Thomson Reuters、独自フロンティアモデル「Thomson」を公開 — 4000万ドルで構築、Opus 4.8に匹敵と主張

Thomson Reutersは2026年8月24日（トロント発）、同社初の独自大規模言語モデル「Thomson」を発表した。プレスリリースによると、強いオープンソース基盤を起点に、同社が保有する数十年分の信頼性の高いコンテンツと数百名のドメイン専門家による中間学習・事後学習を組み合わせ、4000万ドルの投資でフロンティア級の能力を実現したという。同社は「典型的なフロンティアモデルに比べ大幅に低い推論コストで、完全に自社が制御・運用する」ことを強調し、まずは法律向けAIアシスタント「CoCounsel Legal」のTabular Analysisで展開する。

同社は7月31日付の技術ブログで先行ベンチマークも公開しており、Thomson-1-LargeがClaude Opus 4.8に匹敵し、GPT-5.5やGemini 3.1 Proを上回るとしている。評価は社内実施のもので、外部の独立検証は今後、法律・AI分野の研究者への開放とHugging Faceでの小規模オープンウェイト公開で進める方針だ。

何が発表されたか — 4000万ドルで「所有するモデル」へ

一次情報（2026年8月24日付プレスリリースおよび7月31日付技術ブログ）で確認できる骨子は以下の通り。

• モデル名と位置づけ: 「Thomson」はThomson Reutersが自社で開発・運用する初の独自LLM。Westlaw、Practical Law、Checkpoint、Reuters等の独自コンテンツと編集・専門知識を学習に活用した「Fiduciary-Grade™」を掲げる。顧客データは明示的な同意なしに学習に使わないとしている。
• 開発アプローチとコスト: 数十億ドル規模の計算資源を前提とする従来のフロンティア開発ではなく、「強いオープンソース基盤」から出発し、4000万ドルの人材・計算投資で目的の業務に特化させたと説明。割合として、保有コンテンツの10%未満のみを学習に使用したとし、今後の拡張余地を残すとしている。
• 学習手法: 最先端の中間学習（mid-training）と事後学習（post-training）を、独自コンテンツと数百名の主題専門家（SME）の評価ループで実施。出力の評価、失敗モードの特定、法律実務の推論様式の検証を専門家が担ったとする。
• 主権（AI Sovereignty）への対応: モデルの訓練方法、内部の挙動やバイアス、実行場所、情報プライバシーの保護といった問いに対し、第三者任せではなく自社で直接回答できる体制を意図。WestlawやPractical Lawといった自社ツールとの統合学習で、文書精読や複雑な指示の遂行での上乗せを主張している。
• 展開先: 初回統合はCoCounsel Legal内の「Tabular Analysis」（大量の構造化文書レビュー機能）。リリース時点ではCoCounsel Legalはマルチモデル構成を維持し、Thomsonが明確に優位な箇所で適用するとしている。今後1年で法律・税務ポートフォリオ全体に拡大し、主権AIの選択肢も提供する計画。
• 公開方針: 検証促進のため、Thomsonの小規模版をHugging Faceで学術・非商用向けにオープンウェイト公開。社外の法律・AI研究者への開放も段階的に進めるとしている。

性能主張 — 法律と汎用でフロンティアに匹敵と提示

Thomson Reutersは7月31日付の投稿で、Thomson-1-Largeと主要フロンティアモデル（Gemini 3.1 Pro、Claude Opus 4.8、GPT-5.5）との比較表を公開した。いずれも同社による社内評価であり、独立した第三者ベンチマークではない点に留意が必要だ。

出典: Thomson Reuters Built Its Own AI Model That Now Ranks Among the World’s Best — Thomson Reuters Institute（2026-07-31）

