Harvey залучає $550 млн нових інвестицій, оцінка зростає до $15,5 млрд

Harvey оголосив 9 вересня 2026 року, що залучив $550 мільйонів при оцінці $15,5 мільярда у раунді фінансування, спільно очолюваному Diffusion та Lightspeed Venture Partners. Компанія, що займається юридичним ШІ, заявила, що капітал прискорить її зусилля щодо допомоги юридичним фірмам, внутрішнім юридичним підрозділам та компаніям професійних послуг у створенні та володінні їх інтелектом у масштабах.

У раунді взяли участь існуючі інвестори Sequoia, Kleiner Perkins, a16z, Coatue, Conviction, Elad Gil, Evantic, GIC, Goldman Sachs Alternatives, Verified Capital та WNDR. Diffusion, Lightspeed, Sapphire Ventures і Whale Rock приєдналися як нові інвестори.

За даними оголошення, залучення капіталу відбулося після представлення Harvey Tenet, першої пост‑тренованої моделі відкритої ваги компанії, та запуску Harvey LAB, її Benchmark юридичних агентів.

Заява співзасновника та дані про впровадження

Співзасновники Harvey Винстон Вайнберг і Гейб Перейра заявили, що компанія «хоче стати глобальним партнером, до якого юридичні команди звертаються за цим завданням», додаючи, що Harvey планує наймати та розвивати свою команду для підтримки клієнтів у тому, що вони назвали наступною хвилею трансформації ШІ. За їх словами, можливість компаніям прискорити свою конкурентну перевагу за допомогою ШІ ніколи не була такою високою.

Harvey повідомив, що 80 % юридичних фірм Am Law 100 користуються її продуктами, а також внутрішні юридичні підрозділи, серед яких п’ять компаній Fortune 10. Сторінка компанії company page описує бізнес як галузево‑специфічний ШІ для юридичних та професійних послуг, з продуктами, що охоплюють аналіз контрактів, дью‑диліженс, комплаєнс та процеси судових справ, і зазначає, що більше 2 400 клієнтів у понад 70 країнах користуються платформою. На сторінці названо GV, OpenAI Startup Fund, Andreessen Horowitz та EQT серед інвесторів фірми разом із Sequoia, Kleiner Perkins і Coatue.

Попередній огляд дослідження Harvey Tenet

Harvey детально представив Tenet у попередньому огляді дослідження від 20 серпня 2026 року. Модель базується на Kimi K3 і була пост‑тренована спільно з дослідженням Fireworks для довгострокових юридичних завдань, використовуючи асинхронне підкріплювальне навчання з оптимізацією політики груп‑послідовності (GSPO). Навчальний набір даних включав приблизно 1 750 агентних юридичних середовищ, а навчання проводилося на близько 150 GPU NVIDIA B300 протягом двох місяців.

Harvey повідомив, що модель виконує майже вдвічі більше відкладених завдань LAB, ніж базова Kimi K3, і на 20 % більше завдань LAB Contracts, підвищуючи рівень успішності «все‑проходження» на 9 та 2 процентних пункти відповідно. За даними попереднього огляду, Tenet досягає передових результатів у LAB Contracts і займає друге місце у LAB, а ці покращення узагальнюються на зовнішні бенчмарки агентів, які модель не бачила під час навчання, включаючи підмножину корпоративного права APEX Agents від Mercor та Redline Bench від Crosby.

Навчальний корпус поєднав синтетичні дані, публічно доступні юридичні дані та дані від експертів‑людей, і Harvey зазначив, що співпрацював з Mercor та іншими для створення та масштабування експертних наборів даних. Компанія заявила, що використовувала формування винагороди для стимулювання ефективного використання інструментів та міркувань, надаючи перевагу траєкторіям, які зменшують споживання токенів під час інференсу, щоб одночасно оптимізувати вартість і продуктивність. Harvey підкреслив, що не використовувала жодних даних клієнтів у своїх пост‑тренувальних зусиллях.

Поза основною моделлю, у попередньому огляді описані окремо навчені можливості, які Harvey планує поступово інтегрувати у свій продукт: агенти дью‑диліженсу M&A, створені на базі Recursive Language Model з розширенням Baseten, моделі витягування таблиць Review, навчені за допомогою Applied Compute, та моделі знань фірми, навчені за допомогою Engram, що кодують знання компанії у параметричну пам’ять та структуровані нотатки.

Відкритий юридичний агентний бенчмарк

Harvey відкрив код Legal Agent Benchmark 6 травня 2026 року. Перша версія містить понад 1 200 агентних завдань у 24 юридичних практичних сферах, оцінених за більш ніж 75 000 експертно‑написаних критеріїв рубрик, і доступна на GitHub. Кожне завдання поєднує коротку інструкцію, написану як запит партнера щодо роботи, з набором документів клієнта і вимагає від агента створити перегляданий продукт роботи, який оцінюється за експертними рубриками, розбитими на атомарні критерії «пройшло/не пройшло», що охоплюють факти, висновки, посилання та форматування. Завдання вважається завершеним лише тоді, коли всі критерії пройшли, що Harvey називає оцінкою «все‑пройшло».

Одне з бенчмарк‑завдань просить агента проаналізувати положення про зміну контролю у вигаданій угоді на $458 млн, переглянути віртуальну дата‑рум, оцінити ризик угоди та підготувати чернетку меморандуму для команди угоди, причому робота оцінюється за 57 критеріями, що охоплюють дев’ять юридичних питань. Harvey заявив, що випустив LAB, щоб надати постачальникам моделей, розробникам агентів, дослідникам та юридичним фірмам спільний спосіб вимірювання прогресу довгострокових юридичних агентів. Бенчмарк був запущений без таблиці лідерів, і Harvey тоді повідомив, що буде співпрацювати з дослідницькими партнерами для публікації базових результатів та стандартів для уніфікованих подань.

У серпневому попередньому огляді дослідження Harvey зазначив, що наступними кроками буде масштабування LAB на більше юрисдикцій, практичних сфер та робочих процесів, а також розширення обчислювальних ресурсів для впровадження досліджень у виробництво за допомогою нових загальних моделей та можливостей.