声称是美国法律领域的AI独角兽宣告, 基于月之暗面的Kimi K3推出了Tenet模型, 这属于中国开源大模型首次成功打入美国头部垂直AI公司的训练体系, 打破了以往闭源模型占据垄断的状况, 背后反映出中国AI在出海方面迎来了新一轮的突破。

美国法律科技巨头的选择

有一家名为Casetext的公司, 它属于美国法律科技领域里极为耀眼的明星当中的一员, 其估值达到了高达110亿美元的程度, 年化收入大概是3.5亿美元, 该公司的核心产品Tenet着重聚焦于法律检索以及分析方面, 为超过2400家机构以及20多万名律师提供服务, 其中涵盖了顶级律所还有企业法务部门, 长久以来, 它依靠OpenAI、Anthropic等闭源模型来进行服务的提供。

选择Kimi K3绝非随意而为, 闭源模型的API调用成本处于伴随使用量增长之际持续不断地攀升状态 , 考虑到日均处理海量法律文书的场景, 这构成一笔颇为可观的开支。更为关键的是, 闭源模型没办法依据法律行业的特殊需求予以深度定制 , 然而Kimi K3具备的开放权重使得技术团队能够自由自在地调整模型参数 , 进而打造出真正懂得法律的专业AI。

Kimi K3的致命吸引力

Kimi K3是开源大模型, 由月之暗面于2025年推出还会怎样, 支持拥有128K上下文窗口, 以及还能处理长达哪有数百页的法律文件。它是采用开放权重策略的, 任何企业都能够免费获取并且还能进行二次开发, 这在美国法律AI公司里惹起哪里巨大震动。

在多项基准测试之时, Kimi K3展现出优异表现, 于数学推理以及长文本处理范畴, 其甚至比一些主流闭源模型还更具优势。就法律场景来讲, 长文本处理能力特别关键, 一份并购合同或者诉讼材料往往有几百页, 模型能不能精准理解并提取关键信息, 直接对应用效果起到决定性作用。

中国大模型出海的里程碑

由杨植麟所创立的月之暗面, 于2023年正式成立起来, 仅仅两年的时间, 就已然成为中国大模型赛道的头部玩家一枚。Kimi系列模型依靠超长上下文处理能力, 迅速地打开了知名度, 在国际开源社区积攒了大量开发者用户。Kimi K3这个模型的推出, 标志着中国大模型从“可用”朝着“好用”迈进了关键一步。

长期以来, 中国大模型一直被贴上“跟随者”的标签, 然而, 在开源赛道之上, 正实现着弯道超车, GitHub上面, 中文开源模型的数量, 呈现出逐年递增的态势, 渐渐的, 越来越多的海外开发者, 开始于中国开源项目里贡献代码, Kimi K3被美国法律AI公司采用, 这成为了中国大模型从技术输出迈向商业落地的标志性事件。

为何美国公司转向中国模型

近些年来, 美国那些闭源的AI厂商不断频繁地上调API价格, 致使GPT – 4o以及Claude 3.5等这类主流模型的使用成本持续不断地攀升, 对于像Casetext这样月调用量达到数百万次的企业而言, 成本压力已然影响到了利润率, 开源模型则提供出了一条能够自主进行控制的技术路线。

有着更深一层缘由的是那技术多元化的需求哪。美国大型科技公司对于中国开源模型抱持着相当审慎的态度, 然而企业用户常常更加注重性价比以及实用性。Kimi K3于长文本处理以及推理能力方面有着比较出色的表现, 这就使得它拥有了能够和闭源模型进行正面比拼竞争的实力。

法律AI行业的重新洗牌

在全球范围内, 法律AI在最早一批实现商业化的垂直领域当中占据一席之地, 美国律所每年于法律服务方面的支出超出四千亿美元, 其中相当多的成本源自律师用于文档审查以及案例检索所耗费的时间, 倘若AI工具能够把工作效率提高至一倍以上, 那么其市场规模所具备的潜力极大。

此时此刻, 美国法律人工智能市场之中, 竞争呈现出激烈态势, 除了Casetext之外, 还有Harvey、Thomson Reuters的LUCM等诸多平台, 都在竞相争夺市场份额。Kimi K3的加入, 极有可能改变当下已有的竞争格局, 能够为美国法律人工智能相关公司提供另外一种技术方面的选择, 进而降低对极少数几家闭源模型的依赖程度。

中国AI的全球野心

月之暗面考量全球 AI 发展趋势后, 选取非继续走闭源路线而是开源策略, 权重模型开放会吸引更多开发者与企业用户投身生态建设, 进而形成正向循环, 一旦中国大模型于国际开源社区构建起充足影响力, 后续商业化路径便会越走越宽广。

从跨境电商, 到游戏娱乐, 再到现在的法律AI, 中国技术与产品的出海脚步正变得越来越快捷。这次, 美国法律科技巨头采用了Kimi K3, 这表明中国大模型已然拥有了为全球头部企业提供服务的能力, 且这不但为月之暗面带来胜利, 更是中国AI产业整体实现升级的一种体现！

针对美国法律人造智能公司选取中国开源模型这一情况, 你觉得是源于成本方面的考虑, 还是对技术实力予以认可呢? 欢迎在座各位在评论区域分享自身的看法, 要是感觉这一份文章给你造成有助于你之处, 不妨点一下赞, 并且分享给更多留意人工智能行业的友人。