Thomson Reuters、独自 LLM「Thomson」を発表──法務・税務特化でコストを最適化
汎用 AI の高コストな推論に頼らず、社内の専門データベースと厳選された約 2,000 万トークンのコンテンツで構築した独自 LLM により、専門業務の高精度化とコスト抑制を両立する。
リリース: 2026-08-24 · 読了 3 分記事の要約
1. 核心（What）
- Thomson Reuters は 2026 年 8 月 24 日、法務や税務などの専門業務に特化した独自オープンウェイトモデル「Thomson」を発表した。
- モデルのベースにはオープンウェイトモデル「Qwen3.6-35B-A3B」を採用し、約 19 億トークンから厳選された 2,000 万トークンの自社コンテンツでトレーニングを実施した。
- 開発と計算に総額 4,000 万ドル（約 63 億 6000 万円）を投じ、「Westlaw」や「Practical Law」などの専門データベースを学習に活用している。
- オープンな小規模モデルとして、350 パラメータ級のオープンウェイトモデル「Thomson-1.0-Small」を Hugging Face で公開している。
2. 影響（Why）
- 専門特化型 LLM によるコスト抑制: フロンティアモデルと同等の推論精度を維持しながら、汎用モデルで課題となる高い推論コストを回避し、自社で完全に管理できる「Fiduciary-Grade」の信頼性を確保できる。
- 国内専門 SaaS 事業者への戦略的示唆: 法務・税務データを扱う国内のリーガルテック・税務 SaaS 企業は、汎用 API への全面依存から、ドメイン特化型データとオープンウェイトモデルを組み合わせたコスト構造の最適化モデルへ舵を切る契機となる。
3. 根拠・詳細（How）
- 3 段階のトレーニングと学習データの選定: 「マルチなエージェント」「専門の推論」「タスク・スキル」の 3 ステージを踏み、保有コンテンツ 10 年分から厳選した 2,000 万トークンの独自コンテンツを投入している。
- ベースモデルと小規模版の公開: Qwen3.6-35B-A3B をベースにカスタム学習が行われ、検証用の小規模版である「Thomson-1.0-Small」が Hugging Face で公開されている。
4. 展望・課題（Next）
- AI 研究コミュニティによる評価の進行: 学術界および AI 研究コミュニティへモデルの提供が開始されており、今後外部からの検証や評価レポートの公開が進む予定。