Ein legales KI-Unternehmen baute sein eigenes Modell auf und begann mit einem offenen chinesischen Modell
Harvey brachte Harvey II mit einer Memory-Funktion auf den Markt, die den Schreibstil jedes Anwalts lernt, sowie mit Tenet, seinem ersten firmeninternen Rechtsmodell, das anhand einer Version von Moonshots Kimi K3 mit offenem Gewicht nachtrainiert wurde.
Harvey, das legale KI-Unternehmen, das drei Jahre lang den Zugang zu den Modellen anderer Leute verkauft hat, gab am Dienstag bekannt, dass es nun ein eigenes Unternehmen hat. Harvey Tenet ist das erste proprietäre Modell des Unternehmens, das speziell für die juristische Arbeit geschult wurde und ausgehend von einer Version von Kimi K3 von Moonshot AI an Scheinstreitigkeiten und Fallakten nachgeschult wurde. Harvey sagt, dass Tenet bei wichtigen rechtlichen Benchmarks Spitzenniveau erreicht und mit den stärksten allgemeinen Modellen zu den von ihm als Open-Source-Kosten bezeichneten Kosten mithalten kann.
Tenet erschien zusammen mit Harvey II, einer umfassenden Aktualisierung der Plattform. Das Herzstück dort ist „Memory“, das den Entwurfsstil und die Vorlieben eines einzelnen Anwalts lernt und diese an Harvey, Word, Outlook und die Agenten des Unternehmens weitergibt. Es gibt auch Spaces, kollaborative Bereiche, die rund um eine Angelegenheit oder ein Projekt organisiert sind, und Agenten, die mit der Arbeit beginnen, während die Dateien, der Kontext, die Berechtigungen und der Verlauf dieser Angelegenheit bereits geladen sind, anstatt dass alles von Grund auf erzählt werden muss.
Die Modellwahl ist das Interessante. Kimi K3 ist ein offenes Modell des chinesischen Labors Moonshot AI, was bedeutet, dass die trainierten Parameter veröffentlicht werden, damit jeder sie herunterladen und ändern kann. Im Klartext bedeutet Post-Training, was Sie tun, nachdem der teure Teil abgeschlossen ist: Sie nehmen ein Modell, das bereits weiß, wie Sprache funktioniert, und bringen ihm die Gewohnheiten einer bestimmten Domäne bei. Harvey gab kein Vermögen aus, um ein Modell aus dem Nichts zu bauen. Es brauchte eine starke offene Basis und machte es zu einem Anwalt. Das ist ein Weg, den die größten Labore nicht anbieten können, weil sie ihre Gewichte nicht abgeben, und er ist mittlerweile der Standard für jedes Unternehmen mit umfangreichen Domänendaten und keinem Appetit auf einen milliardenschweren Schulungslauf.
Zwei Dinge, die es zu beachten gilt. „Grenzniveau bei wichtigen rechtlichen Benchmarks“ ist Harveys eigener Anspruch an Harveys eigene Formulierung, ohne unabhängige Bewertung, und rechtliche Benchmarks sind ein dünnes und umstrittenes Feld. Und Speicherfunktionen sind wirklich nützlich, aber auch wirklich klebrig: Ein System, das gelernt hat, wie Sie schreiben, ist ein System, das Sie schwerer verlassen können. Das ist kein Skandal, es ist das Geschäftsmodell und es ist erwähnenswert.
Was das für Sie bedeutet: Wenn Sie in der Nähe des Rechts arbeiten, können Sie damit rechnen, dass Ihre Tools keine generischen Chatbots mit juristischem Aussehen mehr sind. Die Richtung sind Systeme, die bereits wissen, worum es geht und wie Sie schreiben. Im weiteren Sinne ist dies ein gutes Beispiel dafür, warum Modelle mit offenem Gewicht wichtig sind, auch wenn Sie nie eines herunterladen. Sie ermöglichen es kleineren Unternehmen, seriöse Spezialprodukte zu entwickeln, was mehr Wettbewerb und niedrigere Preise für alle nachgelagerten Unternehmen bedeutet. Wenn Sie ein Unternehmen mit vielen domänenspezifischen Dokumenten führen, ist die Harvey-Route jetzt technisch gesehen für weit weniger Geld als noch vor einem Jahr in Reichweite. Ob es sich lohnt, hängt ganz davon ab, inwieweit sich Ihre Arbeit wirklich von der aller anderen unterscheidet.
Quellen
Microsoft hat 280 Milliarden Dollar für KI ausgegeben. Der Guardian fragte, wo die Chips seien.
Berichten zufolge hat Microsoft laut internen Dokumenten 2,2 Millionen KI-Chips installiert, was weit unter der angegebenen Rechenzentrumskapazität von 5 GW liegt. Microsoft bezeichnet die Analyse als ungenau. Nadella gibt der Macht die Schuld.
