Actualités / Veille des modèles · Adoption par l'écosystème
Harvey, soutenu par OpenAI, conçoit son premier modèle sur les poids ouverts de Kimi K3
La plus forte validation à ce jour pour Kimi K3 en tant que base de production : Harvey — la startup de la legaltech basée à San Francisco et soutenue par OpenAI, Sequoia et a16z — a annoncé Harvey Tenet le 20 août, son premier modèle post-entraîné. La base ? Les poids ouverts à 2,8T de Moonshot. Le résultat : environ 2× plus de tâches accomplies que la base K3 sur le Legal Agent Benchmark de Harvey, pour ce que l'entreprise qualifie de coût de l'open source.
Harvey Tenet repose sur une base Kimi K3, post-entraînée avec Fireworks via du RL asynchrone pour le travail juridique sur long horizon, selon l'annonce officielle de Harvey (20 août 2026). Il s'agit d'un aperçu de recherche : ~2× de tâches réservées accomplies par rapport à la base K3 sur le LAB de Harvey, ~20 % de plus sur les évaluations agentiques associées, benchmarks juridiques de niveau frontière — mais aucun poids publié, fiche de modèle ou API. La base est ouverte ; Tenet lui-même est le checkpoint de Harvey et sera intégré dans les produits de Harvey.
Ce qui a été livré, selon l'annonce de Harvey
- Le modèle. Base Kimi K3 + apprentissage par renforcement asynchrone sur des données synthétiques, des données juridiques publiques et des données d'experts humains — explicitement sans données clients. Entraîné en collaboration avec l'équipe de recherche de Fireworks AI.
- Les résultats. Près de 2× de tâches réservées sur le Legal Agent Benchmark de Harvey par rapport à la base K3 ; ~20 % de gains sur les évaluations agentiques associées ; améliorations supplémentaires du harness pour l'entraînement et l'exécution des tâches.
- Le positionnement. « Niveau frontière sur les principaux benchmarks juridiques… à un coût open source », rendant viable l'exécution continue d'agents sur chaque dossier — tout en posant les bases permettant aux cabinets d'avocats de concevoir des modèles spécialisés à partir de leurs propres travaux.
- Ce qui n'a pas été livré. Aucun poids, aucune fiche de modèle, aucun endpoint API — aperçu de recherche uniquement. Comme l'a formulé MarkTechPost : « ce qui est livré aujourd'hui, c'est la recette, pas l'artefact. »
Pourquoi c'est important : six mois d'historique et l'enjeu de la souveraineté
- Les poids ouverts ont enfin rattrapé leur retard. Harvey avait déjà tenté le post-entraînement avant d'abandonner : les modèles de base d'OpenAI progressaient si vite que les personnalisations se faisaient dépasser, et les modèles ouverts antérieurs étaient trop loin de la frontière (selon les discussions de la communauté sur l'historique de l'entreprise). K3 a changé la donne.
- Une entreprise occidentale soutenue par OpenAI qui choisit des poids ouverts chinois. Le SCMP y voit un tournant croissant des entreprises technologiques occidentales vers les systèmes chinois à poids ouverts face à la flambée des coûts de développement.
- L'argument de « maîtriser sa propre intelligence ». L'objectif affiché de Harvey inclut de permettre aux cabinets d'avocats de créer leurs propres modèles spécialisés — deux cabinets utilisant Harvey aboutissent à des modèles différents façonnés par des travaux distincts. C'est un argument de souveraineté en matière d'IA fondé sur des poids ouverts, et non sur des API propriétaires.
Sources primaires
- Blog officiel de Harvey — Point sur les efforts de post-entraînement de Harvey (2026-08-20, Tenet = base Kimi K3 + Fireworks)
- Law.com LegalTechNews — Harvey présente Tenet, son premier modèle d'IA post-entraîné pour le secteur juridique (2026-08-20)
- SCMP — Une legaltech soutenue par OpenAI se tourne vers le modèle chinois à poids ouverts Kimi K3
- MarkTechPost — Harvey Tenet : une base Kimi K3 post-entraînée avec Fireworks (2026-08-23)
- Artificial Lawyer — Analyse de Harvey Tenet (2026-08-21)
Questions fréquentes (2026)
Qu'est-ce que Harvey Tenet ?
Le premier modèle post-entraîné de Harvey (aperçu de recherche, 20 août 2026) : base à poids ouverts Kimi K3 + post-entraînement en RL asynchrone avec Fireworks pour le travail juridique sur long horizon.
Par rapport à la base Kimi K3 ?
~2× de tâches réservées sur le Legal Agent Benchmark de Harvey, ~20 % de plus sur les évaluations agentiques associées — des benchmarks juridiques de niveau frontière à un coût open source, selon Harvey.
Tenet est-il à poids ouverts ?
Non — la base l'est ; Tenet est le checkpoint de Harvey. Aucun poids, fiche de modèle ou API lors de l'annonce ; il est intégré directement dans les produits de Harvey.
Pourquoi Kimi K3 ?
Six mois de recherche sur les poids ouverts : les bases précédentes progressaient soit trop vite, soit restaient en retrait de la frontière. Les poids ouverts à 2,8T / contexte de 1M de K3 sont enfin restés stables assez longtemps pour servir de fondation.
Entraîné sur quoi ?
RL asynchrone sur des données synthétiques + juridiques publiques + d'experts humains ; aucune donnée client. Conçu avec l'équipe de recherche de Fireworks AI.
Pourquoi est-ce important ?
Le premier modèle interne d'une entreprise occidentale soutenue par OpenAI basé sur des poids ouverts chinois — le signal d'adoption le plus net à ce jour pour K3 comme base de post-entraînement spécialisée.