法律AI供应商正在开发专有推理模型，以降低云计算费用并减少对第三方平台API的依赖。

法律人工智能供应商正日益开发自己的专有模型，以减少对 OpenAI 和 Anthropic 等大型外部平台的依赖。Harvey 和 Thomson Reuters 等公司正转向垂直整合的人工智能技术栈，这一策略预计将降低与模型推理相关的成本。Harvey 最近发布了 Tenet，这是一个专为法律工作定制的模型；而 Thomson Reuters 则 outlining 计划于 7 月下旬推出其自有模型 Thomson。这两项举措均依赖于可下载和定制的开源基础技术，这与过去两年的情况形成了显著背离——当时许多法律 AI 产品主要充当“模型路由器”，根据任务需要在 OpenAI、Anthropic 和 Google 之间切换。

这些动向反映了一个明确的运营现实：法律 AI 供应商试图停止为每次查询支付前沿模型的“过路费”，并开始更多地掌控自身的技术栈。对于企业法律运营负责人而言，这种转变与其说是关于谁的模型“最好”的品牌营销，不如说是一次合同与治理结构的变更。当供应商运营自有模型时，定价机制、安全责任归属和数据可移植性等变量都会随之改变。

对供应商而言，最直接的优势在于成本控制。据 Bloomberg Law 引用的行业顾问预计，将更多查询导向专有模型而非向第三方提供商支付推理费用，将提高供应商的盈利能力。这对买家至关重要，因为供应商面临的利润压力往往会以使用限制、功能锁定或续约时的价格重置等形式体现出来。

然而，这种运营上的权衡涉及责任的转移。ZwillGen AI 部门主任 Brenda Leong 指出，当一家公司运行自有模型时，它也承担了此前推给前沿实验室的安全及其他义务。维护和更新并不会消失，只是被重新分配了。因此，法律 AI 采购正在演变为一种技术栈决策：谁为推理付费？谁负责修补模型？谁证明其在敏感工作中使用的安全性？

在实践中，法律部门应将“定制模型”视为一个信号，要求仔细审查供应商的模型生命周期管理：包括红队测试的频率、针对幻觉和引用行为的评价集，以及供应商在不破坏工作流程的情况下快速修复问题的速度。这些都是采购层面的问题，而非演示环节的问题。

虽然 Harvey 和 Thomson Reuters 等公司致力于减少对外部前沿实验室的依赖，但 OpenAI 正采取截然不同的策略，旨在更紧密地贴合法律买家的需求。据 Business Insider 报道，OpenAI 于 6 月聘请了 Jason Boehmig，这位高管因将 Ironclad 打造为主要合同生命周期管理平台而闻名。这一任命标志着 OpenAI 有意发展超越简单 API 销售的特定法律分销和产品能力。该媒体还报道称，OpenAI 一直在招聘与法律产品开发相关的职位，但拒绝透露其具体建设内容。此外，Bloomberg Law 报道，OpenAI 正与 Willkie Farr & Gallagher 合作，将 ChatGPT Enterprise 部署给每一位律师，并将 OpenAI 模型更深入地集成到该公司的内部工具中。全公司范围的推广在运营上不同于试点项目，因为它迫使企业在身份认证、日志记录、案件分割和合规使用等方面大规模地解决相关问题。

历史上，供应商在不同模型间切换的能力被视为一种韧性表现。而现在，这可能成为一个移动的目标。法律科技公司越来越多地将工作负载路由至 OpenAI、Anthropic 和 Google，但内部模型开发的兴起趋势表明，支撑这些产品的底层架构可能会比大多数法律部门传统治理方式所预期的更加频繁且隐蔽地发生变化。这一现实直接体现在采购条款中。如果您的合同假设存在一个指定的子处理商（例如特定的前沿实验室），而供应商切换到自有模型，即使用户界面保持不变，风险状况也会发生改变。预算编制同样受到影响，因为由供应商托管的模型可能会改变高容量用户的成本曲线，特别是在合同审查、取证相关分析和大型文档摘要等令牌消耗高度可预测的场景中。

行业顾问指出，除非模型质量发生变动，否则普通律师可能不会察觉到变化。这对于运营人员来说是一个有用的提醒：用户满意度评分可能保持平稳，但底层的成本、安全态势和可审计性却发生了实质性变化。如果模型切换后的演示看起来完全相同，这正是治理必须最为严格的时候，因为风险可能在转移，而工作流程却看似未变。