Dwa ogłoszenia, jedna data
Thomson Reuters wydał model. LexisNexis wydał warstwę, która modele dobiera. To dwa kroki w przeciwne strony i dlatego trzeba je czytać razem. Obie wiadomości opisał tego samego dnia Bob Ambrogi, każdą osobno: notkę o Thomson 1.0 i notkę o Legal Intelligence Engine.
Thomson Reuters: własny model, cudza orkiestracja
Thomson 1.0 powstał w dwa lata za około 40 milionów dolarów, licząc ludzi i moc obliczeniową. Finalny przebieg treningowy kosztował 450 tysięcy (liczby za Artificial Lawyer). Ta druga liczba jest ciekawsza od pierwszej, bo mówi, gdzie naprawdę leżą pieniądze: nie w trenowaniu, tylko w korpusie i w ewaluacji.
Model stoi na otwartych wagach Qwen 3.5. Bazę zmieniali w trakcie projektu około sześciu razy, co samo w sobie jest informacją o tym, jak wymienny jest ten komponent. Trenowano na treści z Westlaw, Practical Law, Checkpoint i Reuters, przy czym użyto poniżej 10 procent biblioteki. Joel Hron, CTO Thomson Reuters, zaznaczył wprost: „We do not use customer data at all".
Cztery dni wcześniej, 20 sierpnia, ta sama firma ogłosiła nową generację CoCounsel Legal, zbudowaną na Claude Agent SDK od Anthropica. Czyli: własny model, cudza warstwa agentowa. Pierwsze i jedyne wdrożenie Thomsona to Tabular Analysis, gdzie jest modelem domyślnym, a administrator może go przełączyć.
LexisNexis: własna orkiestracja, cudze modele
LexisNexis poszedł w drugą stronę. Legal Intelligence Engine to warstwa, którą sami nazywają harness: dobiera i koordynuje modele, agentów, umiejętności i źródła treści na podstawie opisu zadania. Domyślnie wybiera model najlepiej dopasowany do konkretnej pracy, ale użytkownik może narzucić swój.
Dwa szczegóły mechaniki znaczą coś z perspektywy kancelarii. System pokazuje plan przed wykonaniem i pozwala go zmienić. Oraz pokazuje źródło każdego elementu. Warstwa potrafi też dobrać w trakcie dodatkowe narzędzia i informacje, sprawdzić własną pracę i wrócić do wcześniejszego kroku, co opisuje Jeff Reihl, CTO LexisNexis, w relacji LawSites. W zasobach jest ponad 200 miliardów dokumentów i kilkaset gotowych umiejętności. Własne modele LexisNexis dopiero zapowiada.
Jeden kupił silnik i wynajął kierownicę. Drugi kupił kierownicę i wynajmuje silnik. Obaj nazywają to niezależnością.
Co naprawdę mówi tabela benchmarków Thomson Reuters
Thomson Reuters opublikował 31 lipca porównanie z modelami frontier. Trzeba je czytać razem z przypisem o ustawieniach, który firma podała sama: „Thomson-1-Large used test-time scaling; Gemini 3.1 Pro and Opus 4.8 used reasoning mode; GPT-5.5 used non-reasoning mode".
To znaczy, że jeden z porównywanych modeli startował z wyłączonym rozumowaniem. I mimo to GPT-5.5 wypadł na Stanford LegalBench wyżej niż Thomson-1-Large, 0,832 do 0,823, a Thomson miał wtedy włączone skalowanie w czasie odpowiedzi. Model prawniczy skończył trzeci z czterech na benchmarku Stanforda, przy ustawieniach przechylonych na swoją korzyść.
Model jest przy tym solidny. Wygrywa trzy z siedmiu wierszy: PrBench Legal Hard, wykonywanie instrukcji i długi kontekst. Przegrywa rozumowanie i kodowanie. Profil wychodzi spójny i uczciwy: nie bystrzejszy prawnik, tylko karniejszy wykonawca na długim materiale.
