Harvey Tenet: юридический ИИ-агент на Kimi K3 с RL — вдвое больше задач, чем у базы

Harvey выпустил Tenet — исследовательский превью первой собственной пост-тренированной модели. Tenet построена на базе открытой модели Kimi K3 и дообучена с помощью асинхронного reinforcement learning (RL) в партнёрстве с Fireworks. Для обучения использовали синтетические данные, публичные юридические материалы и данные от экспертов-юристов — данные клиентов не применялись.

Результаты впечатляют: на внутреннем бенчмарке Harvey Legal Agent Benchmark (LAB) Tenet выполняет почти вдвое больше задач, чем базовая K3, а на подразделе LAB: Contracts — на 20% больше. All-pass rate вырос на 9 и 2 процентных пункта соответственно. Harvey заявляет state-of-the-art на LAB: Contracts и второе место на LAB. Прирост качества переносится и на сторонние бенчмарки — Mercor APEX Agents и Crosby Redline Bench — без дополнительного обучения, при этом знания на LegalBench, CUAD, MAUD и Scale PRBench не ухудшились.

Однако Tenet пока не готов к продакшну: это исследовательский превью от 20 августа 2026 года. Harvey не публикует веса, model card или API. Доступ к модели — только через платформу Harvey для юридических фирм и корпоративных юристов. Компания обещает со временем перенести наработки в продукты. Обучение заняло около двух месяцев на ~150 NVIDIA B300.

Tenet оптимизирован не только по качеству, но и по стоимости: открытые веса снижают цену за токен, а shaping наград, поощряющий короткие траектории, уменьшает потребление токенов. Применение — due diligence, анализ контрактов, извлечение данных из тысяч документов, поиск прецедентов. Harvey ставит цель создать фронтирный юридический интеллект на открытых моделях и дать юридическим фирмам возможность владеть собственными специализированными моделями.