2026年 Harvey Tenetとは：Kimi K3事後学習と法律エージェント基準

Harveyは初の事後学習オープンウェイトをTenetと名付けた。公式投稿とLaw.comの8月20日稿を分ける。

法律テックのHarveyは今週、研究プレビューを照合できる技術メモにした。他社旗艦APIを借りるだけでなく、オープンウェイト土台を法律向けに事後学習し、自前のLegal Agent Benchの数字を出した。

対象は Harvey Tenet。公式はKimi K3土台、Fireworksとの非同期強化学習、長期間のエージェント法律任務だと書く。以下は公式とLaw.com 8月20日だけであり、「Fable 5やGPT-5.6を全面的に超えた」とは書かない。

公式が書いたこと

Harveyは半年間、オープンウェイトで法律知力を作ることと、事務所が自前モデルを持てる仕組みの二線だと書く。Tenetは前者の最初の事後学習チェックポイント。環境はLABに倣い、パートナー依頼、クライアント案件、専門家ルーブリック。エージェントはサンドボックスで成果をディスクに書き、LLM判定を受ける。

照合できる表現

1. 1

   土台と算法は具体

   公式：K3＋Fireworks非同期RL。方策はGSPO。判定の比較後はKimi 2.6。データは合成・公開法律・専門家。Mercor等と専門家データと合成の点検。

2. 2

   LABの数字は対K3であり、外部ラボ榜ではない

   公式：hold-out完了ほぼ2倍、Contracts＋20%、all-pass＋9と＋2。Contracts首位、LAB2位。図はVals LABを基線源と注記。第三者の全表再走は未公開。

3. 3

   別の三能力はTenet本体ではない

   M&AデューデリはGLM-5.2＋RLMの自己蒸留で基準通過60.1%。Review TableもGLM-5.2。Firm KnowledgeはEngramとのQwen3.8-27B。製品に入れる分項でありTenetではない。

公式は訓練未見のAPEX AgentsとRedline Benchへ移ると書く。一般化の主張であり、法廷の認証ではない。

# 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

読み方と境界

完了2倍 ≠ 法律意見を無人で出せる

数字はLAB hold-outとルーブリック。知識系（LegalBench、CUAD、MAUD）は土台を損なわなかったと書く。執業許可ではない。

LLM判定はノイズがある

報酬は細項＋争点＋満点ボーナス。重い旗艦との比較後にKimi 2.6。判定器も誤る。

Harvey IIのMemoryは製品でありTenetではない

Law.com：Tenet報道の約2日前にHarvey II。Startup FortuneはMemoryを訓練に使わないと書いた。分けて読む。

確認したい問い