesso de um grupo de académicos para avaliações diretas. Ainda assim, não se conhecem a data de publicação dos pesos, a dimensão da versão aberta, o texto exato da licença nem os termos do portal para programadores. A Thomson Reuters sublinha que os dados dos clientes não são usados no treino e que os seus padrões «Fiduciary-Grade» exigem consentimento explícito para qualquer utilização futura.

O lançamento do Thomson é uma experiência à escala industrial: pode uma editora com décadas de conteúdos próprios competir com os gigantes da fronteira sem repetir os seus custos de cálculo? A resposta dependerá da capacidade de transformar dados curados numa vantagem mensurável — e verificável. Por agora, os números divulgados são internos; a prova real serão o relatório técnico anunciado e a adoção efetiva por escritórios de advogados e departamentos jurídicos. O caminho está traçado: especializar em vez de generalizar e reivindicar o controlo como valor acrescentado. Falta perceber se o mercado premiará a autonomia ou continuará a preferir a escala.