What is Harvey Tenet?

The first post-trained AI model from Harvey, the San Francisco legal-tech startup backed by OpenAI, Sequoia, and Andreessen Horowitz. Announced August 20, 2026 as a research preview: a Kimi K3 open-weight base post-trained with Fireworks through asynchronous reinforcement learning for long-horizon legal work.

How does it perform vs the base Kimi K3?

Per Harvey's announcement: nearly twice as many held-out tasks completed on Harvey's Legal Agent Benchmark (LAB) and about 20% more on related agentic evaluations, with frontier-level performance on prominent legal benchmarks at what Harvey calls an open-source cost.

Is Harvey Tenet open-weights?

No. The base (Kimi K3) is open-weight; Tenet itself is Harvey's own checkpoint — no weights, model card, or API endpoint were published at announcement. Harvey shipped the recipe and results, not the artifact, and says the work will move from research to production inside its products.

Why did Harvey choose Kimi K3?

Harvey says it spent six months researching open-weight foundations for legal AI. Earlier attempts failed because base models either leapfrogged too fast (OpenAI generations) or lagged the frontier; K3 — a 2.8T-parameter open-weight model with 1M context — finally offered frontier-grade capability that post-training could build on, at controllable cost.

What was Tenet trained on?

Asynchronous reinforcement learning over a combination of synthetic data, publicly available legal data, and human expert data. Harvey states no customer data was used, and the training ran with Fireworks AI's research team.

Why does this matter for the Chinese-model ecosystem?

An OpenAI-backed Western company publicly building its first in-house model on Chinese open weights (Moonshot's Kimi K3) is a milestone adoption signal — SCMP frames it as part of a shift by Western firms toward Chinese open-weight systems amid soaring development costs, and it validates K3 as a production-grade base for domain post-training.

News / Model Watch · Ökosystem-Adaption

Adoptions-Meilenstein Harvey Tenet Kimi K3 Basis Forschungsvorschau

2026-08-24 · Model Watch · angekündigt am 20. Aug. 2026

OpenAI-unterstütztes Harvey entwickelt erstes Modell auf Basis der Open Weights von Kimi K3

Die bisher stärkste Bestätigung für Kimi K3 als Produktionsbasis: Harvey — das von OpenAI, Sequoia und a16z unterstützte Legal-Tech-Startup aus San Francisco — kündigte am 20. August Harvey Tenet an, sein erstes post-trainiertes Modell. Die Basis? Moonshots 2.8T Open Weights. Das Ergebnis: rund doppelt so viele abgeschlossene Aufgaben wie das Basis-K3 im Legal Agent Benchmark von Harvey – und das laut Unternehmen zu Open-Source-Kosten.

Direkte Antwort

Harvey Tenet basiert auf Kimi K3 und wurde zusammen mit Fireworks mittels asynchronem RL für komplexe juristische Aufgaben post-trainiert, laut offizieller Ankündigung von Harvey (20. Aug. 2026). Es ist eine Forschungsvorschau: ~2× mehr abgeschlossene Held-Out-Aufgaben gegenüber Basis-K3 im LAB von Harvey, ~20 % mehr bei verwandten agentischen Evaluierungen, juristische Benchmarks auf Frontier-Niveau — aber keine veröffentlichten Gewichte, keine Model Card oder API. Die Basis ist offen; Tenet selbst ist Harveys Checkpoint und wird in den Produkten von Harvey ausgeliefert.

