GPT
הוספת כלי
T

Thomson-1.0-Small

קוד פתוח

thomsonreutersother2026-08-18

  • transformers
  • safetensors
  • qwen3_5_moe
  • image-text-to-text
  • conversational

מודל מומחים של תומסון רויטרס שמיועד לעבודה משפטית, מיסוי ומחקר מעמיק. הוא מפעיל רק 3 מיליארד פרמטרים בכל טוקן מתוך 35 מיליארד, ומציע חלון הקשר עצום של 262 אלף טוקנים.

  • 35Bפרמטרים
  • 262,144טוקנים בהקשר
  • 65.4 GBמשקל הקבצים
  • 2,327הורדות בחודש

מה זה

טומסון רויטרס לקחו את בסיס Snowdon1.1-Small, שמבוסס בעצמו על ארכיטקטורת Qwen3.6-35B-A3B, והעבירו אותו אימון ייעודי על דאטה מקצועי של עשרות שנים: פסיקה, חוזים, דיווחי רגולציה ומאמרי חדשות. המודל בנוי כארכיטקטורת Mixture-of-Experts שבה סך כל הפרמטרים עומד על 35 מיליארד אך רק 3 מיליארד פעילים בכל רגע נתון. המטרה כאן ברורה, להתמודד עם שאלות מורכבות ומסמכים ארוכים בלי לסחוב עלויות חישוב של מודל ענק מלא.

במבחני הביצועים הוא מוביל בממוצע הכללי עם ציון של 74.6 מול מודלים כמו Haiku 4.5 וג'מה 4. היתרון שלו בולט במיוחד בעיבוד מסמכים ו־RAG משפטי, שם הוא מקבל 78.8 לעומת 43.8 של הייקו, ובמשימות סוכן משפטי של הארווי עם 73.4 מול 34.2 של ג'מה. במחקר עמוק בתחום המיסוי הוא מוביל עם 78.6 נקודות לעומת 68 של מודל הבסיס, מה שמראה שהאימון הממוקד על הדאטה הסגור של תומסון אכן השפיע ישירות על התוצאות.

מתאים ל

  • סוכן מחקר משפטי ומיסוי

    מיועד להרצת שאילתות מורכבות ואיסוף מידע רב־שלבי, תחום שבו הוא עוקף את רוב המודלים בגודל שלו.

  • תמצות מסמכי מקור ארוכים

    ניצול חלון של 262 אלף טוקנים לקריאת תיקים משפטיים ודוחות מלאים, משימה שבה השיג ציון 89.4 במבחנים.

  • עיבוד RAG מבוסס רגולציה

    שילוב בתוך מערכת חיפוש פנימית לאיתור תשובות במסמכים רגולטוריים באנגלית, עם ציון 78.8 במבחני שליפה.

איפה זה נופל

למרות ההתמחות המקצועית, המודל אינו מוביל בכל תחום משפטי. במבחן Stanford LegalBench הוא משיג 79.9, ציון נמוך יותר מג'מה 4 שמגיעה ל־83.1 ואפילו נמוך ממודל הבסיס שעליו הוא נבנה. גם בהבנת חוזים נטו הוא מקבל 67.3 ונשאר הרחק מאחורי ג'מה שעומדת על 73.2, ובשליפת מידע משפטי הוא עומד על 49.6 בלבד. מעבר לזה, כל הדאטה המשפטי והמיסויי מבוסס על התוכן של תומסון רויטרס שמתמקד בעולם האנגלוסקסי, ולכן אין להסתמך עליו בדין ישראלי, עברית משפטית או פקודת מס הכנסה מקומית בלי לבדוק אותו ביסודיות מאפס.

שאלות
נפוצות

האם המודל יתאים לניתוח פסיקה וחוזים בישראל?

לא מומלץ להסתמך עליו למטרה זו ללא בדיקה עצמאית. האימון של תומסון רויטרס התמקד בחומרים פנימיים באנגלית של תחומי שיפוט זרים, ומסמכי הבדיקה אינם כוללים התייחסות לחוק הישראלי או לשפה העברית.

כמה זיכרון GPU אני צריך בשביל להריץ אותו מקומית?

המשקלים שוקלים 65.4 גיגה בייט ב־BF16, כך שצריך לפחות 80 גיגה בייט זיכרון GPU רק כדי להעלות את המודל. אם תרצו לנצל את חלון ההקשר המלא של 262 אלף טוקנים, תצטרכו שרת עם מספר כרטיסים חזקים או שימוש בגרסאות מכווצות.

למה המודל מהיר יחסית לגודל של 35 מיליארד פרמטרים?

בגלל ארכיטקטורת תערובת המומחים שלו. למרות שיש לו 35 מיליארד פרמטרים בזיכרון, רק 3 מיליארד מהם פעילים בכל חישוב טוקן, מה שמקצר משמעותית את זמן התגובה.

איך מריצים

המשקלים דורשים הורדה של 65.4 גיגה בייט בפורמט Transformers, מה שאומר שבשביל להריץ אותו ב־BF16 מקורי תצטרכו לפחות שרברב של שני כרטיסי A100 או כרטיס בודד של 80 גיגה בייט זיכרון רק למשקלים, עוד לפני שהתחלתם לנצל את חלון ההקשר. כדי להגיע לעומק של 262 אלף טוקנים בפועל, תצטרכו חומרת שרתים רצינית בהרבה או קוונטיזציה אגרסיבית.

היתרון הגדול בריצה שלו הוא שבזמן הסקת מסקנות מופעלים רק 3 מיליארד פרמטרים, אז מהירות יצירת הטוקנים גבוהה משמעותית ממודל 35 מיליארד צפוף רגיל. אם אין לכם שרת ייעודי פנוי עם כרטיסי דאטה סנטר, החזקה עצמית של שרת כזה תעלה לא מעט, ועדיף לשקול פתרון ענן לפי שימוש.

from transformers import pipeline

pipe = pipeline("image-text-to-text", model="thomsonreuters/Thomson-1.0-Small")
print(pipe("שלום"))

הקבצים

32 קבצים במאגר, 65.4 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הרישיון מוגדר כ־other ואינו רישיון קוד פתוח סטנדרטי כמו אפאצ'י או MIT. המשמעות היא שחייבים לקרוא את קובץ הרישיון המצורף במאגר לפני כל שילוב במוצר מסחרי. יש לבדוק היטב האם תומסון רויטרס מתירים הטמעה במוצרים מסחריים חיצוניים או מגבילים את השימוש למחקר, פיתוח פנימי ומטרות לא מסחריות בלבד.

הרישיון המלא בעמוד המודל ↗