Thomson 1.0: o LLM jurídico-fiscal próprio da Thomson Reuters

A virada de um gigante da informação

Por décadas, a Thomson Reuters vendeu o insumo mais valioso para advogados e contadores: informação organizada, confiável e atualizada. Westlaw, Practical Law, Checkpoint — bases que estruturam a prática jurídica e tributária em múltiplos países. Em 24 de agosto de 2026, a empresa deu um passo qualitativamente diferente: anunciou o Thomson 1.0, seu primeiro large language model (LLM) desenvolvido internamente, projetado especificamente para os domínios do direito e da tributação.

Não é mais uma parceria com OpenAI. Não é mais um wrapper sobre GPT ou Claude. É um modelo próprio, treinado sobre o acervo proprietário da empresa, construído com uma tese clara: ninguém tem dados jurídicos e fiscais tão profundos quanto a Thomson Reuters — e esse ativo, convertido em inteligência de modelo, pode ser uma vantagem competitiva de geração.

US$ 40 milhões e um treinamento final de US$ 450 mil

O investimento total declarado pela Thomson Reuters para desenvolver o Thomson 1.0 foi de US$ 40 milhões ao longo de aproximadamente dois anos, cobrindo talento e infraestrutura de computação. O número inclui a aquisição da Safe Sign Technologies, realizada em 2024, que trouxe parte da equipe técnica responsável pelo projeto.

O dado mais revelador, porém, veio do CTO Joel Hron durante o briefing de imprensa: o custo do treinamento final do modelo foi de US$ 450.000 — valor autodeclarado pela empresa. Para contextualizar, a própria Thomson Reuters descreve os US$ 40 milhões totais como "uma fração" dos bilhões investidos por laboratórios de fronteira como OpenAI e Anthropic. Isso não é modéstia: é uma aposta metodológica. A empresa acredita que dados de altíssima qualidade e especificidade setorial podem compensar ordens de magnitude de escala bruta.

O modelo foi liderado tecnicamente por Joel Hron, CTO, e Jonathan Schwarz, Head of AI Research. Centenas de especialistas no assunto participaram da definição dos objetivos de treinamento e da avaliação dos resultados — uma escolha deliberada de mesclar engenharia com expertise de domínio.

O que está por baixo do capô

O Thomson 1.0 foi construído sobre uma base open-source ou open-weight. Os materiais oficiais da Thomson Reuters não identificam qual modelo base foi utilizado — e duas fontes de imprensa especializada divergem sobre isso, citando, respectivamente, o Qwen 3.5 (Alibaba) e o Snowdon, desenvolvido no Imperial College London. Como o dossiê registra essa contradição sem resolução independente, e os materiais oficiais da empresa não especificam, o ponto permanece em aberto.

O que está documentado é o combustível do fine-tuning: Westlaw, Practical Law, Checkpoint e Reuters — os ativos de conteúdo proprietário da empresa. Até o momento do lançamento, menos de 10% do total desse acervo havia sido utilizado no treinamento, segundo autodeclaração da Thomson Reuters. Isso significa que há uma reserva substantiva de dados ainda não incorporados, o que a empresa apresenta como vetor de evolução das próximas versões da família de modelos Thomson.

Um ponto crítico sobre privacidade: dados de clientes não foram usados no treinamento sem consentimento explícito, segundo a empresa.

"Fiduciary-Grade AI": um padrão proprietário — e uma promessa

A Thomson Reuters cunhou o termo "Fiduciary-Grade AI™" para descrever seu padrão de desenvolvimento, fazendo referência direta ao conceito jurídico de dever de cuidado. A escolha não é acidental: o público-alvo — advogados e contadores — opera sob regimes de responsabilidade profissional estritos. Um modelo que alucina uma jurisprudência ou interpreta erroneamente uma norma tributária não é apenas inconveniente; pode gerar responsabilidade legal.

A empresa declara que o Thomson 1.0 foi avaliado contra mais de 100 benchmarks de domínio jurídico e milhares de casos de uso específicos. No PrBench Legal Hard, o modelo registrou score de 0,352, descrito pela Thomson Reuters como superior a todos os modelos de fronteira testados.

