夜雨聆风
当地时间8月20日，美国法律AI公司Harvey宣布，基于月之暗面Kimi K3开放权重底座，经过法律场景二次后训练，构建了自己的首个内部模型Tenet。
放在别家公司身上，这是一条普通的产品新闻。放在Harvey身上，是一记响亮的转向：它此前的主要模型供应商是OpenAI和Anthropic，而OpenAI恰恰是它的投资方之一。
Harvey是美国法律AI赛道最有分量的玩家之一：服务超过2400家机构，20多万名律师，全美百强律所（AmLaw 100）的大多数都是它的客户。今年3月估值达到110亿美元，年经常性收入1.9亿美元。
法律是AI最难啃的高合规场景：数据敏感、错误代价高昂、客户对"黑盒"零容忍。一家靠法律场景吃饭的头部公司，把底座从美国闭源模型换成中国开放权重模型——这是市场用真金白银做的一次选型投票。
成本。持续调用闭源API，是一笔水涨船高的支出；而基于开放权重底座做后训练，算力投入一次，模型是自己的。Harvey这次投入了公开披露的150块B300算力，完成法律场景的后训练，把"租模型"变成了"养模型"。
定制。法律场景要的是判例法、合规条款、律所工作流这些专有能力。开放权重模型可以深度后训练，把法律知识织进权重里；闭源API只能靠提示词在外围打转。
自主权。客户数据是律所的生命线，私有化部署是刚需。开放权重模型可以部署在自己的环境里，数据不出门；闭源模型把数据留在别人的服务器上，对法律行业是不可接受的。
成本、定制、自主权——三个理由，指向同一个判断：企业AI选型，正在从"选最强大的模型"，变成"选最适合自己的底座"。
一个月前，AI编程工具Cursor推出了基于月之暗面Kimi K2.5构建的专用编程模型Composer 2，在Terminal-Bench 2.0上得分超过Claude Opus 4.6，而每百万输入token成本只有Anthropic旗舰产品的十分之一。Cursor的做法是：把最难的推理交给前沿模型，其余任务交给更快、更便宜、更专业的底座。
部分美国头部AI产品，已经开始采用中国开放权重模型作为底座。背后的推动力很实在：开发成本持续上升，而开放权重模型的能力已经够用，且可以私有部署、深度定制、不被锁定。
这件事给出了三个信号：
第一，"最强大模型"的神话正在松动。当美国法律独角兽都开始用"够用就好"的底座，企业选型更不必被"旗舰"话术绑架。能力、成本、自主权三个维度，才是该问的问题。
第二，高合规场景的私有化部署，是刚需。法律、金融、政务这些行业，数据主权就是生存线。开放权重模型在这类场景的胜出，是结构性趋势。
第三，模型可以换，能力要留在自己手里。Harvey换过底座（从OpenAI合作模型到前沿闭源，再到Kimi K3），但它真正攒下的是法律场景的数据、工作流和客户关系。底座会迭代，能力是自己的。
当一家OpenAI投资的美国独角兽，把底座换成中国的开放权重模型，企业AI选型的游戏规则正在发生变化：不问"哪个模型最强"，要问"哪个底座最适合我的场景"。
模型没有国界，选型只看场景。这句话，正在被一家法律AI公司写进自己的产品里。
参考资料：观察者网（2026-08-22）、腾讯新闻（2026-08-24）、OpenAI Hub（2026-08-23）、新浪财经（2026-08-24）
本文为行业观察，内容基于公开报道整理，数据以企业官方发布为准。
