On August 24, Thomson Reuters announced Thomson, the first large language model the company has trained as its own. The publisher did not build it from scratch: it started from an open-source base model and specialized it, through pretraining on its own corpus and reinforcement learning against its own tools, into a legal worker. The corpus is the point: decades of Westlaw case law, Practical Law know-how, Checkpoint tax content and Reuters journalism, an asset no frontier lab can license in full. The stated investment, 40 million dollars in compute and talent, is small by frontier standards, and the company says the model runs at a fraction of the cost of comparable general models while remaining fully under its own control.
The first deployment is deliberately narrow: Thomson will initially power one feature inside the CoCounsel Legal ecosystem, tabular analysis, with more to follow. The company also published benchmark results in which its in-house model rivals frontier laboratories on legal tasks; independent commentators were quick to note that self-reported benchmarks deserve scrutiny, and that the interesting number is not the score but the trajectory: a domain specialist, trained for a fraction of the cost, competing on the tasks that actually bill hours.
For law firms, the announcement settles an argument that has run for two years. The question was never whether the biggest model wins; it was whether the winner is whoever combines three things: verified domain sources, tooling the model is trained to use, and full control over how it behaves. The largest legal information company on earth has now voted with 40 million dollars for that second thesis. Renting general intelligence is a commodity; owning the pipeline from source to answer is the asset.
Two cautions belong next to the enthusiasm. First, a model trained on a publisher's content is trained on the publisher's reading of the law, not on the law itself: the official gazette, with its dates and its consolidated texts, remains the only ground truth, and any answer that cannot cite it is an opinion. Second, provenance and evaluation are now fair questions for every vendor, not just the giants. A firm choosing legal AI in 2026 should ask three things: what sources is this system anchored to and how current are they; who examined it, how, and can the examination be inspected; and who controls changes to its behaviour once it is in production.
Those are the questions our own house was built to answer in the open. Every Lexpower specialist is anchored to the official sources of its jurisdiction with their dates visible, passes two consecutive full examinations judged by independent tribunals before receiving the NHAI seal, and is frozen at its certified version until recertification; a licensed professional validates and signs everything that reaches a client. The market is converging on the standard; the publisher's 40 million dollars just made that convergence official.
Sources
El 24 de agosto, Thomson Reuters anunció Thomson, el primer gran modelo de lenguaje que la compañía entrena como propio. El editor no lo construyó desde cero: partió de un modelo de código abierto y lo especializó, con preentrenamiento sobre su propio corpus y aprendizaje por refuerzo contra sus propias herramientas, hasta convertirlo en un trabajador jurídico. El corpus es la clave: décadas de jurisprudencia de Westlaw, saber hacer de Practical Law, contenido fiscal de Checkpoint y periodismo de Reuters, un activo que ningún laboratorio de frontera puede licenciar entero. La inversión declarada, 40 millones de dólares entre cómputo y talento, es pequeña para los estándares de la frontera, y la compañía afirma que el modelo funciona a una fracción del coste de los modelos generales comparables, permaneciendo bajo su control total.
El primer despliegue es deliberadamente estrecho: Thomson impulsará inicialmente una sola función del ecosistema CoCounsel Legal, el análisis tabular, con más por venir. La compañía también publicó resultados de evaluación en los que su modelo propio rivaliza con los laboratorios de frontera en tareas jurídicas; los analistas independientes se apresuraron a señalar que las evaluaciones autodeclaradas merecen escrutinio, y que la cifra interesante no es la nota sino la trayectoria: un especialista de dominio, entrenado por una fracción del coste, compitiendo en las tareas que de verdad facturan horas.
Para los despachos, el anuncio zanja una discusión de dos años. La pregunta nunca fue si gana el modelo más grande; era si gana quien combine tres cosas: fuentes de dominio verificadas, herramientas que el modelo aprende a usar, y control total sobre su comportamiento. La mayor empresa de información jurídica del planeta acaba de votar con 40 millones de dólares por esa segunda tesis. Alquilar inteligencia general es mercancía; poseer la tubería completa de la fuente a la respuesta es el activo.
Dos cautelas conviven con el entusiasmo. Primera: un modelo entrenado sobre el contenido de un editor está entrenado sobre la lectura que ese editor hace del derecho, no sobre el derecho mismo: el boletín oficial, con sus fechas y sus textos consolidados, sigue siendo la única verdad de referencia, y toda respuesta que no pueda citarlo es una opinión. Segunda: la procedencia de las fuentes y la evaluación son ya preguntas legítimas para cualquier proveedor, no solo para los gigantes. Un despacho que elija IA legal en 2026 debería preguntar tres cosas: a qué fuentes está anclado este sistema y cómo de actuales son; quién lo examinó, cómo, y si el examen puede inspeccionarse; y quién controla los cambios de su comportamiento una vez en producción.
Esas son las preguntas que nuestra casa se construyó para responder a la vista de todos. Cada especialista de Lexpower está anclado a las fuentes oficiales de su jurisdicción con sus fechas visibles, supera dos exámenes completos consecutivos juzgados por tribunales independientes antes de recibir el sello NHAI, y queda congelado en su versión certificada hasta la recertificación; un profesional colegiado valida y firma todo lo que llega a un cliente. El mercado converge hacia ese estándar; los 40 millones del editor acaban de hacer oficial la convergencia.
Fuentes