Harvey pozyskuje 550 mln USD w nowym finansowaniu, wycena rośnie do 15,5 mld USD

Harvey ogłosił 9 września 2026, że pozyskał $550 milionów przy wycenie $15,5 miliarda w rundzie finansowania współprowadzonym przez Diffusion i Lightspeed Venture Partners. Firma legal AI stwierdziła, że kapitał przyspieszy jej działania mające pomóc kancelariom prawnym, zespołom prawnym wewnętrznym oraz firmom świadczącym usługi profesjonalne w budowaniu i posiadaniu własnej inteligencji na dużą skalę.

W rundzie uczestniczyli istniejący inwestorzy: Sequoia, Kleiner Perkins, a16z, Coatue, Conviction, Elad Gil, Evantic, GIC, Goldman Sachs Alternatives, Verified Capital oraz WNDR. Diffusion, Lightspeed, Sapphire Ventures i Whale Rock dołączyli jako nowi inwestorzy.

Zgodnie z ogłoszeniem, podwyższenie kapitału następuje po wprowadzeniu Harvey Tenet, pierwszego w firmie modelu otwartej wagi po dodatkowym treningu, oraz uruchomieniu Harvey LAB, jej Benchmarku Agentów Prawnych.

Oświadczenie współzałożyciela i zgłoszone przyjęcie

Współzałożyciele Harvey, Winston Weinberg i Gabe Pereyra, stwierdzili, że firma „chce być globalnym partnerem, do którego zespoły prawne zwracają się w tej kwestii”, dodając, że Harvey planuje zatrudniać i rozwijać swój zespół, aby wspierać klientów w tym, co opisali jako następną falę transformacji AI. Według współzałożycieli, okazja dla firm, aby przyspieszyć swoją przewagę konkurencyjną dzięki AI, nigdy nie była większa.

Harvey podał, że 80 % kancelarii z rankingu Am Law 100 korzysta z jego produktów, obok zespołów prawnych wewnętrznych, które obejmują pięć firm z listy Fortune 10. Strona firmy Harvey opisuje działalność jako AI specyficzne dla danej dziedziny, przeznaczone dla sektora prawnego i usług profesjonalnych, z produktami obejmującymi analizę umów, due diligence, zgodność oraz przepływy pracy w litigatorstwie, i podaje, że ponad 2 400 klientów w ponad 70 krajach korzysta z platformy. Na stronie wymieniono GV, OpenAI Startup Fund, Andreessen Horowitz i EQT jako inwestorów firmy, obok Sequoia, Kleiner Perkins i Coatue.

Podgląd badań Harvey Tenet

Harvey szczegółowo przedstawił Tenet w podglądzie badań z 20 sierpnia 2026. Model oparty jest na bazie Kimi K3 i został dodatkowo wytrenowany wspólnie z badaniami Fireworks pod kątem długoterminowych zadań prawnych, wykorzystując asynchroniczne uczenie ze wzmocnieniem z optymalizacją polityki grupowo‑sekwencyjnej (GSPO). Zbiór danych treningowych obejmował około 1 750 środowisk zadań prawnych typu agent, a trening prowadzono na około 150 procesorach graficznych NVIDIA B300 przez dwa miesiące.

Harvey poinformował, że model realizuje prawie dwukrotnie więcej zadań LAB w trybie testowym niż bazowy Kimi K3 oraz o 20 % więcej w zadaniach LAB Contracts, zwiększając wskaźniki pełnego zaliczenia odpowiednio o 9 i 2 punkty procentowe. Według podglądu, Tenet osiąga najnowocześniejsze wyniki w LAB Contracts i zajmuje drugie miejsce w LAB, a te zyski uogólniają się na zewnętrzne benchmarki agentów, których model nie widział podczas treningu, w tym podzbiór prawa korporacyjnego APEX Agents firmy Mercor oraz Redline Bench firmy Crosby.

Korpus treningowy łączył dane syntetyczne, publicznie dostępne dane prawne oraz dane od ekspertów ludzkich, a Harvey podkreślił, że współpracował z Mercor i innymi, aby budować i skalować zestawy danych ekspertów. Firma oświadczyła, że zastosowała kształtowanie nagród, aby zachęcić do efektywnego użycia narzędzi i rozumowania, preferując trajektorie redukujące liczbę tokenów zużywanych w czasie inferencji, co pozwala współoptymalizować koszty i wydajność. Harvey zaznaczył, że nie wykorzystał żadnych danych klientów w swoich działaniach po‑treningowych.

Poza modelem podstawowym, podgląd opisuje oddzielnie wytrenowane funkcje, które Harvey planuje wprowadzić do swojego produktu w miarę upływu czasu: agenci due diligence M&A oparte na Recursive Language Model, rozszerzone badaniami Baseten, modele ekstrakcji tabel przeglądowych wytrenowane przy użyciu Applied Compute oraz modele wiedzy firmowej wytrenowane z Engram, które kodują wiedzę firmy w pamięci parametrycznej i notatkach strukturalnych.

Otwartoźródłowy Benchmark Agentów Prawnych

Harvey udostępnił otwartoźródłowo Benchmark Agentów Prawnych 6 maja 2026. Jego pierwsza wersja zawiera ponad 1 200 zadań agentów w 24 obszarach praktyki prawnej, ocenianych według ponad 75 000 kryteriów rubryki napisanych przez ekspertów, i jest dostępna na GitHubie. Każde zadanie łączy krótką instrukcję napisaną jako prośba partnera o pracę z dokumentacją klienta i wymaga od agenta stworzenia produktu pracy podlegającego przeglądowi, który jest oceniany według rubryk ekspertów podzielonych na atomowe kryteria zaliczenia/niezaliczenia obejmujące fakty, wnioski, cytaty i formatowanie. Zadanie uznaje się za zakończone dopiero, gdy wszystkie kryteria zostaną spełnione – standard, który Harvey określa jako ocenę pełnego zaliczenia.

Jedno z zadań benchmarkowych prosi agenta o analizę postanowień dotyczących zmiany kontroli w fikcyjnej transakcji przejęcia o wartości $458 milionów, przegląd wirtualnego pokoju danych, ocenę ryzyka transakcji oraz przygotowanie projektu notatki dla zespołu transakcyjnego, przy czym praca jest oceniana według 57 kryteriów obejmujących dziewięć kwestii prawnych. Harvey oświadczył, że udostępnił LAB, aby dać dostawcom modeli, twórcom agentów, badaczom i kancelariom wspólny sposób pomiaru postępów w długoterminowych agentach prawnych. Benchmark został uruchomiony bez rankingu, a Harvey poinformował wówczas, że będzie współpracował z partnerami badawczymi nad publikacją wyników bazowych i standardów dla ujednoliconych zgłoszeń.

W sierpniowym podglądzie badań Harvey stwierdził, że kolejnymi krokami będą skalowanie LAB na więcej jurysdykcji, obszarów praktyki i przepływów pracy oraz zwiększenie mocy obliczeniowej, aby przenieść badania do produkcji przy użyciu nowych modeli ogólnych i możliwości.