Quanto às comparações com modelos concorrentes, as fontes disponíveis divergem nas afirmações: uma delas sustenta que o Thomson performa de forma competitiva com Claude Opus 4.8, GPT-5.5 e Gemini 3.1 Pro; outra afirma desempenho competitivo com Claude Opus 4.8 e superior ao GPT-5.5, Claude Sonnet 5 e Gemini 3.1 Pro em uma série de benchmarks jurídicos e profissionais. As duas versões são autodeclaradas pela Thomson Reuters e não há consenso entre as fontes. Ressalva obrigatória: todos esses números são autodeclarados pela empresa. A benchmarking acadêmica independente estava em andamento com instituições parceiras na data do lançamento, mas os resultados ainda não haviam sido publicados. Qualquer análise crítica precisa considerar esse limite antes de tomar as comparações como definitivas.

O que está disponível — e o que ainda não está

Aqui mora o detalhe mais importante para quem está avaliando adoção imediata: o Thomson 1.0 não está disponível como produto standalone na data de lançamento. O FAQ oficial da empresa é direto: "No. We do not currently price, sell, or offer Thomson as a standalone model."

A primeira implantação comercial será o recurso de Tabular Analysis dentro do CoCounsel Legal, em uma "próxima versão" do produto — ainda não ao vivo em 24 de agosto de 2026. Esse recurso permite revisar até 10.000 documentos cruzados com até 100 perguntas simultaneamente, com cada resposta rastreável à sua fonte. Para departamentos jurídicos que lidam com due diligence, revisão de contratos em escala ou auditorias fiscais, o potencial de compressão de tempo é evidente.

Uma versão open-weight de menor porte está disponível no Hugging Face sob licença acadêmica não-comercial — acessível para pesquisadores e equipes técnicas que queiram experimentar o modelo. O portal de API para desenvolvedores existe, mas o CTO Hron o descreveu como "still very early" na data do anúncio. Conversas preliminares com grandes escritórios e corporações sobre licenciamento direto e fine-tuning com dados próprios estão em andamento.

Uma limitação técnica relevante: o Thomson 1.0 não consulta bases de dados atualizadas em tempo real por padrão — diferentemente do CoCounsel, que tem acesso nativo ao conteúdo proprietário da Thomson Reuters. A empresa avalia adicionar recuperação em tempo real em versões futuras.

O que isso muda na prática para negócios

Para escritórios de advocacia, departamentos jurídicos corporativos e consultorias fiscais, o Thomson 1.0 sinaliza uma tendência que vai muito além da Thomson Reuters: provedores de informação setorial estão deixando de ser clientes passivos de IA para se tornar detentores de modelos verticalizados.

Isso tem implicações diretas. Ferramentas como Tabular Analysis — quando disponíveis — podem comprimir em horas tarefas de due diligence que hoje levam semanas de trabalho de junior associates. Mais do que velocidade, a rastreabilidade de cada resposta à sua fonte é o que torna esse tipo de ferramenta defensável dentro de um ambiente regulatório.

Para gestores de tecnologia e operações em firmas jurídicas e contábeis, a pergunta deixa de ser "devemos usar IA?" e passa a ser "qual camada de IA, com quais dados, e com qual nível de auditabilidade?" O Thomson 1.0 é a resposta de uma empresa que aposta que a resposta correta começa pelos dados — não pelo tamanho do modelo.

A família de modelos Thomson está só começando. Com menos de 10% do acervo proprietário utilizado até agora, o que vem a seguir depende menos de computação e mais de curadoria. Esse é o jogo que a Thomson Reuters está jogando.

Fontes

• Thomson Reuters investe US$ 40 milhões e lança modelo ...
• Thomson Reuters Launches Thomson, Its Own Proprietary ...
• Thomson Reuters Leverages its World-Class Data Assets ...
• Thomson Reuters lança modelo de IA próprio por US$ 40 milhões Por Investing.com
• Thomson Reuters launches $40M legal LLM inside CoCounsel
• Thomson Reuters launches proprietary legal LLM "Thomson"