Harvey ने $550M की नई फंडिंग सुरक्षित की, मूल्यांकन $15.5B तक बढ़ा

Harvey ने 9 सितंबर, 2026 को घोषणा की कि उसने Diffusion और Lightspeed Venture Partners द्वारा सह-नेतृत्व वाले फंडिंग राउंड में $550 मिलियन जुटाए, जिसका मूल्यांकन $15.5 बिलियन है। लीगल AI कंपनी ने कहा कि यह पूंजी कानून फर्मों, इन-हाउस लीगल टीमों और प्रोफेशनल सर्विसेज फर्मों को स्केल पर अपनी इंटेलिजेंस बनाने और स्वामित्व रखने में मदद करने के प्रयासों को तेज करेगी।

मौजूदा निवेशकों Sequoia, Kleiner Perkins, a16z, Coatue, Conviction, Elad Gil, Evantic, GIC, Goldman Sachs Alternatives, Verified Capital, और WNDR ने इस राउंड में भाग लिया। Diffusion, Lightspeed, Sapphire Ventures, और Whale Rock नए निवेशकों के रूप में शामिल हुए।

घोषणा के अनुसार, यह फंडिंग Harvey Tenet, कंपनी का पहला पोस्ट-ट्रेंड ओपन-वेट मॉडल, और Harvey LAB, उसका लीगल एजेंट बेंचमार्क के लॉन्च के बाद हुई है।

सह-संस्थापक का बयान और रिपोर्टेड अपनापन

Harvey के सह-संस्थापक Winston Weinberg और Gabe Pereyra ने कहा कि कंपनी “इस कार्य के लिए वैश्विक साझेदार बनना चाहती है, जिस पर कानूनी टीमें भरोसा करती हैं,” और यह जोड़ते हुए कहा कि Harvey अपनी टीम को नियुक्त और विकसित करने की योजना बना रहा है ताकि ग्राहकों को AI परिवर्तन की अगली लहर के रूप में वर्णित समर्थन प्रदान किया जा सके। कंपनी के लिए AI के साथ अपनी प्रतिस्पर्धात्मक लाभ को तेज करने का अवसर पहले कभी इतना उच्च नहीं रहा, सह-संस्थापकों ने कहा।

Harvey ने कहा कि Am Law 100 की 80% कानूनी फर्में उसके उत्पादों का उपयोग करती हैं, साथ ही इन-हाउस लीगल टीमें जिनमें Fortune 10 में से पाँच कंपनियां शामिल हैं। Harvey की कंपनी पेज व्यवसाय को लीगल और प्रोफेशनल सर्विसेज के लिए डोमेन-विशिष्ट AI के रूप में वर्णित करती है, जिसमें अनुबंध विश्लेषण, ड्यू डिलिजेंस, अनुपालन और मुकदमेबाज़ी कार्यप्रवाह जैसे उत्पाद शामिल हैं, और यह बताती है कि 70 से अधिक देशों में 2,400 से अधिक ग्राहक इस प्लेटफ़ॉर्म का उपयोग करते हैं। पेज में GV, OpenAI Startup Fund, Andreessen Horowitz, और EQT को फर्म के समर्थकों में से एक के रूप में सूचीबद्ध किया गया है, साथ ही Sequoia, Kleiner Perkins, और Coatue भी।

Harvey Tenet अनुसंधान पूर्वावलोकन

Harvey ने 20 अगस्त, 2026 को एक अनुसंधान पूर्वावलोकन में Tenet का विवरण दिया। मॉडल Kimi K3 बेस से शुरू होता है और लम्बी अवधि के लीगल कार्य के लिए Fireworks अनुसंधान के साथ पोस्ट-ट्रेंड किया गया, जिसमें असिंक्रोनस रिइन्फोर्समेंट लर्निंग के साथ ग्रुप-सीक्वेंस पॉलिसी ऑप्टिमाइज़ेशन (GSPO) का उपयोग किया गया। प्रशिक्षण डेटासेट में लगभग 1,750 एजेंटिक लीगल टास्क पर्यावरण शामिल थे, और प्रशिक्षण लगभग 150 NVIDIA B300 GPU पर दो महीने तक चला।

Harvey ने रिपोर्ट किया कि मॉडल बेस Kimi K3 की तुलना में लगभग दो गुना अधिक होल्ड-आउट LAB टास्क पूरे करता है और LAB कॉन्ट्रैक्ट्स पर 20% अधिक, जिससे क्रमशः सभी पास दरें 9 और 2 प्रतिशत अंक बढ़ी। पूर्वावलोकन के अनुसार, Tenet LAB कॉन्ट्रैक्ट्स पर अत्याधुनिक प्रदर्शन हासिल करता है और LAB में दूसरा स्थान प्राप्त करता है, और ये सुधार बाहरी एजेंट बेंचमार्क पर सामान्यीकृत होते हैं जिन्हें मॉडल ने प्रशिक्षण के दौरान नहीं देखा था, जिसमें Mercor के APEX Agents कॉरपोरेट-लॉ उपसमुच्चय और Crosby के Redline Bench शामिल हैं।

