Harvey ระดมทุน $550 ล้านในรอบการระดมทุนใหม่ มูลค่าเพิ่มเป็น $15.5 พันล้าน

Harvey ประกาศ เมื่อวันที่ 9 กันยายน 2026 ว่าได้ระดมทุน $550 ล้านที่มูลค่า $15.5 พันล้านในการระดมทุนที่ร่วมนำโดย Diffusion และ Lightspeed Venture Partners บริษัท AI กฎหมาย กล่าวว่าเงินทุนนี้จะเร่งความพยายามของบริษัทในการช่วยบริษัทกฎหมาย ทีมกฎหมายภายในองค์กร และบริษัทให้บริการมืออาชีพสร้างและเป็นเจ้าของปัญญาประดิษฐ์ของตนในระดับใหญ่

นักลงทุนเดิม Sequoia, Kleiner Perkins, a16z, Coatue, Conviction, Elad Gil, Evantic, GIC, Goldman Sachs Alternatives, Verified Capital และ WNDR เข้าร่วมในรอบการระดมทุน Diffusion, Lightspeed, Sapphire Ventures และ Whale Rock เข้าร่วมเป็นนักลงทุนใหม่

ตามประกาศ การระดมทุนนี้ตามมาหลังจากการเปิดตัว Harvey Tenet โมเดลเปิดน้ำหนักที่ผ่านการฝึกเพิ่มเติมครั้งแรกของบริษัท และการเปิดตัว โมเดลเปิดน้ำหนักที่ผ่านการฝึกเพิ่มเติม และ Harvey LAB, Legal Agent Benchmark ของบริษัท

คำแถลงของผู้ร่วมก่อตั้งและการนำไปใช้ที่รายงาน

ผู้ร่วมก่อตั้ง Harvey Winston Weinberg และ Gabe Pereyra กล่าวว่า บริษัท “ต้องการเป็นพันธมิตรระดับโลกที่ทีมกฎหมายหันไปพึ่งพาสำหรับงานนี้” พร้อมกับเสริมว่า Harvey มีแผนจะจ้างและพัฒนาทีมของตนเพื่อสนับสนุนลูกค้าผ่านคลื่นการเปลี่ยนแปลง AI ครั้งต่อไป โอกาสสำหรับบริษัทในการเร่งความได้เปรียบเชิงแข่งขันด้วย AI ไม่เคยสูงขนาดนี้มาก่อน ผู้ร่วมก่อตั้งกล่าว

Harvey กล่าวว่า 80% ของบริษัทกฎหมายในรายการ Am Law 100 ใช้ผลิตภัณฑ์ของบริษัท พร้อมกับทีมกฎหมายภายในที่รวมบริษัท Fortune 10 จำนวนห้าแห่ง หน้าเว็บบริษัท ของ Harvey อธิบายธุรกิจว่าเป็น AI เฉพาะโดเมนสำหรับกฎหมายและบริการมืออาชีพ โดยมีผลิตภัณฑ์ครอบคลุมการวิเคราะห์สัญญา, การตรวจสอบความเหมาะสม, การปฏิบัติตามกฎระเบียบ, และกระบวนการฟ้องร้อง และระบุว่ามีลูกค้ามากกว่า 2,400 รายในกว่า 70 ประเทศที่ใช้แพลตฟอร์ม หน้าเว็บระบุ GV, OpenAI Startup Fund, Andreessen Horowitz, และ EQT อยู่ในรายชื่อผู้สนับสนุนของบริษัทพร้อมกับ Sequoia, Kleiner Perkins, และ Coatue

พรีวิวการวิจัย Harvey Tenet

Harvey ให้รายละเอียดของ Tenet ในพรีวิวการวิจัยเมื่อ 20 สิงหาคม 2026 โมเดลเริ่มจากฐาน Kimi K3 และได้รับการฝึกเพิ่มเติมร่วมกับการวิจัย Fireworks สำหรับงานกฎหมายระยะยาว โดยใช้การเรียนรู้เสริมแบบอะซิงโครนัสพร้อมการปรับนโยบายกลุ่มลำดับ (GSPO) ชุดข้อมูลการฝึกประกอบด้วยสภาพแวดล้อมงานกฎหมายแบบเอเจนต์ประมาณ 1,750 รายการ และการฝึกดำเนินการบน GPU NVIDIA B300 จำนวนประมาณ 150 ตัวเป็นเวลาสองเดือน

Harvey รายงานว่าโมเดลทำงานเสร็จได้เกือบสองเท่าของงาน LAB ที่ไม่ได้ใช้ในการฝึกเมื่อเทียบกับ Kimi K3 เบส และทำได้ดีกว่า 20% ใน LAB Contracts ทำให้อัตราการผ่านทั้งหมดเพิ่มขึ้น 9 และ 2 จุดเปอร์เซ็นต์ตามลำดับ ตามพรีวิว Tenet บรรลุผลการทำงานระดับแนวหน้าบน LAB Contracts และได้อันดับที่สองบน LAB และผลการเพิ่มประสิทธิภาพเหล่านี้ได้ทั่วไปไปยังเบนช์มาร์กเอเจนต์ภายนอกที่โมเดลไม่เคยเห็นในระหว่างการฝึก รวมถึงชุดกฎหมายบริษัทของ Mercor’s APEX Agents และ Redline Bench ของ Crosby

