Harvey, den juridiske AI-platform, har introduceret sin første post-trained model, Harvey Tenet, baseret på Kimi K3 og udviklet med Fireworks. Modellen er designet til langtidsholdbare juridiske agentopgaver og rapporteres at næsten fordoble opgaveløsningen på LAB-benchmarken. Men kun ét benchmarktal er i dag uafhængigt verificeret, hvilket giver anledning til forsigtighed for beslutningstagere, der overvejer at bygge på modellen.
Ifølge MarkTechPost er Harvey Tenet en post-trained model, der bygger på Kimi K3-basismodellen og er optimeret med Fireworks til langtidsholdbare juridiske agentopgaver. LAB-benchmarken, som måler kompleks opgaveløsning, viser en næsten fordobling i fuldførelsesrate sammenlignet med tidligere modeller. Dette er første gang Harvey lancerer en model, der er post-trained specifikt til juridisk agentarbejde, hvilket markerer et skift fra at bruge generiske modeller til specialiserede.
For beslutningstagere i advokatbranchen og legal-tech-sektoren er dette strategisk relevant: Harvey positionerer sig som en aktør, der kan levere specialiserede agentmodeller, der håndterer komplekse, langvarige opgaver – ikke bare korte svar. Men den manglende uafhængige verifikation af de fleste benchmarktal betyder, at man bør være varsom med at basere indkøbs- eller investeringsbeslutninger udelukkende på Harveys egne tal. Kun ét tal er i dag verificeret af tredjepart, hvilket gør det svært at vurdere modellens reelle kapabiliteter i forhold til konkurrerende løsninger.
For dem, der bygger eller køber juridisk AI, er spørgsmålet ikke kun, om modellen virker, men om den kan integreres i eksisterende arbejdsgange og levere pålidelige resultater i produktion. Harvey Tenet er et signal om, at specialiserede agentmodeller bliver en konkurrenceparameter, men uden uafhængig dokumentation er det stadig et tidligt og risikabelt valg.
