Harvey εξασφαλίζει 550 εκατομμύρια δολάρια σε νέα χρηματοδότηση, η αποτίμηση ανεβαίνει στα 15,5 δισεκατομμύρια δολάρια

Η Harvey ανακοίνωσε στις 9 Σεπτεμβρίου 2026 ότι έχει συγκεντρώσει 550 εκατομμύρια δολάρια με αποτίμηση 15,5 δισεκατομμυρίων δολαρίων σε γύρο χρηματοδότησης που συν-ηγείται από τις Diffusion και Lightspeed Venture Partners. Η νομική AI εταιρεία δήλωσε ότι το κεφάλαιο θα επιταχύνει τις προσπάθειές της να βοηθήσει δικηγορικά γραφεία, εσωτερικές νομικές ομάδες και εταιρείες επαγγελματικών υπηρεσιών να δημιουργήσουν και να διαχειριστούν την ευφυΐα τους σε μεγάλη κλίμακα.

Οι υπάρχοντες επενδυτές Sequoia, Kleiner Perkins, a16z, Coatue, Conviction, Elad Gil, Evantic, GIC, Goldman Sachs Alternatives, Verified Capital και WNDR συμμετείχαν στον γύρο. Οι Diffusion, Lightspeed, Sapphire Ventures και Whale Rock εντάχθηκαν ως νέοι επενδυτές.

Σύμφωνα με την ανακοίνωση, η συγκέντρωση ακολουθεί την παρουσίαση του Harvey Tenet, του πρώτου μοντέλου ανοικτού βάρους με μετα‑εκπαίδευση της εταιρείας, και την κυκλοφορία του Harvey LAB, του Benchmark Νομικών Πρακτόρων.

Δήλωση Συν‑Ιδρυτών και Αναφερόμενη Υιοθέτηση

Οι συν‑ιδρυτές της Harvey, Winston Weinberg και Gabe Pereyra, δήλωσαν ότι η εταιρεία «θέλει να γίνει ο παγκόσμιος συνεργάτης στον οποίο θα στραφούν οι νομικές ομάδες για αυτή τη δουλειά», προσθέτοντας ότι η Harvey σχεδιάζει να προσλάβει και να αναπτύξει την ομάδα της για να υποστηρίξει τους πελάτες μέσω του επόμενου κύματος της μετασχηματισμού AI, όπως το περιέγραψαν. Η ευκαιρία για τις εταιρείες να επιταχύνουν το ανταγωνιστικό τους πλεονέκτημα με την AI δεν ήταν ποτέ τόσο μεγάλη, δήλωσαν οι συν‑ιδρυτές.

Η Harvey ανέφερε ότι το 80 % των δικηγορικών γραφείων Am Law 100 χρησιμοποιούν τα προϊόντα της, μαζί με εσωτερικές νομικές ομάδες που περιλαμβάνουν πέντε από τις Fortune 10. Η σελίδα της εταιρείας περιγράφει την επιχείρηση ως AI εξειδικευμένο σε τομείς νομικών και επαγγελματικών υπηρεσιών, με προϊόντα που καλύπτουν ανάλυση συμβάσεων, έλεγχο δέουσας επιμέλειας, συμμόρφωση και ροές εργασίας δικαστικών διαδικασιών, και δηλώνει ότι πάνω από 2.400 πελάτες σε περισσότερες από 70 χώρες χρησιμοποιούν την πλατφόρμα. Η σελίδα αναφέρει GV, το OpenAI Startup Fund, Andreessen Horowitz και EQT μεταξύ των υποστηρικτών της εταιρείας, μαζί με Sequoia, Kleiner Perkins και Coatue.

Προεπισκόπηση Έρευνας Harvey Tenet

Η Harvey περιέγραψε το Tenet σε προεπισκόπηση έρευνας στις 20 Αυγούστου 2026. Το μοντέλο ξεκινά από τη βάση Kimi K3 και υποβλήθηκε σε μετα‑εκπαίδευση μαζί με την έρευνα Fireworks για νομική εργασία μακράς διάρκειας, χρησιμοποιώντας ασύγχρονη ενίσχυση μάθησης με βελτιστοποίηση πολιτικής ομάδας‑ακολουθίας (GSPO). Το σύνολο δεδομένων εκπαίδευσης περιλάμβανε περίπου 1.750 περιβάλλοντα νομικών εργασιών, και η εκπαίδευση διεξήχθη σε περίπου 150 GPU NVIDIA B300 για δύο μήνες.

Η Harvey ανέφερε ότι το μοντέλο ολοκληρώνει σχεδόν το διπλάσιο αριθμό εργασιών LAB που κρατήθηκαν εκτός εκπαίδευσης σε σύγκριση με τη βάση Kimi K3 και 20 % περισσότερα στα LAB Contracts, αυξάνοντας τα ποσοστά επιτυχίας όλων των κριτηρίων κατά 9 και 2 μονάδες ποσοστού, αντίστοιχα. Σύμφωνα με την προεπισκόπηση, το Tenet επιτυγχάνει κορυφαία απόδοση στα LAB Contracts και καταλαμβάνει τη δεύτερη θέση στα LAB, και αυτά τα κέρδη γενικεύθηκαν σε εξωτερικά benchmarks πρακτόρων που το μοντέλο δεν είχε δει κατά την εκπαίδευση, συμπεριλαμβανομένου του υποσυνόλου corporate‑law των APEX Agents της Mercor και του Redline Bench της Crosby.

