Harvey, $550M 신규 투자 확보, 기업가치 $15.5B로 상승

Harvey는 2026년 9월 9일, Diffusion과 Lightspeed Venture Partners가 공동 주도한 투자 라운드에서 $550M를 조달하고 기업가치를 $15.5B로 평가받았다고 발표했습니다. 이 법률 AI 기업은 이번 자금이 로펌, 사내 법무팀 및 전문 서비스 기업이 규모에 맞게 인텔리전스를 구축하고 소유하도록 돕는 노력을 가속화할 것이라고 밝혔습니다.

기존 투자자인 Sequoia, Kleiner Perkins, a16z, Coatue, Conviction, Elad Gil, Evantic, GIC, Goldman Sachs Alternatives, Verified Capital, 그리고 WNDR이 이번 라운드에 참여했으며, Diffusion, Lightspeed, Sapphire Ventures, 그리고 Whale Rock이 신규 투자자로 합류했습니다.

발표에 따르면, 이번 자금 조달은 Harvey Tenet이라는 회사 최초의 사후 학습 오픈-웨이트 모델 도입과 Harvey LAB, 즉 법률 에이전트 벤치마크 출시 이후 이루어진 것입니다.

공동 설립자 발언 및 보고된 채택 현황

Harvey 공동 설립자인 Winston Weinberg와 Gabe Pereyra는 회사가 “이 분야에서 법무팀이 찾는 글로벌 파트너가 되고자 한다”고 밝히며, Harvey가 차세대 AI 변혁이라고 설명한 흐름을 지원하기 위해 팀을 고용하고 개발할 계획이라고 덧붙였습니다. AI를 활용해 기업의 경쟁 우위를 가속화할 기회는 그 어느 때보다 높다고 두 설립자는 말했습니다.

Harvey는 Am Law 100 로펌 중 80%가 자사 제품을 사용하고 있으며, Fortune 10 기업 중 다섯 개의 사내 법무팀도 포함된다고 밝혔습니다. Harvey의 회사 페이지는 비즈니스를 법률 및 전문 서비스 분야에 특화된 AI로 설명하며, 계약 분석, 실사, 컴플라이언스, 소송 워크플로우에 이르는 제품군을 제공하고, 70개국 이상에서 2,400명 이상의 고객이 플랫폼을 이용하고 있다고 명시합니다. 페이지에는 Sequoia, Kleiner Perkins, Coatue와 함께 GV, OpenAI Startup Fund, Andreessen Horowitz, EQT가 투자자로 언급되어 있습니다.

Harvey Tenet 연구 미리보기

Harvey는 2026년 8월 20일 연구 미리보기에서 Tenet을 상세히 소개했습니다. 이 모델은 Kimi K3 기반에서 시작해 장기 법률 작업을 위해 Fireworks 연구와 함께 사후 학습되었으며, 비동기 강화 학습과 그룹-시퀀스 정책 최적화(GSPO)를 사용했습니다. 훈련 데이터셋은 약 1,750개의 법률 에이전트 작업 환경으로 구성되었으며, 약 150대의 NVIDIA B300 GPU를 활용해 두 달 동안 훈련이 진행되었습니다.

Harvey는 이 모델이 기본 Kimi K3보다 보류된 LAB 작업을 거의 두 배, LAB 계약에서는 20% 더 많이 수행하며, 전체 통과율을 각각 9와 2 퍼센트 포인트 상승시켰다고 보고했습니다. 미리보기 자료에 따르면 Tenet은 LAB 계약에서 최첨단 성능을 달성하고 LAB 전체에서는 두 번째 순위를 차지했으며, 이러한 향상은 훈련 중 보지 못한 외부 에이전트 벤치마크인 Mercor의 APEX Agents 기업법 부문 및 Crosby의 Redline Bench에서도 일반화되었습니다.

훈련 코퍼스는 합성 데이터, 공개 법률 데이터, 인간 전문가 데이터를 결합했으며, Harvey는 Mercor 및 기타 파트너와 협력해 전문가 데이터셋을 구축·확장했다고 밝혔습니다. 회사는 보상 형태 조정을 통해 효율적인 도구 사용과 추론을 장려했으며, 추론 시 토큰 소비를 줄이는 경로를 선호해 비용과 성능을 동시에 최적화했다고 설명했습니다. Harvey는 사후 학습 과정에서 고객 데이터를 전혀 사용하지 않았다고 밝혔습니다.

핵심 모델 외에도, 미리보기에서는 Harvey가 향후 제품에 통합할 별도로 훈련된 기능들을 설명합니다: Baseten 연구와 결합된 Recursive Language Model을 기반으로 한 M&A 실사 에이전트, Applied Compute로 훈련된 리뷰 테이블 추출 모델, 그리고 Engram을 활용해 기업의 지식을 파라메트릭 메모리와 구조화된 노트로 인코딩하는 기업 지식 모델 등입니다.

오픈소스 법률 에이전트 벤치마크

Harvey는 2026년 5월 6일 법률 에이전트 벤치마크를 오픈소스로 공개했습니다. 첫 번째 버전에는 24개의 법률 실무 분야에 걸쳐 1,200개 이상의 에이전트 작업이 포함되어 있으며, 75,000개 이상의 전문가가 작성한 루브릭 기준으로 평가되고 GitHub에서 제공됩니다. 각 작업은 파트너의 업무 요청으로 작성된 짧은 지시와 문서 집합인 클라이언트 사안을 짝지어 에이전트가 검토 가능한 작업 결과물을 생성하도록 요구하며, 이는 사실, 결론, 인용, 형식 등을 포함하는 원자적 통과/실패 기준으로 나뉜 전문가 루브릭에 따라 채점됩니다. 모든 기준을 통과해야만 작업이 완료된 것으로 간주되며, Harvey는 이를 ‘전체 통과’ 채점이라고 부릅니다.

벤치마크 작업 중 하나는 가상의 $458백만 규모 인수에 대한 지배권 이전 조항을 분석하고, 가상 데이터룸을 검토하며, 거래 위험을 평가하고, 거래 팀을 위한 초안 메모를 작성하도록 에이전트에 요구합니다. 이 작업은 9개의 법률 이슈에 걸친 57개의 기준에 따라 채점됩니다. Harvey는 LAB를 출시함으로써 모델 제공자, 에이전트 구축자, 연구자, 로펌에게 장기 법률 에이전트의 진행 상황을 측정할 공동 방식을 제공한다고 밝혔습니다. 이 벤치마크는 리더보드 없이 시작되었으며, 당시 Harvey는 연구 파트너와 협력해 표준화된 제출을 위한 기준 결과와 표준을 발표할 것이라고 말했습니다.

8월 연구 미리보기에서 Harvey는 향후 단계로 LAB를 더 많은 관할 구역, 실무 분야 및 워크플로우로 확대하고, 새로운 범용 모델과 기능을 통해 연구를 실제 서비스에 적용하기 위해 컴퓨팅 인프라를 확장할 계획이라고 밝혔습니다.