Harvey assegura US$ 550 milhões em novo financiamento, avaliação sobe para US$ 15,5 bilhões

Harvey anunciou em 9 de setembro de 2026 que arrecadou $550 milhões com avaliação de $15,5 bilhões em uma rodada de financiamento co‑liderada pela Diffusion e pela Lightspeed Venture Partners. A IA jurídica disse que o capital acelerará seus esforços para ajudar escritórios de advocacia, equipes jurídicas internas e empresas de serviços profissionais a construir e possuir sua inteligência em escala.

Investidores existentes Sequoia, Kleiner Perkins, a16z, Coatue, Conviction, Elad Gil, Evantic, GIC, Goldman Sachs Alternatives, Verified Capital e WNDR participaram da rodada. Diffusion, Lightspeed, Sapphire Ventures e Whale Rock juntaram‑se como novos investidores.

De acordo com o anúncio, a captação segue a introdução do Harvey Tenet, o primeiro modelo de peso aberto pós‑treinado da empresa, e o lançamento do Harvey LAB, seu Benchmark de Agentes Jurídicos.

Declaração dos Co‑fundadores e Adoção Reportada

Os co‑fundadores da Harvey, Winston Weinberg e Gabe Pereyra, disseram que a empresa “quer ser o parceiro global ao qual as equipes jurídicas recorrem para esse trabalho”, acrescentando que a Harvey planeja contratar e desenvolver sua equipe para apoiar clientes naquilo que descreveram como a próxima onda de transformação da IA. A oportunidade das empresas de acelerar sua vantagem competitiva com IA nunca foi tão alta, afirmaram os co‑fundadores.

Harvey afirmou que 80 % dos escritórios da Am Law 100 utilizam seus produtos, juntamente com equipes jurídicas internas que incluem cinco das empresas Fortune 10. A página da empresa descreve o negócio como IA específica de domínio para serviços jurídicos e profissionais, com produtos que abrangem análise de contratos, due diligence, conformidade e fluxos de trabalho de litígio, e afirma que mais de 2.400 clientes em mais de 70 países utilizam a plataforma. A página menciona GV, o OpenAI Startup Fund, Andreessen Horowitz e EQT entre os investidores da empresa, ao lado de Sequoia, Kleiner Perkins e Coatue.

Pré‑visualização da Pesquisa Harvey Tenet

Harvey detalhou o Tenet em uma pré‑visualização de pesquisa de 20 de agosto de 2026. O modelo parte de uma base Kimi K3 e foi pós‑treinado juntamente com a pesquisa Fireworks para trabalhos jurídicos de longo prazo, usando aprendizado por reforço assíncrono com otimização de política de sequência de grupo, ou GSPO. O conjunto de dados de treinamento compreendeu aproximadamente 1.750 ambientes de tarefas jurídicas agente, e o treinamento foi executado em cerca de 150 GPUs NVIDIA B300 ao longo de dois meses.

Harvey relatou que o modelo conclui quase duas vezes mais tarefas LAB reservadas do que a base Kimi K3 e 20 % a mais em LAB Contracts, aumentando as taxas de aprovação total em 9 e 2 pontos percentuais, respectivamente. De acordo com a pré‑visualização, o Tenet alcança desempenho de ponta em LAB Contracts e fica em segundo lugar no LAB, e esses ganhos se generalizaram para benchmarks externos de agentes que o modelo não havia visto durante o treinamento, incluindo o subconjunto corporate‑law dos APEX Agents da Mercor e o Redline Bench da Crosby.

O corpus de treinamento combinou dados sintéticos, dados jurídicos de acesso público e dados de especialistas humanos, e a Harvey afirmou que trabalhou com a Mercor e outros para construir e ampliar os conjuntos de dados de especialistas. A empresa disse que utilizou modelagem de recompensas para incentivar o uso eficiente de ferramentas e raciocínio, preferindo trajetórias que reduzam os tokens consumidos durante a inferência, de modo que custo e desempenho possam ser co‑otimizados. A Harvey declarou que não utilizou nenhum dado de cliente em seus esforços de pós‑treinamento.

Além do modelo central, a pré‑visualização descreve capacidades treinadas separadamente que a Harvey disse que incorporará ao seu produto ao longo do tempo: agentes de diligência de M&A construídos sobre Recursive Language Model ampliados com a pesquisa Baseten, modelos de extração de Review Table treinados com Applied Compute e modelos de conhecimento da empresa treinados com Engram que codificam o conhecimento da firma em memória paramétrica e notas estruturadas.

O Benchmark de Agentes Jurídicos de Código Aberto

Harvey tornou o Legal Agent Benchmark de código aberto em 6 de maio de 2026. Sua primeira versão contém mais de 1.200 tarefas de agente em 24 áreas de prática jurídica, avaliadas por mais de 75.000 critérios de rubrica escritos por especialistas, e está disponível no GitHub. Cada tarefa combina uma instrução curta escrita como um pedido de trabalho de um parceiro com um conjunto de documentos do cliente e exige que o agente produza um produto de trabalho revisável, que é avaliado contra rubricas de especialistas divididas em critérios atômicos de aprovação/reprovação que abrangem fatos, conclusões, citações e formatação. Uma tarefa é considerada concluída somente quando todos os critérios são aprovados, um padrão que a Harvey denomina avaliação de aprovação total.

Uma tarefa do benchmark solicita que um agente analise as disposições de mudança de controle para uma aquisição fictícia de $458 milhões, revise uma sala de dados virtual, avalie o risco do negócio e elabore um memorando preliminar para a equipe de negociação, com o trabalho avaliado contra 57 critérios que abrangem nove questões jurídicas. A Harvey afirmou que lançou o LAB para oferecer aos provedores de modelos, construtores de agentes, pesquisadores e escritórios de advocacia uma forma compartilhada de medir o progresso em agentes jurídicos de longo prazo. O benchmark foi lançado sem um placar, e a Harvey disse na época que trabalharia com parceiros de pesquisa para publicar resultados de referência e padrões para submissões normalizadas.

Na pré‑visualização de pesquisa de agosto, a Harvey disse que seus próximos passos incluem ampliar o LAB para mais jurisdições, áreas de prática e fluxos de trabalho, além de expandir sua capacidade computacional para levar sua pesquisa à produção com novos modelos generalistas e recursos.