2022年，27岁的初级诉讼律师Winston Weinberg在O'Melveny & Myers律所工位上，用Reddit法律帖子和GPT-3做了一场测试，86%的回答被专业律师评为“可不修改直接使用”。当天，OpenAI高层的电话就打到了他手机上。四年后，这家由OpenAI创业基金领投种子轮的“亲儿子”，估值冲到110亿美元，却突然宣布自研模型Harvey Tenet，底座没有用GPT，而是选了月之暗面的开源模型Kimi K3。
希鸥网观察到，Harvey的转身不是技术偏好摇摆，而是一场被算力账单和供应链危机逼出来的“战略自救”。截至2026年5月，Harvey年化收入约3.5亿美元，ARR约3亿美元，客户超过1300家机构、20多万名律师。它每月要处理12万亿到13万亿token，每月花在模型API上的钱以十亿美元为单位计算。规模越大，模型供应商对它的议价权就越致命。
更直接的导火索是竞争边界的模糊。2025年秋天，OpenAI挖走合同生命周期管理独角兽Ironclad创始人Jason Boehmig，组建“法律行业解决方案”部门；几乎同时，Anthropic上线了面向律师的文档审查插件，功能与Harvey核心模块高度重合。用Harvey联合创始人Gabriel Pereyra在全员会上的原话：“他们不再是我们的供应商，他们是我们的未来竞争对手。”
Harvey Tenet的训练方式也一反常态。它没有堆几万张H100，只用了约150块英伟达B300 GPU，与Fireworks AI合作训了两个月。团队找来200多位执业律师当“教练”，每人每周花十几个小时虚构真实业务场景，用几十个维度的评分卡逐条批改模型的输出。在LAB Contracts法律基准上，Tenet全通过率比Kimi K3基础模型提升22%，更广泛基准提升82%，推理成本仅为调用GPT-4的十分之一左右。
这套打法绕开了传统预训练烧钱的路径，核心逻辑是“调教”而非“从零造轮子”。Kimi K3是2.8万亿参数的混合专家模型，100万token超长上下文，开放权重意味着Harvey可拿到全部模型权重自行修改。过去买到的是API调用权，现在买到的是模型所有权——能改、能训、能私有化部署，推理路径优化后重复使用的边际成本持续递减。这是一道商业算术题。
希鸥网认为，Harvey的“反水”标志着AI应用层的权力反转开始兑现。过去两年，硅谷一度默认“底层模型交给巨头烧钱，创业公司专注产品”的分工共识，但当应用公司月账单冲到十亿美元、供应商转头变成竞争对手时，这个共识彻底崩塌。开放权重不一定是“低配替代”，而是能够被客户真正拥有和改造的基础设施。中国开源模型从“被关注的对手”变成了美国公司直接用于训练商业模型的底座，这比任何出口数据都更能说明问题。
对创业者而言，Tenet的诞生提供了一个清晰的行动样本：当供应商开始侵入你的客户群时，你不是只有“等收购”一条路。Harvey用了最便宜的算力组合加人工反馈闭环，六个月就做出可用模型。它的启示是，在AI创业中，最难复制的壁垒并不是参数规模，而是那些虚构业务场景的编写能力——这恰恰建立在过去四年对律师工作流的深度理解上。换句话说，应用层公司最大的护城河，是它所积累的业务过程数据。
另一个值得重新评估的决策点是“自研还是租用”。选择Kimi K3，Harvey既保留了自主权，成本也只有调用GPT-4的零头。更深层的逻辑是：不要只计算今天每百万token的价格，要计算五年后这个模型是否还归你调遣，供应商是否已经坐在你客户的会议室里。当模型成为基础设施，真正决定一家公司命运的，不再是它用了谁的大模型，而是它能否把模型变成自己业务的一环。想清楚这一点，就能看懂Harvey的选择。
不要等到供应商亮出獠牙那天再做决定。Harvey在过去九个月实现ARR翻三倍的同时，也把供应链话语权抢了回来。对正在谈判API合同的创业者来说，问自己一句：如果明天模型厂商推出一个跟我产品一模一样的功能，我的客户凭什么继续选择我？答案如果只是“我们对接得更好”，那你现在就该开始找备选底座了。
金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。 如需修改或发布文章，请加微信号：sheisceo