01 说个大新闻
上周，法律 AI 一哥 Harvey 官宣了第 一个自有模型 Tenet。
Harvey 什么来头？全球估值最高的法律 AI 公司，估值 110 亿美元，OpenAI 创业基金领投的种子轮，服务 20 多万律师，美国百 强律所里四分之三都在用。2024 年双方还联手训过定制判例法模型——OpenAI 出基模，Harvey 出法律数据和专家标准，资本、技术、产品深度绑定。
就这么一家 OpenAI 奶大的“亲儿子”，第 一个自研模型，底座没用 GPT，也没用 Claude，用的是中国的开源模型 Kimi K3。
为啥反水？卖铲子的开始下场挖矿了：OpenAI 挖来合同管理公司 Ironclad 的联创组建法律团队——上游一旦下场，供应商就变成了对手，创始人自己都说 OpenAI“间接地”是它最 大的竞争对手。
怎么反？拿 K3 做底座，联合 Fireworks AI，只用约 150 块 B300、两个月炼成 Tenet。预训练要数万张卡、几亿美元；150 块卡两个月，相当于别人盖好楼、你只做精装修——B 轮公司就掏得起。结果 Tenet 在 Harvey 自有法律基准上做到 SOTA，任务完成率提升两倍。
这事如果只看八卦就看小了。它真正揭开的，是 SaaS 产业链的一次重构。下面按上、中、下游，一层层拆开看。
02 一句话看懂：SaaS 的旧链条断了
先记住 SaaS 过去的产业链条：
上游模型厂卖 API → 中游 SaaS 公司买 API 做封装 → 下游卖给企业客户。
这个链条里，SaaS 公司像“二房东”：从模型厂手里整租模型能力，套一层提示词、工作流和产品界面，再分租给企业。命门很明显——能力迭代看房东脸色，调用成本房东说了算，产品边界房东随时能踩进来。更可怕的是，房东自己也开起了酒店。
开源模型把这条链条改成了：
开源底座（公共水电煤）→ 后训练（精装修）→ 垂直 SaaS（自己当业主）。
链条上每一层的赚钱逻辑，都跟着变了。
03 上游之变：模型厂从“房东”变“水电煤”
判断句放前面：基模层以后赚的是规模的钱，不是垄断的钱。
闭源模型过去敢卖高价，靠的是两道护城河：
一是能力垄断，"前沿"只此几家；
二是迁移成本，你的提示词、工作流全建在它的 API 上，想换都换不动。
但是开源模型把两道墙一起拆了。
能力上，在 Artificial Analysis 独立评测的 Harvey LAB-AA 法律基准上，Kimi K3 以 26.7% 的全通过率排第 一，接近第二名的两倍，而成本不到 Claude Opus 5 的一半；
迁移上，开放权重可以直接下载、自己部署，今天接 K3，明天出更强的就换更强的，底座成了可替换的"标准件"。
溢价守不住，市场已经在用脚投票：OpenAI 把轻量模型降价 80%；硅谷投资人 Jason Calacanis 公开说，那些年花几千万美元买 API 的大客户会转用 Kimi——他的团队部署后，成本降了 90%。
这剧本眼熟吗？早在之前安卓开源后，手机操作系统就不值钱了，钱流向了应用和生态。模型也一样：以后基础模型会像电，插口统一、价格透明、谁都能接。模型厂依然有生意，但赚的是走量的辛苦钱，"躺着收租"的日子结束了。
04 中游之变：长出一门新生意——“帮 SaaS 炼模型”
判断句：这是整条链上唯 一的纯增量环节，以前根本不存在。
SaaS 公司自己炼模型，总得有人递工具。拆开看，这门新生意至少有三块：
第 一块，后训练平台。提供算力和工程服务，帮企业把开源底座调成行业模型。这次 Harvey 的合作伙伴 Fireworks AI 干的就是这个。而且这生意有个妙处：开源底座每出一代更强的，全行业就得多炼一轮——模型卷得越凶，卖铲人越赚。