प्रशिक्षण कॉर्पस में सिंथेटिक डेटा, सार्वजनिक रूप से उपलब्ध लीगल डेटा, और मानव विशेषज्ञ डेटा को मिलाया गया, और Harvey ने कहा कि उसने Mercor और अन्य के साथ मिलकर विशेषज्ञ डेटासेट बनाना और स्केल करना किया। कंपनी ने बताया कि उसने रिवॉर्ड शेपिंग का उपयोग करके कुशल टूल उपयोग और तर्क को प्रोत्साहित किया, ऐसे ट्रैजेक्टरी को प्राथमिकता दी जो अनुमान समय में उपयोग किए गए टोकन को कम करें ताकि लागत और प्रदर्शन को साथ-साथ अनुकूलित किया जा सके। Harvey ने कहा कि उसने अपने पोस्ट-ट्रेनिंग प्रयासों में किसी भी ग्राहक डेटा का उपयोग नहीं किया।

कोर मॉडल के अलावा, पूर्वावलोकन में अलग-अलग प्रशिक्षित क्षमताओं का वर्णन किया गया है जिन्हें Harvey ने कहा कि वह समय के साथ अपने उत्पाद में शामिल करेगा: Recursive Language Model पर आधारित M&A डिलिजेंस एजेंट, जो Baseten अनुसंधान के साथ विस्तारित हैं, Applied Compute के साथ प्रशिक्षित Review Table एक्सट्रैक्शन मॉडल, और Engram के साथ प्रशिक्षित फर्म-नॉलेज मॉडल जो फर्म के ज्ञान को पैरामीट्रिक मेमोरी और संरचित नोट्स में एन्कोड करते हैं।

ओपन-सोर्स लीगल एजेंट बेंचमार्क

Harvey ने 6 मई, 2026 को लीगल एजेंट बेंचमार्क को ओपन-सोर्स किया। इसका पहला संस्करण 24 लीगल प्रैक्टिस क्षेत्रों में 1,200 से अधिक एजेंट टास्क शामिल करता है, जिन्हें 75,000 से अधिक विशेषज्ञ-लिखित रूब्रिक मानदंडों द्वारा मूल्यांकित किया गया है, और यह GitHub पर उपलब्ध है। प्रत्येक टास्क में एक संक्षिप्त निर्देश शामिल होता है जो साझेदार की कार्य अनुरोध के रूप में लिखा जाता है, साथ ही दस्तावेज़ों का क्लाइंट मामला, और एजेंट को एक समीक्षा योग्य कार्य उत्पाद तैयार करना होता है, जिसे तथ्य, निष्कर्ष, उद्धरण, और फ़ॉर्मेटिंग को कवर करने वाले एटॉमिक पास/फ़ेल मानदंडों में विभाजित विशेषज्ञ रूब्रिक के विरुद्ध ग्रेड किया जाता है। एक टास्क को केवल तब पूर्ण माना जाता है जब हर मानदंड पास हो, जिसे Harvey “ऑल-पास ग्रेडिंग” कहता है।

एक बेंचमार्क टास्क एजेंट को एक काल्पनिक $458 मिलियन अधिग्रहण के लिए परिवर्तन-ऑफ़-नियंत्रण प्रावधानों का विश्लेषण करने, एक वर्चुअल डेटा रूम की समीक्षा करने, डील जोखिम का आकलन करने, और डील टीम के लिए एक मसौदा मेमो तैयार करने के लिए कहता है, जिसमें कार्य को नौ लीगल मुद्दों को कवर करने वाले 57 मानदंडों के विरुद्ध ग्रेड किया जाता है। Harvey ने कहा कि उसने LAB जारी किया ताकि मॉडल प्रदाताओं, एजेंट निर्माताओं, शोधकर्ताओं और कानूनी फर्मों को लम्बी अवधि के लीगल एजेंटों पर प्रगति को मापने का एक साझा तरीका मिल सके। बेंचमार्क बिना लीडरबोर्ड के लॉन्च किया गया, और Harvey ने उस समय कहा कि वह शोध साझेदारों के साथ मिलकर बेसलाइन परिणाम और मानकीकृत सबमिशन के लिए मानक प्रकाशित करेगा।

अगस्त के अनुसंधान पूर्वावलोकन में, Harvey ने कहा कि उसके अगले कदमों में LAB को अधिक अधिकार क्षेत्रों, प्रैक्टिस क्षेत्रों और कार्यप्रवाहों में स्केल करना, और अपने कंप्यूट को विस्तारित करके नई जनरलिस्ट मॉडल और क्षमताओं के साथ अपने शोध को उत्पादन में लाना शामिल है।