하비는 2026년 8월 20일 법률 업무용 연구 모델 ‘하비 테넷’의 초기 결과를 공개했다. 테넷은 문샷AI의 오픈웨이트 모델 Kimi K3를 기반으로 하비와 파이어웍스 연구팀이 장시간 법률 업무에 맞게 후속 학습한 모델이다. 데이비드 색스는 8월 21일 이 사례를 미국 기업이 공개 가중치로 전문 모델을 만드는 방식으로 평가했다. 그는 오픈 모델을 제약해도 중국 연구소의 차기 모델 공개를 막지 못하는 반면, 하비 같은 스타트업의 저비용 전문 모델 개발은 어렵게 만들 수 있다고 주장했다.
하비가 공개한 성과는 완제품 출시 결과가 아니라 연구 미리보기다. 합성 데이터와 공개 법률 데이터, 인간 전문가 데이터를 결합해 학습했으며 고객 데이터는 쓰지 않았다고 밝혔다. 법률 에이전트 벤치마크(LAB)의 미사용 평가 과제에서 테넷은 기반 Kimi K3보다 거의 두 배 많은 과제를 끝냈고 모든 기준을 통과한 비율은 9%포인트 높았다. LAB Contracts에서는 완료 과제가 20% 늘고 전체 통과율은 2%포인트 상승했다. 하비는 테넷이 LAB Contracts에서 가장 높은 성능을, LAB 전체에서는 2위를 기록했다고 설명했다.
| 확인 항목 | 공개 내용 | 범위·상태 |
|---|---|---|
| 모델 | Kimi K3 기반, 파이어웍스와 후속 학습 | 연구 미리보기 |
| LAB 미사용 과제 | 완료 과제 거의 2배, 전체 통과율 9%p 상승 | 기반 Kimi K3 대비 |
| LAB Contracts | 완료 과제 20% 증가, 전체 통과율 2%p 상승 | 기반 Kimi K3 대비 |
| 학습 규모 | 약 150개 B300 GPU, 약 2개월 | 하비 공개 수치 |
| 고객 데이터 | 후속 학습에 미사용 | 하비 설명 |
실사용 관점에서 핵심은 단순 질의응답보다 여러 문서와 도구를 오가며 결과물을 만드는 법률 에이전트 업무다. 학습 환경은 의뢰 지시, 사건 관련 문서, 전문가 평가표로 구성됐고 에이전트는 격리된 작업공간에서 자료를 검색하고 문서를 읽고 결과물을 작성했다. 이런 방식은 장시간 검토와 구조화된 법률 작업을 자동화하려는 로펌과 법무팀, 공개 모델을 자체 데이터와 절차에 맞게 조정하려는 전문 서비스 기업에 참고가 된다. 다만 하비는 연구 기능을 제품에 순차 반영할 계획이라고 밝혔을 뿐 테넷의 일반 제공 일정이나 별도 가격은 공개하지 않았다.
비용과 한계도 함께 봐야 한다. 하비는 약 1,750개의 법률 작업 환경에서 1만 회가 넘는 개별 실행을 거쳐 두 달 동안 약 150개의 엔비디아 B300 GPU로 학습했다고 밝혔다. 이는 전문 모델을 만들 때 공개 가중치가 출발 비용을 낮출 수 있어도 후속 학습과 평가, 보안 운영에 상당한 자원이 필요하다는 뜻이다. 공개된 수치는 하비의 자체 평가로 독립 재현 결과가 아니며 법률 특화 과제가 범용 성능이나 안전성을 보증하지도 않는다. 색스의 발언 역시 규제 비용에 대한 정책 주장이지 미국 정부가 새 규정을 확정했다는 의미는 아니다.
저작권자 © STORIUM 무단전재 및 재배포 금지