Was veröffentlicht wurde, laut Ankündigung von Harvey

Das Modell. Kimi K3-Basis + asynchrones Reinforcement Learning über synthetische Daten, öffentlich zugängliche juristische Daten und menschliche Expertendaten — ausdrücklich ohne Kundendaten. Trainiert gemeinsam mit dem Forschungsteam von Fireworks AI.
Die Ergebnisse. Nahezu 2× mehr Held-Out-Aufgaben im Legal Agent Benchmark von Harvey gegenüber der K3-Basis; ~20 % Zuwachs bei verwandten agentischen Evaluierungen; zusätzliche Harness-Verbesserungen für Training und Aufgabenausführung.
Die Positionierung. „Frontier-Niveau bei führenden juristischen Benchmarks … zu Open-Source-Kosten“, was den kontinuierlichen Einsatz von Agenten für jeden Fall praktikabel macht — plus das Fundament für Kanzleien, spezialisierte Modelle auf Basis ihrer eigenen Arbeit aufzubauen.
Was nicht veröffentlicht wurde. Keine Gewichte, keine Model Card, kein API-Endpunkt — reine Forschungsvorschau. Wie MarkTechPost es ausdrückte: „Was heute geliefert wird, ist das Rezept, nicht das Artefakt.“

Warum das wichtig ist: Die sechsmonatige Vorgeschichte und der Souveränitätsaspekt

Open Weights haben endlich aufgeholt. Harvey hatte zuvor bereits Post-Training erprobt und wieder eingestellt: Die Basismodelle von OpenAI verbesserten sich so schnell, dass Anpassungen rasch überholt waren, und frühere Open-Source-Modelle lagen zu weit hinter dem Spitzenfeld zurück (laut Community-Diskussionen zur Unternehmensgeschichte). K3 hat diese Rechnung verändert.
Ein westliches, von OpenAI unterstütztes Unternehmen setzt auf chinesische Open Weights. SCMP ordnet dies als Teil eines wachsenden Trends westlicher Tech-Unternehmen ein, angesichts rasant steigender Entwicklungskosten auf chinesische Open-Weight-Systeme umzusteigen.
Das „Own Your Intelligence“-Versprechen. Harveys erklärtes Ziel beinhaltet, Kanzleien den Aufbau eigener spezialisierter Modelle zu ermöglichen — zwei Kanzleien, die Harvey nutzen, erhalten am Ende unterschiedliche Modelle, die durch unterschiedliche Arbeit geprägt sind. Das ist ein Argument für KI-Souveränität, das auf Open Weights statt auf proprietären APIs basiert.

Primärquellen

Häufig gestellte Fragen (2026)

Was ist Harvey Tenet?

Harveys erstes post-trainiertes Modell (Forschungsvorschau, 20. Aug. 2026): Kimi K3 Open-Weight-Basis + Fireworks Async-RL-Post-Training für komplexe juristische Aufgaben.

vs. Basis-Kimi K3?

~2× mehr abgeschlossene Held-Out-Aufgaben im Legal Agent Benchmark von Harvey, ~20 % mehr bei verwandten agentischen Evaluierungen — juristische Benchmarks auf Frontier-Niveau zu Open-Source-Kosten, laut Harvey.

Ist Tenet Open-Weights?

Nein — nur die Basis; Tenet ist Harveys Checkpoint. Keine Gewichte, keine Model Card oder API bei der Ankündigung; die Bereitstellung erfolgt direkt in den Produkten von Harvey.

Warum Kimi K3?

Sechs Monate Open-Weight-Forschung: Frühere Basen wurden entweder zu schnell überholt oder lagen hinter dem Spitzenfeld zurück. Die Open Weights von K3 mit 2.8T / 1M Kontext blieben endlich stabil genug, um darauf aufzubauen.

Womit trainiert?

Asynchrones RL über synthetische + öffentliche juristische + menschliche Expertendaten; keine Kundendaten. Entwickelt mit dem Forschungsteam von Fireworks AI.

Warum ist das wichtig?

Das erste hauseigene Modell eines von OpenAI unterstützten westlichen Unternehmens auf Basis chinesischer Open Weights — das bisher deutlichste Signal für die Etablierung von K3 als Basis für domänenspezifisches Post-Training.

Kimi K3 API guide

Kimi K3 + GLM Open Stack · Alle News

Auf die Warteliste für OpenAI-kompatiblen Zugang setzen