「OpenAI发布Astra for Law」没改一个参数,法律成绩从38.7%涨到54%

OpenAI 在 9 月 17 日发布了一个叫 Astra for Law 的东西，名字看着像「法律版大模型」，实际上 GPT-6 Astra 一个参数都没动。他们只是把模型接上了一个 2.3 亿网页规模的法律检索索引，配上法律分析与写作的专门指令，再加一层为律所保密义务设计的权限治理。

就靠这些「模型外面」的东西，同一个模型在 Vals AI 法律研究基准上的成绩从 38.7% 涨到 54.0%，相对提升 40%。

这组数字其实在宣布一件更大的事，决定专业领域能力的，已经从模型本身转移到了模型外面那套检索、指令和治理配置上。 而这一次，OpenAI 亲自下场，把这套东西做成了产品。

发布物拆解，四层基础设施

模型侧一个字节都没改，发布的是模型外面的一整套东西。先把发布物拆开看。Astra for Law 的官方定位是「面向法律行业的 AI 基础」，一共四层。

最底下还是 GPT-6 Astra，OpenAI 现役最强模型，没有任何针对法律的再训练。第二层是法律搜索索引，覆盖 2.3 亿个网页，内容是美国判例法、制定法、行政法规、法院规则和行政决定，每天继续添加新来源。第三层是专门指令，教模型怎么把检索结果用在客户事实上，发展论点、起草交易条款、识别薄弱环节，公告里特别点了几种能力，区分法院裁判要旨与附带论述，主动寻找对己方立场不利的判例，比较事实模式，分析合同例外条款如何重新分配风险。第四层是治理，接入 ChatGPT Enterprise 的权限体系，API 提供 Zero Data Retention 零留存，企业版默认排除人工审查，还与 Latham & Watkins 律所合作设计了信息权限、道德墙和客户指令管理。

四层里真正值钱的是第二层。判例语料来自与 Free Law Project 的合作，就是 CourtListener 背后的非营利组织，覆盖超过 99.9% 的已发布美国判例法。

这个数字是给法律人看的通行证，判例引用造假是法律 AI 的历史污点，索引必须先立得住。

发布形态也透着谨慎。产品先通过 Trusted Access 计划向选定律所开放，在 ChatGPT 和 Codex 里以「GPT-6 Astra Law」出现，API 版本 gpt-6-astra-law 随后上线，定价至今未公布。

成绩单上的四个数字

测试基准选的是 Vals AI 的 Legal Research Bench，200 道美国法律研究题的私有验证集，同时考察来源检索和答案质量。OpenAI 做的对比很讲究，两边都用 GPT-6 Astra、都用最高推理强度，唯一变量是检索配置。

裸模型加普通网页搜索，总体正确性检查通过率 38.7%。换成 Astra for Law 完整配置，54.0%。判例法聚焦的题目上，参考案例多找到 24%。在被审计的目标段落集里，从正确法院意见中检索到的相关段落最多多出 54%。

OpenAI 还附了一段与 Claude Fable 5.1 的对比演示。诉讼示例里，Fable 5.1 返回的裁判要旨已经被上诉法院推翻，Astra for Law 找到了匹配的在先判例。交易示例里，Fable 5.1 报告没有找到相关案例，Astra for Law 同样命中。两个演示都是官方博客自述，胜在具体。

有一篇外部评测观察到，Astra for Law 的答案长度约为裸基线的两倍，这个细节很合理，一个真在翻法条和判例的系统，能引的东西当然比凭记忆猜的多。

54.0% 本身要读诚实。它意味着 200 道题里还有近一半过不了正确性检查，法律研究远没有被解决。OpenAI 自己也清楚，所以同步推出零留存的 API 条款，用邀请制小范围发放，而不是直接开一个公共开关。及格线上的一大步，距离让人放心还很远。

律所拿它做出了什么

公告里最有信息量的部分是四家律所的成品。

Sullivan & Cromwell 做了协议分析器，把律所自己的谈判手册和精选历史先例带进新交易审查，系统识别不同条款组合叠加后的风险，生成修订建议和客户意见草稿，最后由律师挑战和确认。Ropes & Gray 做了交易尽调系统，按律师实际做尽调的方式运行，哪些问题真正影响交易、结论来自哪份原始文件、重要客户合同是否触发通知或同意义务，全部追溯到源头。Cooley 的 GO Public 把 IPO 流程做成完整工作流，交易事实一变，变化会传导到申报文件的其他部分。Skadden 设计了帮客户评估监管风险的工具套件。Wachtell, Lipton, Rosen & Katz 在合作探索诉讼与公司业务的 AI 支持。

