Harvey 推出 Harvey Tenet：基于 Kimi K3，经 Fireworks 后训练，面向长时程法律 Agent 工作

事件核心：发生了什么

据 MarkTechPost Research 报道，Harvey 推出了名为 Harvey Tenet 的新一代法律 Agent 模型。该模型并非从零训练，而是基于 Moonshot AI（月之暗面）的 Kimi K3 基座模型，由 Fireworks AI 提供后训练（post-training）支持。公开信息显示，Harvey Tenet 的重点不是单轮法律问答的准确率，而是面向长时程、多步骤的 Agent 任务——例如合同审阅、尽职调查、诉讼策略拆解等需要连续调用工具、回溯上下文并保持推理一致性的复杂工作流。目前 Harvey 尚未公布 Tenet 的详细技术参数、API 价格或上线时间，更多细节仍待官方披露。

为什么重要

这则新闻的看点不在于“又有一个法律大模型”，而在于 Harvey 对基座模型路线的选择。Harvey 长期被视为法律 AI 领域的头部玩家，此前主要基于 OpenAI 的模型构建产品。此次转向 Kimi K3，说明在长上下文理解和复杂 Agent 编排上，垂直厂商开始评估并采用更多元化的开源或第三方基座，而不是绑定单一闭源供应商。这也印证了业内的一个判断：后训练和领域数据能让通用模型在法律场景中发挥更大价值，但基座本身的长期上下文能力是天花板。Harvey Tenet 的推出，同时给 Moonshot AI 的模型在海外 B 端市场做了一个很强的背书，并将法律 AI 的竞争从“模型评测分数”拉到了“真实工作流完成度”的层面。

对用户/开发者/创作者的影响

对企业法务和律所用户而言，Harvey Tenet 如果落地，意味着 AI 助手从“检索法律条文”升级为“能连续处理一整套法律流程”的 Agent。对开发者来说，该模型若开放 API，将提供一条基于 Kimi K3 生态的法律场景微调参考路径，尤其适合需要处理长文档、长时间任务编排的团队。对模型供应方来说，这是一个信号：底座模型厂商除了卖通用 API，还可能通过服务垂直头部玩家来进入高价值行业场景。法律内容创作者和知识服务者也可能受到影响——当 Agent 能稳定产出高质量法律分析时，初级法律文书整理类工作的价值会被进一步压缩。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

目前公开信息显示，Harvey Tenet 的正式发布和商业化细节尚未完全披露，建议关注以下三点：
1. Harvey Tenet 是否能真正跑通长时程 Agent 工作流，并公布与传统闭源模型（如 OpenAI 系列）的对比评测，而不是停留在模型指标上；
2. Moonshot AI 是否会借此次合作加速 Kimi 系模型的海外 B 端落地，以及定价策略是否随之上调；
3. 其他法律科技公司（如 Thomson Reuters、LexisNexis）是否会跟进“垂直后训练 + 第三方基座”的路线，改变目前依赖单一模型供应商的格局。

来源：MarkTechPost Research