結論
情報サービス大手であるThomson Reutersによる独自大規模言語モデル（LLM）「Thomson」の発表は、専門的な業務領域において汎用モデルとは異なるアプローチが模索されている現状を示しています。法務や税務といった高度な専門性が求められる分野において、自社のもつデータ資産やオープンウェイトモデルを活用する動きが具体化した形です。
何が発表・変更されたか
ロイター通信を傘下に持ち、法務・税務の巨大データベースを保有する情報サービス大手Thomson Reutersは2026年8月24日（カナダ時間）、自社開発した初の大規模言語モデル（LLM）「Thomson」を発表しました。汎用的なAIツールに単にデータを読み込ませるだけでなく、専門業務に特化した独自の基盤モデルを構築・提供する狙いがあります。
確認済みの具体情報
今回のモデル構築にあたっては、人材と計算資源を合わせて4000万ドル（約63億6000万円）を投じ、トレーニングが実施されました。その基盤としては、オープンウェイトモデル「Qwen3.6-35B-A3B」派生のモデルが出発点として採用されています。
また、学術・非商用利用を支援する取り組みとして、350億パラメーター規模のオープンウェイトモデル「Thomson-1.0-Small」が「Hugging Face」上で公開されています。
なぜ重要か
法務や税務などの専門分野では、一般的な知識だけでなく、信頼性の高い膨大な専門データベースや正確な文脈理解が不可欠です。Thomson Reutersのように独自のデータ資産を持つ企業が、巨額の投資を行って基盤モデルから独自開発・調整を行うアプローチは、専門特化型AIの精度や信頼性を高める上で重要な意味を持ちます。
利用者・開発者・企業への影響
企業や開発者の視点では、商用利用や専門業務への適応だけでなく、学術・非商用利用に向けて350億パラメーター規模の「Thomson-1.0-Small」がHugging Faceで公開された点が注目されます。これにより、研究者や開発者がオープンウェイトモデルを活用して検証やさらなる応用研究を進めやすい環境が整えられています。
未確定点
現時点で公開されている情報以外の具体的な商用提供プランや、将来的なモデル拡張計画、他社製汎用LLMとの詳細な性能比較に関するデータについては、確認できる範囲が限られています。今後のエコシステムの展開や具体的なユースケースの広がりについては、引き続き注視する必要があります。
まとめ
Thomson Reutersによる「Thomson」の発表は、専門業務におけるAI活用の新たな一歩を示しています。4000万ドルを投じた開発体制や「Qwen3.6-35B-A3B」をベースにした設計、そしてHugging Faceを通じた「Thomson-1.0-Small」の公開など、今後の専門特化型オープンウェイトモデルの動向を測る上で重要な事例となっています。
コメント