Harvey привлекает $550 млн нового финансирования, оценка поднимается до $15,5 млрд

Harvey объявила 9 сентября 2026 года, что привлекла $550 млн при оценке $15,5 млрд в раунде финансирования, со‑руководителями которого выступили Diffusion и Lightspeed Venture Partners. Компания юридический ИИ заявила, что капитал ускорит её усилия по помощи юридическим фирмам, внутренним юридическим командам и компаниям профессиональных услуг в построении и владении своей интеллектуальной собственностью в масштабах.

Существующие инвесторы Sequoia, Kleiner Perkins, a16z, Coatue, Conviction, Elad Gil, Evantic, GIC, Goldman Sachs Alternatives, Verified Capital и WNDR приняли участие в раунде. Diffusion, Lightspeed, Sapphire Ventures и Whale Rock присоединились в качестве новых инвесторов.

Согласно объявлению, привлечение средств последовало за представлением Harvey Tenet, первой пост‑тренированной модели открытого веса компании, и запуском Harvey LAB, её бенчмарка юридических агентов.

Заявление со‑учредителей и заявленное внедрение

Со‑учредители Harvey Уинстон Вайнберг и Гейб Перейра заявили, что компания «хочет стать глобальным партнёром, к которому юридические команды обращаются за этой работой», добавив, что Harvey планирует нанимать и развивать свою команду, чтобы поддерживать клиентов в том, что они описали как следующую волну трансформации ИИ. Возможность для компаний ускорить своё конкурентное преимущество с помощью ИИ никогда не была выше, сказали со‑учредители.

Harvey сообщил, что 80 % юридических фирм из списка Am Law 100 используют её продукты, а также внутренние юридические команды, включающие пять компаний из списка Fortune 10. Страница компании описывает бизнес как специализированный ИИ для юридических и профессиональных услуг, с продуктами, охватывающими анализ контрактов, проверку должной осмотрительности, соответствие требованиям и процессы судебных разбирательств, и указывает, что более 2 400 клиентов в более чем 70 странах используют платформу. На странице перечислены GV, OpenAI Startup Fund, Andreessen Horowitz и EQT среди инвесторов фирмы, наряду с Sequoia, Kleiner Perkins и Coatue.

Обзор исследований Harvey Tenet

Harvey подробно представил Tenet в исследовательском превью от 20 августа 2026 года. Модель основана на базе Kimi K3 и была пост‑тренирована совместно с исследованием Fireworks для долгосрочных юридических задач, используя асинхронное обучение с подкреплением с оптимизацией политики групп‑последовательностей (GSPO). Обучающий набор данных включал примерно 1 750 агентных юридических задач, а обучение проводилось на около 150 графических процессорах NVIDIA B300 в течение двух месяцев.

Harvey сообщил, что модель выполняет почти вдвое больше отложенных задач LAB по сравнению с базовой Kimi K3 и на 20 % больше задач по LAB Contracts, повышая показатели полного прохождения на 9 и 2 процентных пункта соответственно. Согласно превью, Tenet достигает передовых результатов по LAB Contracts и занимает второе место в общем рейтинге LAB, а эти улучшения обобщаются на внешние бенчмарки агентов, которые модель не видела во время обучения, включая корпоративный юридический набор APEX Agents от Mercor и Redline Bench от Crosby.

Обучающий корпус сочетал синтетические данные, общедоступные юридические данные и данные экспертов‑человеков, и Harvey сообщил, что сотрудничал с Mercor и другими для создания и масштабирования экспертных наборов данных. Компания заявила, что использовала формирование вознаграждений, чтобы стимулировать эффективное использование инструментов и рассуждений, отдавая предпочтение траекториям, снижающим количество токенов, потребляемых во время вывода, чтобы одновременно оптимизировать стоимость и производительность. Harvey уточнил, что не использовал никаких данных клиентов в своих пост‑тренировочных усилиях.

Помимо основной модели, превью описывает отдельно обученные возможности, которые Harvey планирует со временем: агенты due‑diligence по слияниям и поглощениям, построенные на Recursive Language Model и расширенные исследованиями Baseten, модели извлечения таблиц обзора, обученные с Applied Compute, а также модели фирменных знаний, обученные с Engram, которые кодируют знания компании в параметрическую память и структурированные заметки.

Открытый бенчмарк юридических агентов

Harvey опубликовал открытый код Legal Agent Benchmark 6 мая 2026 года. Первая версия содержит более 1 200 задач агентов в 24 юридических практических областях, оцененных более чем 75 000 экспертными критериями рубрик, и доступна на GitHub. Каждая задача сочетает короткую инструкцию, написанную как запрос партнёра, с набором документов клиента и требует от агента создания проверяемого результата работы, который оценивается по экспертным рубрикам, разбитым на атомарные критерии «пройдено/не пройдено», охватывающие факты, выводы, ссылки и форматирование. Задача считается завершённой только когда все критерии выполнены, что Harvey называет оценкой «полный проход».

Одна из задач бенчмарка просит агента проанализировать положения о смене контроля в вымышленной сделке по приобретению стоимостью $458 млн, проверить виртуальную комнату данных, оценить риск сделки и подготовить черновой меморандум для команды сделки; работа оценивается по 57 критериям, охватывающим девять юридических вопросов. Harvey сообщил, что выпустил LAB, чтобы предоставить поставщикам моделей, создателям агентов, исследователям и юридическим фирмам общий способ измерения прогресса в долгосрочных юридических агентах. Бенчмарк был запущен без таблицы лидеров, и Harvey в то время заявил, что будет сотрудничать с исследовательскими партнёрами для публикации базовых результатов и стандартов для нормализованных заявок.

В августовском исследовательском превью Harvey сообщил, что дальнейшие шаги включают масштабирование LAB на большее количество юрисдикций, практических областей и рабочих процессов, а также расширение вычислительных мощностей для вывода своих исследований в производство с новыми универсальными моделями и возможностями.