// TOM'S HARDWARE ITALIA — INTELLIGENZA ARTIFICIALE
Thomson Reuters lancia la sua AI per ridurre la dipendenza dai big
Thomson Reuters ha presentato Thomson, il suo primo modello linguistico proprietario, sviluppato per ridurre la dipendenza operativa ed economica dai grandi fornitori di AI. Il sistema debutterà nelle attività professionali ad alto volume, dove costi d'inferenza, accesso ai contenuti specialistici e controllo degli strumenti incidono direttamente sulla sostenibilità del servizio.
La base tecnologica è Qwen3.5-397B di Alibaba, scelta all'interno di un processo che ha già portato l'azienda a cambiare modello open source di partenza quasi sei volte. Thomson Reuters dichiara di aver investito circa 40 milioni di dollari tra personale e capacità di calcolo nell'arco di oltre due anni. I 450.000 dollari associati all'ultima fase di addestramento rappresentano quindi soltanto una frazione della spesa complessiva.
Prima dell'addestramento sui contenuti aziendali, il modello è stato rielaborato con l'Imperial College per sicurezza, etica e neutralità politica. Questa versione intermedia, chiamata Snowdon, ha preceduto il pre-training sui materiali di Westlaw, Practical Law, Checkpoint e Reuters, seguito da post-training con esperti e reinforcement learning negli strumenti interni. Finora è stato utilizzato meno del 10% dei contenuti disponibili.
I risultati mostrano un sistema molto specializzato, ma non superiore in ogni ambito. Sullo Stanford LegalBench, Thomson ottiene 0,823 e resta dietro a Gemini 3.1 Pro e GPT-5.5; nell'Harvey Legal Agent Benchmark si colloca appena sotto Opus 4.8. Il modello guida invece le prove di instruction following e PrBench Legal, mentre perde terreno nel ragionamento generale e soprattutto nella programmazione. Alcuni confronti impiegano inoltre configurazioni differenti, compreso il test-time scaling per Thomson.
Il vantaggio emerge quando l'AI può utilizzare strumenti e archivi interni. Nel benchmark Deep Research aziendale, con il solo web Thomson raggiunge 0,53 in accuratezza fattuale contro 0,65 di GPT-5.4; con i contenuti Thomson Reuters sale a 0,83 e supera di misura lo 0,82 del concorrente. Anche l'uso di una LLM proprietaria già portato in produzione da JPMorgan mostra come controllo dei workflow e dati esclusivi stiano diventando risorse strategiche. In questo caso, però, sono soprattutto i dati proprietari a determinare il salto prestazionale.
Al lancio, Thomson gestirà Tabular Analysis in CoCounsel Legal, dove un modello più piccolo ed economico può occuparsi di compiti ripetitivi come la verifica delle citazioni. La piattaforma resterà multi-modello e gli amministratori potranno scegliere quale sistema utilizzare. Thomson Reuters precisa inoltre che i dati dei clienti non entreranno nell'addestramento, preservando la separazione tra utilizzo operativo e costruzione del modello.
L'azienda pubblicherà anche una versione ridotta open-weight su Hugging Face con licenza non commerciale, seguita da un rapporto tecnico e da un portale per sviluppatori. Sono già iniziate discussioni preliminari con alcuni studi legali per possibili licenze dirette. La strategia non punta quindi a eliminare OpenAI, Anthropic o altri fornitori, ma a possedere l'intelligenza necessaria nei passaggi più frequenti, misurabili e legati al patrimonio informativo aziendale.
Aggiungi Tom's Hardware alle tue fonti preferite su Google