Harvey联合创始人Gabe Pereyra：单季度将毛利率由-50%扭正
法律AI公司Harvey联合创始人兼总裁Gabe Pereyra表示，在用户用量逐月翻倍、且继续提供最强模型的情况下，Harvey在一个季度内把毛利率从-50%扭转为正。他称，公司没有为保护利润强迫客户提前转向按用量计费，也没有用更差的模型压缩成本，而是按客户可以接受的节奏推进计费模式转型，即使这损害了自身利润。
据Pereyra介绍，扭亏靠的是产品层面的优化：用模型路由把不同任务分配给不同模型、改进运行框架（harness），再通过后训练降低推理成本，以更低价格提供前沿水平的智能。与此同时，Harvey为客户搭建了成本管控工具，包括用量仪表盘、按案件的成本归集、支出上限和投资回报（ROI）报告。他说，公司的理念是为客户做最好的事，即使过程痛苦、损害利润，或者招致竞争对手、社交媒体和媒体的批评。
这番表态回应的是外界对Harvey毛利率的质疑。据报道，Harvey的毛利率在2026年初约为50%，到6月跌至-50%。起因是3月上线的智能体更新：法律智能体会连续执行多步任务，调用的token量远超普通问答，全年token用量增长了20倍。而Harvey租用OpenAI和Anthropic的模型、按token付费，同期营收只翻了一番，从约1.9亿美元增至4亿美元以上，成本增速远超收入增速。
扭转毛利率的关键一步是更换底层模型。8月，Harvey推出自有模型“Harvey Tenet”，以月之暗面（Moonshot AI）7月发布的开源权重模型Kimi K3为基座，与推理平台Fireworks AI合作完成后训练。Harvey的工程博客称，开源权重模型的每token价格更低：Kimi K3的token价格比Claude Opus 5低约40%，单次查询成本降低90%，完成一项任务的成本从使用Opus时的52美元降至30美元。Harvey此前的产品主要基于Anthropic、OpenAI和Google的闭源模型定制，而OpenAI创业基金正是Harvey最早的投资方之一。
资本市场并未因毛利率波动而降温。9月9日，Harvey完成由Lightspeed Venture Partners和Diffusion领投的5.5亿美元融资，估值约155亿美元，比3月的110亿美元估值上涨约41%；Sapphire Ventures和Whale Rock首次参投，Sequoia、Kleiner Perkins、Andreessen Horowitz、Coatue、Goldman Sachs Alternatives和新加坡主权基金GIC继续跟投。Harvey年度经常性收入（ARR）达4亿美元，从2025年8月的1亿美元起13个月翻了两番；客户覆盖全美营收前100强律所（Am Law 100）中的80%、5家《财富》前10强企业，以及60个国家的3000多家机构。
市场机制上，这是由成本结构危机驱动的供应链切换，不是单一事件。卖方是Anthropic和OpenAI：Harvey把大部分推理需求从它们的闭源模型转走，它们从这类高用量应用客户那里获得的token收入随之减少。买方是Harvey这类应用层公司：它们正转向开源权重模型，再加上自主后训练，以锁定成本。资金流向上，推理预算正从闭源前沿实验室流向开源模型开发方和推理托管平台。受益方是月之暗面、Fireworks AI等开源和推理基础设施公司，以及能拿到更低价格和成本透明度的律所客户；承压方是按token收费的闭源模型厂商，以及没有模型优化能力、仍然完全依赖租用前沿模型的AI应用公司。Abridge、Decagon和Ramp等公司据报道也在转向开源权重模型。
来源：公开信息
ABAB AI 解读
Harvey由前O'Melveny & Myers诉讼律师Winston Weinberg和前Google DeepMind、Meta AI研究员Gabe Pereyra于2022年创立。OpenAI创业基金是其早期投资方，Harvey因此较早获得GPT-4的访问权限，这成为它在法律AI赛道起步的关键优势。2023年2月，Harvey与英国律所Allen & Overy合作，向其3500多名律师开放产品，此后又与PwC达成合作，打开了大型律所和四大会计师事务所的市场。这一路径让Harvey在3年多时间里ARR达到4亿美元，但也埋下了隐患：产品能力和成本结构都高度依赖少数闭源模型供应商。
资本路径上，Harvey正在从“模型的包装层”变成“拥有自有模型的垂直平台”。第一步是用高估值融资换取现金和时间：3月以110亿美元估值融资，9月又以155亿美元估值融资5.5亿美元，为负毛利期提供缓冲。第二步是用开源基座加后训练打造Harvey Tenet，把最大的成本项从“租用”变为“自有”。第三步是改造计费模式：从按席位收费转向按用量收费，并提供按案件的成本归集和支出上限，把token成本透明地转嫁给客户，同时降低客户对“按用量计费”的抵触。
最直接的类比是AI编程工具Cursor。2025年6月至7月，Cursor因前沿模型成本飙升，把定价改为按用量计费，引发用户强烈不满，公司随后公开道歉并给用户退款；10月，Cursor推出自研编程模型Composer，以降低对Anthropic等模型供应商的依赖。同赛道的法律AI竞争也在升级：Thomson Reuters在2023年以6.5亿美元收购Casetext，推出CoCounsel；瑞典的Legora快速崛起，与Harvey正面竞争。当前垂直AI应用正处于从“依赖前沿模型的扩张期”进入“自建模型控制成本”的转型期，谁能把模型成本从外部租金变成内部资产，谁才能在规模扩张中守住毛利率。
结构判断：这属于定价权转移，推理成本的定价权正从闭源前沿实验室转移到应用层公司手中。机制在于：智能体让单个任务的token消耗呈数量级上升，而应用公司按席位向客户收费、按token向模型厂商付费，用量越大亏损越多，此时前沿实验室握有完全的定价权。开源权重模型的出现打破了这种依赖：Kimi K3这类模型在能力上逐渐接近闭源前沿水平，价格却低得多，应用公司可以自主后训练、自选推理平台，使单位任务成本下降40%至90%。一旦应用公司能在多家模型之间自由切换、路由，闭源模型厂商的定价权就会被削弱，而应用公司则通过“自有模型 + 客户数据 + 工作流”构建新的护城河。Harvey单季度扭正毛利率，正是这一权力转移的标志性案例。
ABAB News · 认知定律
用量越成功，租来的智能越昂贵。
应用公司的护城河，从拥有客户开始，到拥有模型结束。
当开源追上闭源，定价权就从卖铲子的人手里溜走。
有几处数字和说法建议再次核对：
融资数字： 本轮估值各来源写法不一，有155亿美元和156亿美元两种，正文用了155亿美元。
单一来源的成本数据： Kimi K3比Claude Opus 5便宜约40%、单次查询成本降低90%、单项任务52美元对30美元，这几组数字只出自一家二手来源。另外，Gabe Pereyra原帖只说了路由、运行框架改进和后训练，没有点名Kimi K3，“更换为Kimi K3基座”这一点来自Bloomberg等媒体报道。
凭背景知识写、没有检索核实的内容： AI解读里两位创始人的背景、与Allen & Overy和PwC的合作、Cursor的定价风波和Composer模型、Thomson Reuters收购Casetext的金额，以及Legora的情况