新闻 / 模型观察 · 生态落地
OpenAI 投资的 Harvey 基于 Kimi K3 开源权重打造其首个模型
这是 Kimi K3 作为生产级基座迄今最有力的验证：由 OpenAI、红杉资本和 a16z 投资的旧金山法律科技初创公司 Harvey 于 8 月 20 日宣布推出其首个后训练模型 Harvey Tenet。基座选择？月之暗面（Moonshot）的 2.8T 开源权重。最终成效：在 Harvey 的法律智能体基准测试（Legal Agent Benchmark）中，任务完成量约为 K3 基座的 2 倍，且成本达到该公司所称的开源级别。
Harvey Tenet 以 Kimi K3 为基座，与 Fireworks 合作通过异步 RL 针对长流程法律业务进行后训练，据 Harvey 官方公告（2026 年 8 月 20 日）。 当前属于 研究预览：在 Harvey LAB 的保留任务集上完成率约为 K3 基座的 2 倍，相关 Agent 评测提升约 20%，达到前沿水平的法律基准表现——但 未公开权重、model card 或 API。基座模型保持开源；Tenet 本身则是 Harvey 的 checkpoint，将内置于 Harvey 的产品中提供。
根据 Harvey 官方公告，本次发布了哪些内容
- 模型本身。Kimi K3 基座 + 基于合成数据、公开法律数据和人类专家数据的异步强化学习——明确不包含任何客户数据。由 Harvey 与 Fireworks AI 研究团队联合训练。
- 评测结果。在 Harvey 的法律智能体基准测试（Legal Agent Benchmark）中，留出任务完成量接近 K3 基座的 2 倍；相关智能体评估提升约 20%；此外还对训练与任务执行框架（harness）进行了专项优化。
- 产品定位。“在主流法律基准测试上达到前沿水平……且成本仅为开源级别”，让智能体在每起案件/事务中全天候持续运行成为可能——同时也为律所基于自身业务构建专属定制模型奠定了基础。
- 未发布的内容。没有公开权重、没有模型说明卡（Model Card）、没有 API 接口——仅作为研究预览发布。正如 MarkTechPost 所评价：“今天交付的是配方，而不是成品权重本身。”
为何意义重大：半年的探索背景与“技术主权”视角
- 开源权重终于迎头赶上。Harvey 此前曾尝试过后训练并最终搁置：当时 OpenAI 的基座模型迭代太快，自研定制往往迅速被超越，而早期开源模型又与前沿水平差距过大（据社区对其发展历程的讨论）。K3 彻底改变了这一局面。
- 获 OpenAI 投资的西方企业选择中国开源权重。《南华早报》（SCMP）指出，在开发成本飙升的背景下，这代表着西方科技公司转向中国开源权重体系的日益明显的趋势。
- “掌控核心智能”的主张。Harvey 的既定目标包括让律所能够构建专属垂直模型——两家同样使用 Harvey 的律所，会因业务沉淀不同而拥有完全不同的模型。这是基于开源权重、而非闭源专有 API 构建的 AI 主权论点。
一手信息来源
- Harvey 官方博客 — Harvey 后训练进展更新（2026-08-20，Tenet = Kimi K3 基座 + Fireworks）
- Law.com LegalTechNews — Harvey 推出首个法律领域后训练 AI 模型 Tenet（2026-08-20）
- SCMP — OpenAI 投资的法律科技公司转向中国开源权重模型 Kimi K3
- MarkTechPost — Harvey Tenet：基于 Kimi K3 联合 Fireworks 后训练的法律智能体模型（2026-08-23）
- Artificial Lawyer — Harvey Tenet 深度解析（2026-08-21）
常见问题解答 (2026)
什么是 Harvey Tenet？
Harvey 首个后训练模型（研究预览版，2026 年 8 月 20 日发布）：基于 Kimi K3 开源权重基座 + Fireworks 异步强化学习（RL）后训练，专为长流程法律工作打造。
对比 Kimi K3 基座表现如何？
在 Harvey 的法律智能体基准测试（LAB）中，留出任务完成量约为 2 倍，相关智能体评估提升约 20%——据 Harvey 表示，以开源级成本达到了前沿级法律基准水平。
Tenet 是否开源权重？
否——基座是开源的，Tenet 则是 Harvey 的专有 checkpoint。发布时未提供权重、模型说明卡（Model Card）或 API；它将直接内置于 Harvey 的商业产品中提供。
为什么选择 Kimi K3？
经过六个月的开源权重调研：早期的基座模型要么迭代过快导致定制迅速被抛在身后，要么严重落后于前沿技术。而 K3 的 2.8T 参数及 1M 上下文开源权重足够稳定且强大，终于能够作为可靠基石进行深度构建。
基于哪些数据训练？
基于合成数据、公开法律数据和人类专家数据进行异步强化学习（RL）；明确不包含任何客户数据。由 Harvey 联合 Fireworks AI 研究团队共同构建。
这为何具有重要意义？
一家获 OpenAI 投资的西方头部企业首次基于中国开源权重打造自研模型——这是迄今为止 K3 作为垂直领域后训练基座最明确的行业落地信号。