Το σύνολο εκπαίδευσης συνδύασε συνθετικά δεδομένα, δημόσια διαθέσιμα νομικά δεδομένα και δεδομένα ανθρώπινων εμπειρογνωμόνων, και η Harvey δήλωσε ότι συνεργάστηκε με τη Mercor και άλλους για την κατασκευή και κλιμάκωση των εξειδικευμένων συνόλων δεδομένων. Η εταιρεία ανέφερε ότι χρησιμοποίησε διαμόρφωση ανταμοιβής για να ενθαρρύνει την αποδοτική χρήση εργαλείων και τη λογική, προτιμώντας διαδρομές που μειώνουν την κατανάλωση tokens κατά τη συμπερασματική φάση ώστε το κόστος και η απόδοση να βελτιστοποιηθούν ταυτόχρονα. Η Harvey δήλωσε ότι δεν χρησιμοποίησε κανένα δεδομένο πελάτη στις προσπάθειες μετα‑εκπαίδευσής της.

Πέρα από το βασικό μοντέλο, η προεπισκόπηση περιγράφει χωριστά εκπαιδευμένες δυνατότητες που η Harvey δήλωσε ότι θα ενσωματώσει στο προϊόν της με την πάροδο του χρόνου: πράκτορες δέουσας επιμέλειας M&A βασισμένοι σε Recursive Language Model με επεκτάσεις από την έρευνα Baseten, μοντέλα εξαγωγής Πίνακα Ανασκόπησης εκπαιδευμένα με Applied Compute, και μοντέλα γνώσης εταιρείας εκπαιδευμένα με Engram που κωδικοποιούν τη γνώση μιας εταιρείας σε παραμετρική μνήμη και δομημένες σημειώσεις.

Το Ανοιχτού Κώδικα Benchmark Νομικών Πρακτόρων

Η Harvey δημοσίευσε με ανοιχτό κώδικα το Legal Agent Benchmark στις 6 Μαΐου 2026. Η πρώτη του έκδοση περιλαμβάνει πάνω από 1.200 εργασίες πρακτόρων σε 24 νομικές περιοχές πρακτικής, αξιολογημένες από πάνω από 75.000 κριτήρια ρεβούλ που γράφτηκαν από ειδικούς, και είναι διαθέσιμη στο GitHub. Κάθε εργασία συνδυάζει μια σύντομη οδηγία γραμμένη ως αίτημα συνεργάτη για εργασία με ένα θέμα πελάτη που αποτελείται από έγγραφα και απαιτεί από τον πράκτορα να παραγάγει ένα προϊόν εργασίας που μπορεί να ελεγχθεί, το οποίο βαθμολογείται έναντι ειδικών ρεβούλ διαχωρισμένων σε ατομικά κριτήρια επιτυχίας/αποτυχίας που καλύπτουν γεγονότα, συμπεράσματα, παραπομπές και μορφοποίηση. Μια εργασία θεωρείται ολοκληρωμένη μόνο όταν περάσει κάθε κριτήριο, ένα πρότυπο που η Harvey αποκαλεί βαθμολόγηση «όλα‑πέρασμα».

Μία εργασία benchmark ζητά από έναν πράκτορα να αναλύσει τις διατάξεις αλλαγής ελέγχου για μια φανταστική εξαγορά 458 εκατομμυρίων δολαρίων, να ελέγξει ένα εικονικό δωμάτιο δεδομένων, να αξιολογήσει τον κίνδυνο της συμφωνίας και να ετοιμάσει ένα προσχέδιο μνημονίου για την ομάδα συμφωνίας, με την εργασία να βαθμολογείται έναντι 57 κριτηρίων που καλύπτουν εννέα νομικά ζητήματα. Η Harvey δήλωσε ότι κυκλοφόρησε το LAB για να προσφέρει στους παρόχους μοντέλων, δημιουργούς πρακτόρων, ερευνητές και δικηγορικά γραφεία έναν κοινό τρόπο μέτρησης της προόδου σε πράκτορες νομικής διάρκειας μεγάλης χρονικής προοπτικής. Το benchmark λανσαρίστηκε χωρίς πίνακα κατάταξης, και η Harvey ανέφερε εκείνη τη στιγμή ότι θα συνεργαστεί με ερευνητικούς εταίρους για τη δημοσίευση βασικών αποτελεσμάτων και προτύπων για ομαλοποιημένες υποβολές.

Στην προεπισκόπηση έρευνας του Αυγούστου, η Harvey δήλωσε ότι τα επόμενα βήματά της περιλαμβάνουν την κλιμάκωση του LAB σε περισσότερες δικαιοδοσίες, περιοχές πρακτικής και ροές εργασίας, καθώς και την επέκταση του υπολογιστικού της δυναμικού για να μεταφέρει την έρευνά της στην παραγωγή με νέα γενικά μοντέλα και δυνατότητες.