• 法律領域
  • Stanford LegalBench: Thomson 0.823 / Gemini 3.1 Pro 0.843（最高）/ Opus 4.8 0.818 / GPT-5.5 0.832
  • PrBench Legal Hard: Thomson 0.352（最高）/ Gemini 0.293 / Opus 4.8 0.315 / GPT-5.5 0.333
  • Harvey Legal Agent Benchmark: Thomson 0.857 / Gemini 0.555 / Opus 4.8 0.869（最高）/ GPT-5.5 0.781
• 汎用領域
  • Instruction Following（IFEval + FollowBenchの複合）: Thomson 0.914（最高）/ Gemini 0.848 / Opus 4.8 0.861 / GPT-5.5 0.885
  • Reasoning（GPQA Diamond + HLE + MMLU-Proの複合）: Thomson 0.684 / Gemini 0.748（最高）/ Opus 4.8 0.737 / GPT-5.5 0.589
  • Coding（SWE-Bench Pro + Terminal-Bench 2.1の複合）: Thomson 0.399 / Gemini 0.500 / Opus 4.8 0.598（最高）/ GPT-5.5 0.414
  • Long Context（Infinity Bench + 社内ベンチの複合）: Thomson 0.753（最高）/ Gemini 0.750 / Opus 4.8 0.741 / GPT-5.5 0.703
• 条件: Thomson-1-Largeはtest-time scalingを使用、Gemini 3.1 ProとOpus 4.8はreasoning mode、GPT-5.5はnon-reasoning modeでの比較と注記されている。

さらに、同社は自社コンテンツ（Westlaw/Practical Law）へのネイティブ統合を有効にした場合の比較も提示。53件の法律リサーチ課題（SME作成）で、Thomsonがウェブ検索（Brave）経由の汎用モデルより、回答の完全性と引用の正確性（factuality）で優位だったとしている。評価はLLMを判定役としつつ、SMEのルーブリックで較正したと説明している。

出典: Thomson Reuters Built Its Own AI Model That Now Ranks Among the World’s Best — Thomson Reuters Institute（2026-07-31）

同社は外部研究者による引用品質の所感も紹介している。ワシントン大学のJonathan H. Choi教授は「ChatGPTやClaudeと並べて難問で試したところ、Thomsonの回答を最も好ましく感じ、条約へのリンクで透明性が高かった」と述べ、Queen’s / Cornell Legal AI LabのSamuel Dahan教授は「カナダ雇用法の設問でも引用品質はフロンティアに匹敵」とコメントしている。いずれも個別研究者の限定的評価であり、体系的な第三者検証ではない。

背景と含意 — ドメイン特化が示す「所有」の経済性

Thomsonの発表は、汎用フロンティアを外部APIに依存して「借りる」か、独自コンテンツと専門性で「所有する」かという選択を、法律・税務のような高信頼領域で具体化した事例だ。

• 経済性: 4000万ドルという投資規模は、数十億ドル規模とされるフロンティアの学習コストと対比される。プレスリリースは「学習コストだけでなく推論コストも大幅に低い」とし、所有による長期的なコスト管理と運用主権を強調している。ただし、学習に用いた計算量やモデル規模、推論時の実コストの詳細は一次情報では開示されていない。
• データの希少性: 10%未満のコンテンツ使用で今回の性能に達したとする主張は、残り90%超の拡張余地を示唆する。同社は「単にデータを流し込むのではなく、どのように特化させるかの発見が重要」とし、データアクセスの有無だけでなく、独自コンテンツでの中間学習と専門家による較正が差別化要因だったと説明している。
• 検証の階層: 提示された数値はすべてThomson Reutersによる社内評価だ。同社は今後、外部研究者への開放とHugging Faceでの小規模版公開で検証を広げるとしており、独立評価の結果が実務上の信頼性を左右する。特に法律領域のベンチマークは設計や判定基準で結果が変動しやすく、第三者の再現が重要だ。
• 製品統合の現実性: CoCounsel Legalはマルチモデルを維持しつつTabular AnalysisでThomsonを既定化する。大量文書の構造化レビューという測定しやすい用途から段階的に広げる戦略は、導入効果を可視化しやすい。一方、税務や他法域への拡張、ソブリンAIとしてのオンプレミス／プライベートクラウド提供の具体像は今後の開示待ちだ。

汎用AIが「誰にでも使える知能」を競うなか、Thomsonは「間違いが許されない専門家」のための知能を、自社で所有・運用する道を示した。所有がもたらす統制と効率が、実務での正確性と引用可能性の向上として再現されるかが、次の検証点となる。

出典

• Thomson Reuters Leverages its World-Class Data Assets to Launch Its Own Frontier Model — Thomson Reuters（プレスリリース、2026-08-24）
• Thomson Reuters Built Its Own AI Model That Now Ranks Among the World’s Best — Thomson Reuters Institute（2026-07-31）