Thomson Reuters за два с лишним года потратила около 40 миллионов долларов на команду и вычисления для собственной языковой модели, и модель уже запущена под названием «Thomson». Компания делает ставку на полную независимость, используя за основу Alibaba Qwen, вместо аренды моделей у OpenAI или Anthropic.
Рынок привык к гонке за новейшими моделями от крупных вендоров. Но эта новость - серьезный сигнал для всех, кто строит сложные AI-системы. Это переход от «покупать или арендовать» к «владеть и контролировать».
Что это меняет? Если раньше крупные корпорации адаптировали свои процессы под ограничения публичных API, то теперь Thomson Reuters строит AI, который идеально встраивается в их многолетнюю юридическую и новостную базу. Это уже не тонкая настройка, а создание собственного AI-актива.
Для меня это означает:
- Контроль над данными: когда модель работает внутри компании, можно самостоятельно решать, как и чем ее дообучать, и так держать максимальную конфиденциальность и точность для специфических доменов. Это критично для RAG-систем в закрытых контурах.
- Архитектурная гибкость: собственный стек позволяет глубже интегрировать AI в существующие рабочие процессы и агентные пайплайны, вместо того чтобы городить обвязки поверх сторонних API. Меньше костылей, меньше неожиданностей.
- Долгосрочная стоимость и риски: 40 миллионов долларов - это инвестиция, а не операционные расходы, которые могут внезапно вырасти. Это снижает зависимость от ценовой политики вендоров и открывает путь к конкурентным преимуществам, которых нет у других.
Вывод: для больших компаний с огромными массивами чувствительных данных и специфической доменной экспертизой, вроде Thomson Reuters, путь к собственному AI может быть более оправдан, чем постоянная аренда. Это сложнее, дольше и дороже на старте, но дает контроль, безопасность и гибкость в долгосрочной перспективе. Для малых и средних команд, которым нужно быстро выкатить MVP, облачные API останутся основным решением.
Подробнее о решении Thomson Reuters можно прочитать в статье The Decoder.