Siedem wierszy opublikowanych, jedno zadanie powierzone. Thomson trafił do Tabular Analysis, czyli przeglądu do 10 000 dokumentów z pytaniami, gdzie każda odpowiedź prowadzi z powrotem do źródła. Wybór wdrożenia mówi o zaufaniu do modelu więcej niż siedem wyników obok siebie.
Warstwa, której nie wynajmuje żaden z nich
Model okazał się wymienny. Thomson Reuters zmieniał bazę kilkakrotnie, LexisNexis pozwala użytkownikowi przełączyć model w locie. Orkiestracja też okazała się wymienna, skoro jeden ją kupuje, a drugi buduje.
Niewymienna została jedna rzecz. Thomson Reuters użył poniżej 10 procent własnej biblioteki i ma z czego dobierać dalej. LexisNexis liczy swoje zasoby w setkach miliardów dokumentów. Żaden z nich nie wynajmuje korpusu, bo korpusu nie da się wynająć na kwartał i oddać. To jest jedyna warstwa, w której dwa lata pracy i czterdzieści milionów dolarów kupuje coś, czego konkurent nie kupi przełącznikiem.
Wątek, którego nie ma w obiegu anglojęzycznym
Thomson Reuters udostępnił wagi modelu na Hugging Face, ale na licencji niekomercyjnej, akademickiej. To ma znaczenie po stronie europejskiej i nikt tego wątku nie podniósł.
Trenując własny model ogólnego przeznaczenia, firma przestaje być wyłącznie podmiotem stosującym, a staje się dostawcą modelu GPAI w rozumieniu art. 53 AI Act. Wyjątek dla modeli otwartych wymaga licencji pozwalającej na dostęp, użycie, modyfikację i dystrybucję. Licencja zakazująca użycia komercyjnego tego testu nie przechodzi, a część obowiązków, jak polityka praw autorskich i podsumowanie treści treningowych, obowiązuje nawet dostawców modeli faktycznie otwartych. Publikacja wag nie jest więc obejściem obowiązków dostawcy. Jest publikacją wag.
Zastrzeżenie, które trzeba postawić uczciwie: obowiązki dotyczą modeli wprowadzanych na rynek unijny, a CoCounsel Legal w nowej generacji startuje w Stanach, z zapowiedzią Kanady, Wielkiej Brytanii i Australii. Pytanie o rynek unijny jest więc otwarte, nie przesądzone. Powyższa kwalifikacja to interpretacja MateMatic i nie zastępuje doradztwa prawnego.
Co to znaczy dla polskiej kancelarii
Kancelaria kupująca narzędzie AI kupuje trzy warstwy naraz: korpus, model i orkiestrację. Do sierpnia można było zakładać, że vendor posiada wszystkie trzy. Dwa ogłoszenia z jednego dnia pokazały, że nawet najwięksi posiadają jedną i wynajmują resztę.
Stąd trzy pytania, które warto zadać każdemu dostawcy, zanim dojdzie do rozmowy o wdrożeniu:
Odpowiedź „całą platformę" oznacza, że pytanie nie zostało zrozumiane albo nie zostało odbite. Obaj najwięksi odpowiedzieli na nie publicznie i różnie.
Baza modelu zmieniana kilkakrotnie w trakcie jednego projektu to nie anegdota, to charakterystyka komponentu. Umowa powinna wiedzieć, która część stosu może się zmienić bez naszej zgody.
Obaj wydawcy wbudowali ścieżkę powrotną do źródła i obaj się nią chwalą. To przestało być wyróżnikiem, a stało się minimum. Narzędzie bez tej ścieżki jest dziś w tyle za rynkiem, nie przed nim.
Co MateMatic wnosi do tego tematu
PATRON stoi na tym samym rozstrzygnięciu, które obaj wydawcy właśnie podjęli publicznie: model jest wymienny, korpus nie, a każda odpowiedź ma prowadzić z powrotem do dokumentu. U nas dochodzi warunek, którego żaden z nich nie musi spełniać, bo nie pracuje na polskich aktach: materiał nie opuszcza kancelarii. Interpretacje regulacyjne w tym materiale są stanowiskiem MateMatic i nie zastępują doradztwa prawnego.