أطلقت شركة رويترز تومسون للمعلومات المتخصصة نموذجها الأول من تطويرها الداخلي، مسمى "Thomson"، مبنياً على أساس نموذج كوين المفتوح من علي بابا. أنفقت الشركة حوالي 40 مليون دولار على الموارد البشرية وقوة الحوسبة على مدى أكثر من عامين، بينما بلغت تكلفة دورة التدريب النهائية وحدها 450 ألف دولار.

اعتمدت الشركة على نموذج كوين الإصدار 3.5-397B، وأعادت تدريبه بالتعاون مع كلية إمبريال لضمان السلامة والأخلاقيات والحياد السياسي. سمت النسخة الوسيطة "Snowdon" تيمناً بجبل في ويلز. ثم تابعت بإعادة تدريب على محتوى الشركة الخاص، مع تدريب إضافي من قبل خبراء متخصصين، وتعلم تعزيزي ذكي داخل بيئات أدوات الشركة نفسها. حتى الآن، استخدمت أقل من 10 بالمئة من المحتوى المتاح في التدريب.

كشفت الاختبارات المقارنة أن نموذج Thomson يتنافس مع أفضل النماذج العالمية، لكن بتفاوتات واضحة. على معيار Stanford LegalBench تخلف عن Gemini 3.1 Pro و GPT-5.5، لكنه تفوق على معايير قانونية أخرى مثل PrBench Legal. بيد أن أدائه ضعف بشكل ملحوظ في التفكير المنطقي والبرمجة. حقق النموذج تقدماً ملموساً فقط عند الوصول إلى محتوى الشركة الحصري، محققاً 0.83 على اختبار Deep Research الداخلي مقابل 0.82 لـ GPT 5.4.

رأت الشركة أسباباً ثلاثة لبناء نموذج خاص بدلاً من ضبط نماذج حدية من OpenAI أو Anthropic: أولاً، الاقتصاديات، حيث أن تقنيات الضبط التقليدية تضعف القدرات العامة وتقيد الشركة بتكاليف الاستدلال. ثانياً، البيانات الحصرية التي توفر قفزة أداء جوهرية. ثالثاً، التأثير المركب على المدى الطويل، فكل تحديث للمنتج يصير بيانات تدريب جديدة تعزز ملكية الشركة للنموذج بخلاف الاستثمار في نماذج خارجية.

يدخل نموذج Thomson الخدمة أولاً في ميزة التحليل الجدولي بمنتج CoCounsel Legal، حيث يقدم نموذج أصغر وأرخص منطقاً اقتصادياً واضحاً. ستطلق الشركة نسخة مصغرة على منصة Hugging Face كنموذج مفتوح الأوزان تحت ترخيص غير تجاري، مع تقرير تقني وبوابة للمطورين. تجري محادثات أولية مع شركات قانونية حول الترخيص المباشر.