ชุดข้อมูลการฝึกรวมข้อมูลสังเคราะห์, ข้อมูลกฎหมายที่เปิดเผยต่อสาธารณะ, และข้อมูลจากผู้เชี่ยวชาญมนุษย์ และ Harvey กล่าวว่าบริษัททำงานร่วมกับ Mercor และอื่น ๆ เพื่อสร้างและขยายชุดข้อมูลผู้เชี่ยวชาญ บริษัทระบุว่าใช้การปรับรางวัลเพื่อกระตุ้นการใช้เครื่องมือและการให้เหตุผลอย่างมีประสิทธิภาพ โดยเลือกเส้นทางที่ลดจำนวนโทเคนที่ใช้ในขั้นตอนการสรุปผล เพื่อให้ต้นทุนและประสิทธิภาพสามารถปรับให้เหมาะสมร่วมกัน Harvey ยืนยันว่าไม่ได้ใช้ข้อมูลลูกค้าใด ๆ ในการฝึกเพิ่มเติม

นอกเหนือจากโมเดลหลัก พรีวิวอธิบายความสามารถที่ฝึกแยกต่างหากที่ Harvey กล่าวว่าจะนำเข้ามาในผลิตภัณฑ์ของตลอดเวลา ได้แก่ เอเจนต์ตรวจสอบการควบรวมและการซื้อกิจการ (M&A) ที่สร้างบน Recursive Language Model ที่ขยายด้วยการวิจัยของ Baseten, โมเดลการสกัดข้อมูลตารางรีวิวที่ฝึกด้วย Applied Compute, และโมเดลความรู้ของบริษัทที่ฝึกด้วย Engram ซึ่งบันทึกความรู้ของบริษัทลงในหน่วยความจำพารามิเตอร์และบันทึกโครงสร้าง

Legal Agent Benchmark แบบโอเพ่นซอร์ส

Harvey เปิดเผยโค้ดของ Legal Agent Benchmark เมื่อ 6 พฤษภาคม 2026 รุ่นแรกมีงานเอเจนต์มากกว่า 1,200 งานครอบคลุม 24 สาขากฎหมายที่ปฏิบัติ ได้รับการประเมินโดยเกณฑ์รูบริกที่เขียนโดยผู้เชี่ยวชาญจำนวนกว่า 75,000 รายการ และพร้อมใช้งานบน GitHub งานแต่ละงานจะจับคู่คำสั่งสั้นที่เขียนเป็นคำขอของหุ้นส่วนกับเอกสารของกรณีลูกค้า และต้องการให้เอเจนต์สร้างผลลัพธ์ที่สามารถตรวจสอบได้ ซึ่งจะได้รับการให้คะแนนตามรูบริกของผู้เชี่ยวชาญที่แบ่งเป็นเกณฑ์ผ่าน/ไม่ผ่านแบบอะตอมที่ครอบคลุมข้อเท็จจริง, ข้อสรุป, การอ้างอิง, และรูปแบบ งานจะถือว่าเสร็จสมบูรณ์เมื่อทุกเกณฑ์ผ่าน ซึ่ง Harvey เรียกว่าการให้คะแนนแบบ all-pass

หนึ่งงานเบนช์มาร์กขอให้เอเจนต์วิเคราะห์ข้อกำหนดการเปลี่ยนแปลงการควบคุมสำหรับการเข้าซื้อกิจการจำลองมูลค่า $458 ล้าน, ตรวจสอบห้องข้อมูลเสมือน, ประเมินความเสี่ยงของข้อตกลง, และเตรียมร่างบันทึกสำหรับทีมข้อตกลง งานนี้จะได้รับการให้คะแนนตามเกณฑ์ 57 รายการที่ครอบคลุม 9 ประเด็นกฎหมาย Harvey กล่าวว่าได้เปิดตัว LAB เพื่อมอบวิธีการร่วมกันให้ผู้ให้บริการโมเดล, ผู้สร้างเอเจนต์, นักวิจัย, และบริษัทกฎหมายวัดความก้าวหน้าในเอเจนต์กฎหมายระยะยาว เบนช์มาร์กเปิดตัวโดยไม่มีลีดเดอร์บอร์ด และ Harvey กล่าวในขณะนั้นว่าจะร่วมกับพันธมิตรการวิจัยเพื่อเผยผลลัพธ์พื้นฐานและมาตรฐานสำหรับการส่งข้อมูลที่ทำให้เป็นมาตรฐาน

ในพรีวิวการวิจัยเดือนสิงหาคม Harvey กล่าวว่าขั้นตอนต่อไปของบริษัทรวมถึงการขยาย LAB ไปยังเขตอำนาจศาล, สาขาการปฏิบัติ, และกระบวนการทำงานเพิ่มเติม และการขยายกำลังคอมพิวเตอร์เพื่อทำให้การวิจัยเข้าสู่การผลิตด้วยโมเดลและความสามารถทั่วไปใหม่