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.

Notizie / Model Watch · Adozione dell'ecosistema

Traguardo di adozione Harvey Tenet Base Kimi K3 Anteprima di ricerca

2026-08-24 · Model Watch · annunciato il 20 ago 2026

Harvey, supportata da OpenAI, sviluppa il suo primo modello sui pesi aperti di Kimi K3

La conferma più forte finora per Kimi K3 come base di produzione: Harvey — la startup legal-tech di San Francisco sostenuta da OpenAI, Sequoia e a16z — ha annunciato il 20 agosto Harvey Tenet, il suo primo modello post-addestrato. La base? I pesi aperti da 2.8T di Moonshot. Il risultato: circa il doppio dei task completati rispetto a K3 base sull'Harvey Legal Agent Benchmark, a quello che l'azienda definisce un costo open source.

Risposta diretta

Harvey Tenet è una base Kimi K3, post-addestrata con Fireworks tramite RL asincrono per il lavoro legale a lungo orizzonte, secondo l'annuncio ufficiale di Harvey (20 ago 2026). Si tratta di un'anteprima di ricerca: ~2× nel completamento dei task held-out rispetto a K3 base sul LAB di Harvey, ~20% in più nelle valutazioni agentiche correlate, benchmark legali a livello frontier — ma nessun peso pubblicato, model card o API. La base è aperta; Tenet stesso è un checkpoint di Harvey e sarà distribuito all'interno dei prodotti Harvey.

Cosa è stato rilasciato, secondo l'annuncio di Harvey

Il modello. Base Kimi K3 + apprendimento per rinforzo asincrono su dati sintetici, dati legali disponibili pubblicamente e dati di esperti umani — esplicitamente nessun dato dei clienti. Addestrato insieme al team di ricerca di Fireworks AI.
I risultati. Quasi 2× task held-out sull'Harvey Legal Agent Benchmark rispetto alla base K3; guadagni di circa il 20% sulle valutazioni agentiche correlate; miglioramenti all'harness per l'addestramento e l'esecuzione dei task.
Il posizionamento. "Livello frontier sui principali benchmark legali… a un costo open source", rendendo pratiche le esecuzioni continue degli agenti su ogni pratica — oltre a gettare le basi affinché gli studi legali possano creare modelli specializzati sul proprio lavoro.
Cosa non è stato rilasciato. Nessun peso, nessuna model card, nessun endpoint API — solo un'anteprima di ricerca. Come ha affermato MarkTechPost: "ciò che viene rilasciato oggi è la ricetta, non l'artefatto".

Perché è importante: i retroscena di sei mesi e la prospettiva della sovranità

I pesi aperti hanno finalmente recuperato il ritardo. Harvey aveva già tentato il post-addestramento in passato e si era fermata: i modelli base di OpenAI miglioravano così velocemente che le personalizzazioni venivano scavalcate, e i precedenti modelli aperti erano troppo indietro rispetto alla frontiera (secondo le discussioni della community sulla storia dell'azienda). K3 ha cambiato le cose.
Un'azienda occidentale supportata da OpenAI sceglie pesi aperti cinesi. SCMP lo inquadra come parte di una crescente svolta delle aziende tecnologiche occidentali verso sistemi cinesi a pesi aperti, a fronte dell'aumento vertiginoso dei costi di sviluppo.
La proposta del "possedere la propria intelligenza". L'obiettivo dichiarato di Harvey include consentire agli studi legali di creare i propri modelli specializzati — due studi che utilizzano Harvey ottengono modelli diversi plasmati da flussi di lavoro differenti. Questa è una tesi a favore della sovranità dell'IA basata su pesi aperti, non su API proprietarie.

Fonti primarie

Domande frequenti (2026)

Cos'è Harvey Tenet?

Il primo modello post-addestrato di Harvey (anteprima di ricerca, 20 ago 2026): base a pesi aperti Kimi K3 + post-addestramento RL asincrono con Fireworks per lavoro legale a lungo orizzonte.

Rispetto a Kimi K3 base?

~2× sui task held-out nel Legal Agent Benchmark di Harvey, ~20% in più nelle relative valutazioni agentiche — benchmark legali a livello frontier a costi open source, secondo Harvey.

Tenet è a pesi aperti?

No — la base lo è; Tenet è un checkpoint di Harvey. Nessun peso, model card o API al momento dell'annuncio; sarà integrato all'interno dei prodotti Harvey.

Perché Kimi K3?

Sei mesi di ricerca sui pesi aperti: le basi precedenti venivano superate troppo velocemente o restavano indietro rispetto alla frontiera. I pesi aperti da 2.8T e 1M di contesto di K3 sono finalmente rimasti stabili abbastanza a lungo da poterci costruire sopra.

Addestrato su cosa?

RL asincrono su dati sintetici + legali pubblici + di esperti umani; nessun dato dei clienti. Realizzato con il team di ricerca di Fireworks AI.

Perché è importante?

Il primo modello interno di un'azienda occidentale supportata da OpenAI su pesi aperti cinesi — il segnale di adozione più chiaro finora per K3 come base di post-addestramento di dominio.

Kimi K3 API guide

Stack aperto Kimi K3 + GLM · Tutte le notizie

Unisciti alla lista d'attesa per l'accesso compatibile con OpenAI