域模型的第三条路：一家175年公司花4000万美元给出的答案

域模型的第三条路：一个 175 年公司的 $40M 答案

Thomson Reuters花了4000万美元，在阿里的开源模型Qwen上做法律数据的后期训练，自报法律评分超过了Anthropic Haiku 4.5。纯算力成本只要10到20万美元，真正烧钱的是他们175年攒下的判例法数据库、几百位专家的人工标注，以及一套能拉开分数差距的评测系统。三年前，Bloomberg烧了多得多的钱从零训练一个500亿参数的...

推荐理由：这篇文章给出了一个很具体的行业模型路线：不从头训，也不纯靠API，而是拿开源模型做后期训练，用私有数据和专家标注建立壁垒。Thomson Reuters花了4000万，但纯算力成本低得惊人，真正烧钱的是数据资产和评测体系，这点对从业者很有启发。文章还拉了三年前Bloomberg从零训500亿参数模型的失败案例做对比，让结论更扎实。自报评分超过Haiku 4.5这点我会先打个折，毕竟评测集是自己出的，但整体逻辑和成本透明度足够，不是PR稿，值得推荐。