引言

汤森路透推出自研大模型 Thomson-1，并选择以阿里巴巴的开源“千问”（Qwen）作为技术底座。这一动作的意义已越过“换一台引擎”的层面：它既是对闭源模型长期成本与供应链风险的务实回应，也是对开源大模型能力跃迁的投票。更值得关注的是，Thomson-1 将优先切入表格分析、文档审核等高价值、强约束的专业场景，逐步替代此前依赖的 Claude，这释放出一个明确信号——企业级 AI 正在从“调用一个模型”走向“构建一套可控、可演化的模型体系”。

从闭源到开源：企业级 AI 的三笔账

选择开源，不只是“更便宜”，更是“更可控、更可持续”的资产化决策。

• 成本账：闭源模型的使用费用与调用量强绑定，边际成本居高不下；开源模型自部署后，成本更多转为固定投入（算力与运维）。在高并发、稳定工作负载下，单位请求成本显著下降。Pinterest 直言使用 Qwen 的成本不到同类闭源模型的 8%，具有代表性。

• 风险账：闭源模型供应商策略与接口变更、地域合规、服务可用性都可能带来不确定性。开源模型可自持、可迁移，降低“单点依赖”，提升架构韧性。

• 治理账：自部署便于进行数据边界控制、模型可观测与审计、越权防护与输出对齐。对法律、金融、媒体等强合规行业而言，这是“能否规模化用”的前置条件。

开源并不意味着“自己从零开始”。以 Qwen 为例，生态中已有从小模型到更大尺寸、从文本到多模态的全谱系，企业可以按需挑选并精调，既保持性价比，也保留升级空间。

Thomson-1 的落地侧写：从“可替代”到“可衡量”的专业化

Thomson-1 首先用于表格分析、文档审核，意味着它要直面两个关键挑战：结构化处理能力与可追责的输出质量。

• 垂直能力打造
• 表格分析：对财务报表、行情数据、合规记录进行结构化解析与计算，需要稳健的指令跟随和工具调用能力（如公式计算、SQL/检索工具、外部知识库）。

• 文档审核：法律条款抽取、风险点标注、引用依据生成，强调可解释性和可复核性。这里常见的工程路径是“RAG + 审计轨迹”：以检索增强降低幻觉，用来源标注与版本追踪满足审计。

• 渐进式替换与多模型编排

• “逐步承接 Claude 任务”意味着不会一刀切。可预期的做法是按场景分层：高置信、可模板化的任务优先迁移；复杂问答、创意性生成保留闭源兜底或混合路由。

• 以评测驱动迁移：制定业务侧指标（准确率、拒答率、延迟、单位成本、人工复核工时），用 A/B 或影子流量评估，再扩大覆盖面。这种“以数据说话”的节奏，是从试点走向规模化的关键。

• 安全与合规内建

• 红队测试、输出安全过滤、敏感数据脱敏、权限与审计闭环，应当在模型上线前完成“内建”，而非事后补丁。
• 对于新闻与法律文本处理，来源标注、时效性校验与事实核验（Fact-check）能力至关重要，建议将“可验证引用”设为硬指标。

为什么是 Qwen：从“可用”到“可优”的开源底座

过去两年，开源模型从“能跑”到“能打”的跃迁已发生。Qwen 的轨迹是一个缩影。

• 生态与势能
• 已开源 460+ 模型，社区下载量破 30 亿次，衍生模型超 30 万个，覆盖全尺寸、全模态，形成“可组合”的能力池。

• Qwen 3.8 系列开源引发开发者热度，Qwen3.8-27B被称作“本地 Opus4.6”，折射出开源版本在推理质量与效率上的新平衡。

• 商业侧验证

• Airbnb CEO 公开发声“大量依赖千问”，并评价“比 OpenAI 更好更便宜”；Pinterest 转投 Qwen，直言成本显著下降。这些头部公司的实践，说明 Qwen 在通用能力与工程落地上已能满足大规模业务需求。

• 企业友好的工程特性

• 可根据硬件环境调优推理效率，易于插入检索、工具与安全策略；许可与部署路径清晰，利于合规审计与跨区域落地。

总体而言，Qwen 不只是“能替代某个闭源接口”，而更像是一套“可持续演进的模型平台”，利于企业沉淀自己的能力栈。

企业上开源大模型的实践清单

为了让“成本优势”真正转化为“业务优势”，以下要点值得在项目伊始就明确：

• 架构与算力：规划线上低延迟与离线批处理双轨，评估量化、蒸馏与缓存策略，确保峰值可用性和一致性。
• 数据与评测：构建贴合业务的评测集与基线，持续做数据闭环（错误归因、样本回放、对抗样本扩充）。
• 安全与合规：输出安全策略、PII 保护、日志与审计；为跨区域部署准备本地化与法务评估。
• MLOps/LLMOps：版本管理、灰度发布、观测与报警、故障回退与多模型路由器。
• 人机协同：在关键信息点设置“强制复核”，用工作流和责任制降低误用风险。

影响与展望

Thomson-1 的发布，是媒体与专业信息服务行业的一个分水岭。它标志着头部机构开始把开源大模型纳入“核心生产力栈”，并以可控、可审计的方式承接关键任务。更广泛地看：

• 多模型时代成为常态：企业将根据任务特性在开源与闭源间进行智能路由，形成“成本—效果—风险”的最优解。
• 开源与闭源新分工：闭源继续在前沿能力与快速迭代上领跑；开源在定制化、成本优化与数据治理上占优，二者长期共存。
• 国际采用中国开源模型的趋势增强：在性价比与工程成熟度加持下，技术选择正越过地理边界，但也对合规、供应链与地缘风险管理提出更高要求。
• 能力曲线仍在上行：随着 Qwen 等开源家族的持续更新，多模态、工具化和更强的对齐机制将进一步缩小与顶级闭源的差距。

当开源模型从“备选方案”变为“默认选项”，真正的竞争将回到谁能把模型变成可持续的业务系统：数据闭环是否扎实、工程治理是否完备、人与 AI 的协同是否顺滑。Thomson-1 把方向盘打向了这一赛道，也把行业的问题抛给了每一家打算规模化用 AI 的企业。

标签： 千问 Qwen 开源大模型 汤森路透 企业AI