Noticias / Model Watch · Adopción del ecosistema
Harvey, respaldada por OpenAI, desarrolla su primer modelo sobre los pesos abiertos de Kimi K3
La validación más sólida hasta la fecha para Kimi K3 como base de producción: Harvey —la startup de legal-tech de San Francisco respaldada por OpenAI, Sequoia y a16z— anunció el 20 de agosto Harvey Tenet, su primer modelo postentrenado. ¿La base? Los pesos abiertos de 2.8T de Moonshot. El resultado: aproximadamente el doble de tareas completadas frente a K3 base en el Legal Agent Benchmark de Harvey, a lo que la compañía califica como costo de código abierto.
Harvey Tenet es una base Kimi K3, postentrenada con Fireworks mediante RL asíncrono para trabajo legal de largo alcance, según el anuncio oficial de Harvey (20 de agosto de 2026). Es una vista previa de investigación: ~2× de tareas retenidas completadas frente a K3 base en el LAB de Harvey, ~20% más en evaluaciones agénticas relacionadas y benchmarks legales al nivel de la frontera, pero sin pesos publicados, model card ni API. La base es abierta; Tenet en sí es el checkpoint de Harvey y se integrará dentro de los productos de Harvey.
Lo que se presentó, según el anuncio de Harvey
- El modelo. Base Kimi K3 + aprendizaje por refuerzo asíncrono sobre datos sintéticos, datos legales de acceso público y datos de expertos humanos (explícitamente sin datos de clientes). Entrenado conjuntamente con el equipo de investigación de Fireworks AI.
- Los resultados. Casi el doble de tareas retenidas superadas en el Legal Agent Benchmark de Harvey frente a la base K3; mejoras de aproximadamente un 20% en evaluaciones agénticas relacionadas; además de mejoras en el entorno de pruebas para el entrenamiento y la ejecución de tareas.
- El posicionamiento. "Nivel de frontera en los principales benchmarks legales… a coste de código abierto", lo que hace viable la ejecución continua de agentes en cada asunto legal, además de sentar las bases para que los bufetes de abogados construyan modelos especializados a partir de su propio trabajo.
- Lo que no se lanzó. Sin pesos, sin model card, sin endpoint de API: solo vista previa de investigación. Como señaló MarkTechPost: "lo que se entrega hoy es la receta, no el artefacto".
Por qué es importante: los antecedentes de seis meses y el enfoque de soberanía
- Los pesos abiertos finalmente alcanzaron el nivel. Harvey intentó el postentrenamiento anteriormente y lo detuvo: los modelos base de OpenAI mejoraban tan rápido que las personalizaciones quedaban obsoletas rápidamente, y los modelos abiertos anteriores estaban demasiado rezagados de la frontera (según debates de la comunidad sobre la historia de la empresa). K3 cambió la ecuación.
- Una firma occidental respaldada por OpenAI que elige pesos abiertos chinos. SCMP lo describe como parte de un creciente giro de las empresas tecnológicas occidentales hacia sistemas de pesos abiertos chinos en medio del aumento vertiginoso de los costes de desarrollo.
- La propuesta de "sé dueño de tu propia inteligencia". El objetivo declarado de Harvey incluye permitir que los bufetes de abogados creen sus propios modelos especializados: dos firmas que usan Harvey terminan con modelos diferentes moldeados por trabajos distintos. Se trata de un argumento de soberanía de IA fundamentado en pesos abiertos, no en API propietarias.
Fuentes primarias
- Blog oficial de Harvey — Actualización sobre el postentrenamiento de Harvey (2026-08-20, Tenet = base Kimi K3 + Fireworks)
- Law.com LegalTechNews — Harvey presenta Tenet, su primer modelo de IA postentrenado para el sector legal (2026-08-20)
- SCMP — Una firma de legal-tech respaldada por OpenAI gira hacia el modelo de pesos abiertos chino Kimi K3
- MarkTechPost — Harvey Tenet: una base Kimi K3 postentrenada con Fireworks (2026-08-23)
- Artificial Lawyer — Análisis de Harvey Tenet (2026-08-21)
Preguntas frecuentes (2026)
¿Qué es Harvey Tenet?
El primer modelo postentrenado de Harvey (vista previa de investigación, 20 de agosto de 2026): base de pesos abiertos Kimi K3 + postentrenamiento con RL asíncrono de Fireworks para trabajo legal de largo alcance.
¿Frente a Kimi K3 base?
~2× de tareas retenidas en el Legal Agent Benchmark de Harvey, ~20% más en evaluaciones agénticas relacionadas: benchmarks legales de nivel frontera a coste de código abierto, según Harvey.
¿Es Tenet de pesos abiertos?
No; la base sí lo es, pero Tenet es el checkpoint de Harvey. Sin pesos, model card ni API en el momento del anuncio; se integrará dentro de los productos de Harvey.
¿Por qué Kimi K3?
Seis meses de investigación con pesos abiertos: las bases anteriores quedaban desfasadas rápidamente o iban muy por detrás de la frontera. Los pesos abiertos de K3 con 2.8T y contexto de 1M finalmente se mantuvieron estables el tiempo suficiente para construir sobre ellos.
¿Con qué se entrenó?
RL asíncrono sobre datos sintéticos, datos legales públicos y datos de expertos humanos; sin datos de clientes. Desarrollado con el equipo de investigación de Fireworks AI.
¿Por qué es importante?
El primer modelo propio de una firma occidental respaldada por OpenAI sobre pesos abiertos chinos: la señal de adopción más clara hasta ahora para K3 como base de postentrenamiento de dominio.