Thomson Reuters construyó su propio modelo de frontera por 40 millones

Thomson Reuters presentó el 24 de agosto de 2026 Thomson, su primer gran modelo de lenguaje propio, y la afirmación que lo acompaña es la que quiere oír cualquier empresa sentada sobre un gran corpus privado: entrenamiento especializado que iguala a los laboratorios de frontera por una fracción de su coste. SiliconANGLE cifra la inversión en unos 40 millones de dólares a lo largo de dos años, con un entrenamiento final que costó cerca de 450.000 dólares. El modelo no partió de cero: Thomson Reuters dice haber empezado desde «una base sólida de código abierto» y haber añadido encima contenido y métodos de entrenamiento propios.

Qué compró el dinero

El corpus es el activo. Thomson Reuters afirma que Thomson se entrenó con contenido de Westlaw, Practical Law, Checkpoint y Reuters, moldeado por lo que describe como cientos de expertos en la materia. The Globe and Mail informa de que el trabajo se hizo durante dos años con Safe Sign Technologies, una startup británica que Thomson Reuters compró el año pasado, un detalle que la propia nota de prensa de la empresa no menciona.

Cuánto del archivo se ha usado se informa de tres maneras: Thomson Reuters dice menos del 10 %, SiliconANGLE dice en torno al 10 % y The Globe and Mail dice 8 %. Consistente dentro del redondeo, y las tres cifras cargan la misma implicación que vende la empresa: la mayor parte del corpus sigue sin usar, así que hay margen. SiliconANGLE añade que no se emplearon datos de clientes para el entrenamiento.

Las cifras de los benchmarks y sus notas al pie

LawNext publicó el único análisis detallado de las puntuaciones, comparando Thomson-1-Large con Gemini 3.1 Pro, Claude Opus 4.8 y GPT-5.5 en siete categorías. Thomson queda primero en seguimiento de instrucciones, contexto largo y PrBench Legal Hard; segundo en el benchmark Harvey Legal Agent; tercero en razonamiento, y último en programación.

Y luego, las notas. LawNext encontró que las ejecuciones no eran equiparables: Thomson se benefició de test-time scaling mientras Gemini y Opus corrían en modo de razonamiento, y GPT-5.5 se probó solo en modo sin razonamiento, que según LawNext «suele ser menos capaz al enfrentarse a desafíos complejos, avanzados o de varios pasos». Thomson Reuters respondió que la ventaja del scaling era menor, y que elevó su media de 0,787 a 0,789, y que una evaluación de GPT-5.5 en modo de razonamiento «llevó bastante más tiempo» y no estaba lista para publicarse.

La segunda evaluación es aún más débil. Comparó a Thomson conectado a Westlaw y Practical Law contra modelos de frontera con acceso a la web, algo que LawNext resume así: «menos una prueba de los modelos que de las fuentes de recuperación que hay detrás». Su conclusión es la frase que conviene retener: los resultados son enteramente autoinformados, sin verificación independiente de terceros. Andrew Bean, científico investigador sénior de la empresa, describe el método como una evaluación de «tanto la exhaustividad de las respuestas como si las citas respaldaban sus afirmaciones».

Dónde se despliega y qué llega para los desarrolladores

Thomson no sustituye nada en bloque. Llega primero a Tabular Analysis, una función de revisión documental de alto volumen dentro del asistente CoCounsel Legal, donde SiliconANGLE dice que pasa a ser la opción por defecto mientras los administradores todavía pueden elegir alternativas. CoCounsel sigue siendo multimodelo por diseño: usa Thomson donde la empresa cree que gana el entrenamiento especializado y modelos de frontera de terceros en lo demás. The Globe and Mail informa de que la prueba interna se plantea literalmente como «una carrera de caballos» entre Thomson y los principales modelos de frontera, además de futuras licencias a grandes despachos para despliegue en sus propias instalaciones.

Dos planes orientados a desarrolladores importan más que el lanzamiento. SiliconANGLE informa de que Thomson Reuters prevé publicar una versión open-weight más pequeña en Hugging Face bajo licencia académica no comercial, y está construyendo un portal de API para desarrolladores externos.

Qué significa esto para los desarrolladores

La lección transferible es la estructura de costes, no la clasificación. Un entrenamiento final de 450.000 dólares sobre una base open-weight está al alcance de una empresa mediana, y el foso era el corpus más el etiquetado experto, no la computación. Si tu empresa está sentada sobre décadas de datos estructurados propios, el cálculo entre construir y comprar acaba de moverse, y el primer paso honesto es auditar si esos datos están de verdad lo bastante limpios y etiquetados para entrenar algo: ahí es donde mueren estos proyectos, no en la factura de GPU.

Lee la evaluación como plantilla para la tuya. La crítica de LawNext es una lista de comprobación que conviene robar: ¿corrieron los modelos rivales en su modo más potente?, ¿se mantuvo constante la recuperación?, ¿verificó alguien ajeno al proveedor las cifras? Un modelo especializado que gana porque era el único con Westlaw te está hablando de recuperación, no del modelo. Repite la misma prueba con tu pipeline conectado a ambos lados y la respuesta suele cambiar.

La puntuación en programación es la advertencia útil contra sobreinterpretar el entrenamiento especializado. Thomson termina último ahí, que es exactamente lo que debería hacer un modelo de corpus jurídico: no dice nada malo del modelo y todo sobre su alcance. Un modelo entrenado en tu dominio será estrecho justo en la medida en que tu dominio lo es, así que mantén un modelo general en la pila para todo lo demás, que es lo que ha hecho Thomson Reuters.