第二块，专家数据。过去的标注是"标猫标狗"，现在要标的是"资深律师为什么这么改合同"——把专家脑子里的判断变成训练语料，这是数据生意的一次产业升级。
KIMI的Docx 批注功能
第三块，评测环境。把"什么叫干得好"变成可打分的标准。Harvey 这次搭了约 1750 个法律任务环境，把律师的事实判断、引用要求、风险评级、修改建议、交付格式，拆成几十条硬杠杠，全过才算完成。谁手里有这种环境，谁就等于握着行业的"考卷"。
重要的是，Harvey 此前和多数 AI 应用一样调用闭源大模型 API、按 token 付费，几乎不考虑开放权重模型——法律是容错率*的行业之一，连最强闭源模型都只是刚够「可用」，落后前沿一个身位的开源模型自然不在选型范围。
改变发生在 K3 发布后：Harvey 第 一次看到，一个开放权重模型在最贴近真实律所工作的基准上拿出了前沿表现，这给他们自研模型，和OpenAI抢客户的机会。。
参照历史就懂了：云计算普及后，长出了一整层云工具商；移动互联网起来后，长出了一整层开发者服务。开源模型普及后，"帮垂直公司炼自己的模型"会是同样量级的一门生意。
05 下游之变：垂直 SaaS 的“普罗米修斯时刻”
判断句：未来 SaaS 公司的壁垒，不是接入了哪家大模型，而是谁能把行业知识真正训练进模型。
过去两年，绝大多数 AI 应用的宿命是"套壳"——调闭源 API，包一层产品界面。这种公司没有模型主权：成本别人定，能力别人给，边界别人随时踩进来。
现在路径被 Harvey 跑通了：
开放权重 ＋ 行业专家数据 ＋ 后训练 ＝ 任何垂直公司都能炼出自己的前沿模型。
以前"造前沿模型"是基础模型公司的专属工程，现在开放权重把它变成了垂直公司也能参与的行业工程。火已经从奥林匹斯山上带下来了，这就是垂直 SaaS 的"普罗米修斯时刻"。
具体到生意上，是三本账的重算：
成本账：token 从按量付费的"房租"，变成一次性投入、长期受益的"自有资产"，毛利结构整个改善。手里有个自己能改、成本只有四分之一的模型，回头再跟 API 厂谈价，底气完全不一样。
议价账：Harvey 公开的目标是"让律所拥有自己的专有模型"——以后行业大客户采购 SaaS，问的不再是"你接了哪家模型"，而是"你能不能给我炼一个我自己的"。
壁垒账：真正的壁垒不是那 150 块卡——卡谁都能租，K3 谁都能下。观察机构 KingY.ai 的评论一针见血：Harvey 把 K3 当作原材料，加上了自己独有的东西——对优秀法律工作的定义。客户用得越多，专家反馈越多，模型越强，数据飞轮越转越快。
不过话说回来，也别急着给所有 SaaS 鼓掌。开源模型真正利好的，是"高专业门槛 ＋ 私有数据 ＋ 复杂工作流"的垂直 SaaS；那些没数据积累、只做浅层封装的通用套壳公司，处境反而更危险——底座越强，它们那层"壳"越不值钱。这轮重构不是普涨，是分化。
06 终局判断：蛋糕怎么重新分
把三层串起来，结论就清晰了：
钱从 token 差价，流向数据和标准。上游基模平价化，赚规模的钱；中游工具化，赚增量的钱；下游资产化——懂行业的垂直 SaaS，第 一次有机会把专业能力沉淀成自己的模型资产，而不是永远附着在供应商的 API 上打工。
哪些行业会先跟上？特征很明显：客单价高、容错率低、专业经验贵的行业。法律已经动了，金融、医疗、制造都在路上——"开源底座 ＋ 行业后训练"这套配方，是可以直接复用的论证模板。
对国内 SaaS 公司来说，这事甚至更近：最 好的开源底座就在家门口，两个月、150 张卡的作业，照抄就行。过去 SaaS 的命运攥在模型厂手里，现在，选择权回到了懂行业的人手里。
红圈所的技术壁垒都能被抹平，你所在的行业，还会远吗？
