トムソン・ロイター、4000万ドルで自社のフロンティアモデルを構築

トムソン・ロイターは2026年8月24日、自社初の大規模言語モデルThomsonを発表した。そこに 付された主張は、大きな独自コーパスを抱える企業がいずれも聞きたいものだ。ドメイン特化の 学習で、フロンティア研究所に、その一部のコストで並ぶ、という主張である。SiliconANGLEは 投資額を2年で約4000万ドルとし、最終の学習実行にかかった費用を約45万ドルとしている。 モデルはゼロから始まったのではない。同社は「強力なオープンソースの基盤」から出発し、 その上に独自のコンテンツと学習手法を重ねたと述べている。

その資金が買ったもの

資産はコーパスだ。トムソン・ロイターによれば、ThomsonはWestlaw、Practical Law、 Checkpoint、Reutersのコンテンツで学習し、同社が数百人と表現する分野専門家によって 形づくられた。The Globe and Mailは、この作業が2年にわたり、英国のスタートアップSafe Sign Technologiesと共に行われたと報じている。同社が昨年買収した企業だ--同社自身の プレスリリースには出てこない事実である。

アーカイブのどれだけを使ったかは三通りに報じられている。トムソン・ロイターは10%未満、 SiliconANGLEは約10%、The Globe and Mailは8%だ。丸めの範囲では一貫しており、三つとも 同社が売り込むのと同じ含意を運ぶ。コーパスの大半はまだ未使用であり、伸びる余地がある、 というものだ。SiliconANGLEは、顧客データは学習に使われていないと付け加えている。

ベンチマークの数字と、その脚注

スコアを詳細に検討したのはLawNextだけだ。Thomson-1-Largeを、Gemini 3.1 Pro、Claude Opus 4.8、GPT-5.5と七つのカテゴリで比較している。Thomsonは指示追従、長文コンテキスト、 PrBench Legal Hardで首位、Harvey Legal Agentベンチマークで2位、推論で3位--そして コーディングで最下位だ。

そして脚注である。LawNextは、実行条件が揃っていなかったと指摘する。Thomsonは test-time scalingの恩恵を受けた一方、GeminiとOpusはreasoningモードで動き、GPT-5.5は 非reasoningモードのみで試された。LawNextによれば非reasoningモードは「複雑で高度、 あるいは多段の課題を扱うとき、概して能力が劣る」。トムソン・ロイターはscalingの利得は わずかで平均が0.787から0.789に上がっただけだとし、GPT-5.5のreasoningモード評価は 「かなり長い時間がかかった」ため公表の準備ができていなかったと説明した。

二つめの評価はさらに弱い。WestlawとPractical Lawに接続したThomsonと、ウェブ接続の フロンティアモデルを比べたもので、LawNextはこう要約する。「これはモデルの試験という より、その背後にある検索元の試験だ」。結論として残すべき一文はこうだ。結果はすべて 自己申告であり、独立した第三者による検証への言及はない。同社のシニア・リサーチ・ サイエンティストAndrew Beanは手法を、「回答の網羅性と、引用が主張を裏づけているか の双方を評価した」と説明している。

どこに載るのか、そして開発者向けに何が来るのか

Thomsonは何かを丸ごと置き換えるものではない。まず載るのはCoCounsel Legalアシスタント 内の大量文書レビュー機能Tabular Analysisで、SiliconANGLEによればそこでは既定となり、 管理者は代替を選べる。CoCounselは設計として多モデルのままで、同社がドメイン学習の 利点があると考える場面でThomsonを使い、それ以外では第三者のフロンティアモデルを使う。 The Globe and Mailは、社内での検証がThomsonと主要フロンティアモデルの「競馬」として 文字どおり枠づけられていると報じ、加えて大手法律事務所への自社運用向けライセンス供与も 将来の計画として挙げる。

発表そのものより重要な、開発者に関わる計画が二つある。SiliconANGLEによれば、 トムソン・ロイターは非商用の学術ライセンスで小型のオープンウェイト版をHugging Faceに 公開する意向で、外部開発者向けのAPIポータルも構築中だ。

これが開発者にとって意味すること

転用できる教訓は順位表ではなくコスト構造にある。オープンウェイトの土台に載せる最終 学習実行が45万ドルなら、中堅企業の手が届く範囲だ。そして堀となったのは計算資源では なく、コーパスと専門家による付与だった。勤務先が数十年分の独自の構造化データを抱えて いるなら、作るか買うかの計算はいま動いた。そして正直な第一歩は、そのデータが学習に 使えるほど実際に整い、ラベル付けされているかの点検である。こうした企画が死ぬのはGPU の請求書ではなく、そこだ。

評価は自分たちの評価の型として読みたい。LawNextの批判は借用に値する確認項目だ。競合 モデルは最も強いモードで動かされたか、検索条件は一定に保たれたか、ベンダー外の誰かが 数字を検証したか。Westlawを持っていたのが自分だけだから勝ったドメインモデルは、モデル についてではなく検索について語っている。自分の検索パイプラインを双方につないで同じ 試験を走らせれば、答えはしばしば変わる。

コーディングのスコアは、ドメイン学習を読み過ぎないための有用な警告だ。Thomsonはそこで 最下位だが、法務コーパスのモデルとしてはまさにそうあるべきである--モデルの悪さでは なく、範囲の話だ。自分のドメインで学習したモデルは、そのドメインが狭いのと同じだけ 狭くなる。だから他のすべてに向けて汎用モデルをスタックに残しておきたい。トムソン・ ロイター自身がそうしている。