Thomson Reuters lanza su LLM ‘Thomson’ con US$40M

Thomson Reuters invierte US$40M para construir su propio modelo frontera

Thomson Reuters presentó "Thomson", su primer LLM propietario, con una inversión de US$40 millones acumulados durante dos años en talento y cómputo, según el comunicado oficial del 24 de agosto. El dato relevante para founders: la corrida final de entrenamiento costó alrededor de US$450.000, una cifra ínfima frente a los miles de millones que gastan los grandes laboratorios frontera. Lo hicieron partiendo de un modelo open-source y especializándolo con décadas de contenido propietario.

La estrategia contradice la narrativa dominante de que "más grande es mejor". Como dijo Joel Hron, CTO de Thomson Reuters, en el comunicado: "Por años, la industria de la IA trató a la escala como la respuesta: modelos más grandes, más cómputo, más dinero. Thomson muestra que hay otro camino".

Cómo se entrenó Thomson: open-source + corpus propietario

El modelo no parte de cero. Thomson Reuters tomó un modelo open-weight como base y aplicó tres capas sucesivas, documentadas por SiliconANGLE:

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Realineamiento del modelo base con los valores editoriales de la compañía.
Pre-entrenamiento sobre el contenido propietario de la empresa.
Post-entrenamiento dirigido por profesionales y aprendizaje por refuerzo para que el modelo aprenda a operar herramientas internas como Westlaw y Practical Law.

Ese corpus no es menor: la plataforma Westlaw, según el equipo de investigación de Thomson Reuters, reúne más de 40.000 bases de datos individuales y más de 150 años de curación editorial. A eso se suman las décadas de archivo de Reuters News, Checkpoint y Practical Law. Andrew Bean, investigador senior del equipo, explicó a SiliconANGLE que el modelo aún ha usado menos del 10% de la base de contenido disponible, lo que deja un techo enorme de mejora sin necesidad de adquirir datos externos.

Lo más interesante del enfoque es lo que la propia empresa llama aprendizaje continuo: especializar el modelo en tareas de dominio sin borrar sus capacidades generales. "Si tomas simplemente el modelo open-source sin estos pasos adicionales, no sabrá tanto. No estará alineado con tus valores, y no será tan bueno usando las herramientas que construiste", explicó Jonathan Schwartz, head of foundational research.

Soberanía de IA: el verdadero campo de batalla

Thomson Reuters enmarca el lanzamiento como un movimiento de soberanía de IA. El comunicado es claro: los datos de clientes no se usan para entrenar el modelo, y la empresa controla la pila completa, desde los pesos hasta la inferencia. Esa promesa tiene peso en un mercado donde la conversación cambió: según el NTT DATA 2026 Global AI Report, más del 95% de las organizaciones dicen que la IA privada y soberana importa para su estrategia, aunque solo alrededor de tres de cada diez la están ejecutando con un roadmap concreto.

La magnitud del movimiento corporativo es relevante: Deloitte estima que la inversión en cómputo de IA soberana rondará los US$100.000 millones en 2026, impulsada por industrias reguladas que no pueden desplegar IA sin controles de residencia y compliance. Thomson Reuters no entra sola a ese terreno: compite con OpenAI, Anthropic y Google en capacidad bruta, pero con una carta que ninguno de esos tres puede jugar: el corpus legal curado durante más de un siglo.

El CEO Steve Hasker lo resumió así: "Esto demuestra lo que es posible cuando construyes IA sobre décadas de contenido propietario y experiencia editorial. Es una ventaja que solo Thomson Reuters tiene".

¿Qué cambia para CoCounsel y el ecosistema legal?

Thomson se desplegará primero dentro de Tabular Analysis, una capacidad de revisión documental de alto volumen dentro de CoCounsel Legal. No reemplaza a los demás modelos: CoCounsel seguirá siendo multimodelo, usando Thomson donde tenga ventaja y manteniendo a OpenAI y Anthropic para el resto de las tareas. Los administradores podrán elegir qué modelo usar.

La jugada no se queda en el producto propio. Hron abrió la puerta a licenciar Thomson directamente a firmas legales y departamentos legales corporativos, y a publicar una versión open-weight "small" en Hugging Face con licencia no comercial para validación académica. Un portal de APIs para desarrolladores externos está en desarrollo.

Esta decisión tiene un antecedente claro: la adquisición de Safe Sign Technologies en agosto de 2024, una startup británica fundada en 2022 por Alexander Kardos-Nyheim con equipo de Cambridge, DeepMind, Harvard y MIT. La operación, anunciada el 21 de agosto de 2024, se vendió entonces como un acelerador para CoCounsel, pero la magnitud real del plan solo se hizo pública con Thomson. La filosofía de Safe Sign — construir un LLM legal propietario desde cero — es exactamente el ADN que ahora vive dentro de Thomson.

Evaluaciones externas: bien, pero sin validar de forma independiente

Thomson Reuters hizo algo inusual: abrió el modelo a evaluadores externos antes del lanzamiento. Jonathan H. Choi, de la Washington University School of Law, lo probó contra ChatGPT y Claude con preguntas complejas de su clase de Derecho Tributario Corporativo y prefirió las respuestas de Thomson por los enlaces a tratados. Samuel Dahan, director del Queen's Conflict Analytics Lab y del Cornell Legal AI Lab, evaluó la calidad de citación en preguntas de derecho laboral canadiense y la encontró "competitiva con los modelos frontera líderes", incluso sin configuración específica para Canadá.

Eso sí: las evaluaciones son preliminares, hechas con acceso al modelo en condiciones controladas. Las validaciones independientes masivas todavía no existen, y la empresa prometió publicar un informe técnico con benchmarks adicionales. La versión pequeña en Hugging Face busca precisamente alimentar esa validación externa.

Qué significa esto para tu startup

Thomson Reuters demuestra algo que cualquier founder técnico debería tomar nota: el costo de tener un modelo frontera de dominio ya no requiere miles de millones. Partir de un modelo open-weight sólido y especializarlo con datos propietarios y expertos humanos puede bastar para competir con los gigantes en un vertical específico.

Tres movimientos accionables si estás construyendo un producto B2B con IA:

Audita tu corpus propietario con ojos de activo estratégico. Si tienes datos curados, anotaciones de expertos o interacciones de usuarios que ningún competidor puede replicar, ese es el foso. Thomson usó menos del 10% del suyo y ya está en el nivel de los frontera. No necesitas todo el dataset para empezar.
Piensa en arquitectura multimodelo desde el día uno. Thomson Reuters no reemplazó a OpenAI ni a Anthropic: los puso donde son mejores y reservó su propio modelo donde aporta ventaja. Ese enfoque de orquestación es más barato y más resiliente que casarse con un solo proveedor.
DISEÑA la promesa de soberanía como producto. En mercados verticales sensibles —legal, salud, finanzas—, la promesa "tus datos nunca salen, nunca entrenan mi modelo" es cada vez más un requisito de compra, no un diferenciador. Si tu startup atiende clientes regulados, construir desde el principio sobre infraestructura controlable te posiciona mejor que competir solo en capacidad bruta.

La pregunta para el resto del ecosistema no es si otros verticales seguirán el mismo camino, sino quién llega primero: legal, salud, contabilidad, auditoría. Si tu startup tiene contenido curado en alguno de ellos, la ventana para construir tu propio "Thomson" está abierta.