Harvey Tenet 2026: Was Kimi-K3-Nachtraining für Legal Agents heißt

Harvey nannte sein erstes nachtrainiertes Open-Weight-Modell Tenet. Hier trennt sich der Offizialtext von Law.com am 20. August.

Die Legal-Tech-Firma Harvey hat diese Woche eine Forschungsvorschau in eine prüfbare technische Notiz gefasst: nicht nur fremde Flagschiff-APIs mieten, sondern ein Open-Weight-Base für Legal nachtrainieren und Zahlen auf der eigenen Legal Agent Bench legen.

Objekt ist Harvey Tenet. Der Offizialtext nennt eine Kimi-K3-Basis, asynchrones RL mit Fireworks, lange agentische Legal-Aufgaben. Es folgt dieser Text plus Law.com am 20. August — kein Anspruch auf einen Sweep gegen Fable 5 oder GPT-5.6.

Was der Offizialtext sagt

Harvey schreibt zwei Halbjahresziele: Frontier-Legal-Intelligenz auf Open Weights und Systeme, damit Kanzleien Modelle besitzen. Tenet ist der erste Nachtrainings-Checkpoint der ersten Linie. Umgebungen kopieren LAB: Partnerauftrag, Mandatsakte, Expertenrubrik. Der Agent schreibt Liefergegenstände auf die Platte und wird von einem LLM-Judge bewertet.

Prüfbare Angaben

1. 1

   Basis und Optimizer sind benannt

   Offiziell: K3 + Fireworks async RL; Policy per GSPO. Judge-Ablationen landeten bei Kimi 2.6. Daten: synthetisch, öffentlich legal, Experten; Mercor und andere bei Expertendaten und Syntheseprüfung.

2. 2

   LAB-Zahlen sind gegen K3, kein Außenlabor-Board

   Offiziell: fast 2× Hold-out-Abschlüsse, +20% Contracts; All-Pass +9 und +2. Anspruch erste auf Contracts, zweite auf LAB. Eine Abbildung nennt Vals LAB. Keine Dritt-Wiederholung der vollen Tabelle.

3. 3

   Drei andere Fähigkeitsläufe sind nicht Tenet

   M&A-Diligence beschreibt GLM-5.2 im RLM-Harness nach Self-Distillation, 60,1% Criteria-Pass. Review Table ebenfalls GLM-5.2. Firm Knowledge ist Qwen3.8-27B mit Engram. Zusatzschienen, nicht Tenet.

Der Text sagt Transfer auf ungesehene APEX Agents und Redline Bench. Generalisierungsclaim, keine Gerichts-Zertifizierung.

# Harvey Tenet (official, research preview)
base: Moonshot Kimi K3
post-train: async RL + Fireworks
optimizer: GSPO
judge: Kimi 2.6
no customer data in post-training

Lesen und Grenzen

2× Abschlüsse ≠ unbeaufsichtigte Rechtsmeinungen

Zahlen sind LAB-Hold-out und Rubriken. Wissensbenches hätten die Basis nicht verletzt. Keine Zulassung zur Praxis.

Ein LLM-Judge rauscht

Reward mischt Feinterme, gelöste Issues und einen Perfektbonus. Sie wählten Kimi 2.6. Judges irren.

Harvey-II-Memory ist Produkt, nicht Tenet

Law.com: Harvey II etwa zwei Tage vor Tenet. Startup Fortune: Memory trainiert keine Modelle. Getrennt lesen.

Fragen zum Gegenprüfen