三个方向殊途同归，法律 AI 从回答一个问题，走到了运行一项法律工作。

外围还有生态。26 个合作伙伴插件接入 Relativity、Clio、iManage、Intapp、DeepJudge、Thomson Reuters 等行业工具，9 个社区插件由法律工程师搭建，内含 47 个自定义技能。ChatGPT for Word 当天全面可用，管校对、建议编辑和格式标记。

这份榜单该怎么读

传统模型榜单比的是谁家模型强，这次 OpenAI 比的是同一模型的两种系统配置。38.7% 到 54.0% 的差距全部来自检索索引、专业指令和上下文设置，模型侧零改动。

这个对比方式本身就是行业信号。基础模型能力早已溢出，专业任务的天花板卡在信息供给和方法配置上。投行圈 3 月就出现过类似的调研结论，OpenAI 与 Anthropic 都没有专门的金融垂类模型，靠企业版加行业方案服务客户，Astra for Law 是这条路第一次走到「专门索引加专门治理」的深度。

邀请制加零留存的小心翼翼，背后是行业一团糟糕的历史记录。全球已有超过 2000 份法院判决记下了虚假案例引用，律师因为提交带幻觉引用的辩护状被制裁，最早可以追溯到 ChatGPT 问世的头一年。法律 AI 的信任门槛是全行业垫底的，任何新玩家都得先回答「你的引用能不能点开看原文」这个问题。

54% 的成绩单还配不配得上生产力工具的名头，答案在每一家律所的核验流程里。检索快了一截，最后一英里的验证一点没少。

牌桌上各怀心思

最微妙的位置留给了 Harvey 和 Legora，两家被公开点名的 API 客户。

它们是法律 AI 行业融资最猛的公司，Harvey 9 月初刚以 155 亿美元估值完成 5.5 亿美元融资，1 月年收入 1.9 亿美元，如今年化已过 4 亿，覆盖八成的 Am Law 100 百强律所。它们的产品之所以存在，恰恰因为此前的 GPT 不够懂法律。现在，模型供应商把法律配置、法律索引、律所级权限全用自己的品牌发布了，而这两家的客户随时可以通过 Trusted Access 直接找 OpenAI。

短期看这个结构是稳的。OpenAI 需要 Harvey 和 Legora 攒了多年的工作流知识和律所关系，卖给 Am Law 200 首席法务官一个裸 API，远不如 Harvey 那套白手套产品好卖。Harvey 和 Legora 则拿到一个明显更强的底座，Legora 用新模型在财务报表审查任务里拿到约 40% 的提升，41 份文档的勾稽核对一次跑完，测试集里预埋的 4 处错误全部抓出，包括收入线里一处隐藏缺口。但长期的问题摆在那里，垂直 AI 创业公司押注「工作流和信任是护城河、模型是大宗商品」，这个赌注正在最赚钱的垂直行业里被直接检验。

Harvey 的动作也说明它看清了形势。9 月的融资公告里同时宣布收购 Agent 安全公司 Guardrails AI，发布基于 Kimi K3 后训练的开源权重法律模型 Harvey Tenet，以及自建的法律 Agent 基准 Harvey LAB。控制自己的模型路线，控制自己的评测标尺，都是在降低对任何单一实验室的依赖。

另一边的数据也在提醒大家别把「垂直模型」想得太神。行业技术调查覆盖 500 多家律所 14 万律师，94% 在使用或探索生成式 AI，但使用率第一的是 Microsoft 365 Copilot 的 76%，通用模型 Claude 以 44% 与法律专属的 CoCounsel 持平，压过 Harvey 的 43%。律师们要的先是顺手，专业排在后面。

老牌法律出版商则选择脚踩两条船。Thomson Reuters 一边作为插件伙伴接入 Astra for Law，一边在 8 月底发布了投资 4000 万美元的自研法律模型，新一代 CoCounsel Legal 又构建在 Anthropic 的 Claude Agent SDK 上。模型层可以是别人的，索引和 citator（判例效力引证库）才是它守了百年的资产。

结语

Astra for Law 这一步，OpenAI 把模型公司能替垂直行业做的事做了一遍，建索引、写方法指令、定治理规范、派前向部署工程师进律所。这些事的共同点是，全都不涉及训练模型。

垂直 AI 的价值链正在被这样切分，模型和领域配置归基础设施层，工作流和机构判断归应用层，中间的检索资产成了新的竞争高地。Clio 花 10 亿美元收购拥有 110 个辖区编辑文档的 vLex， Thomson Reuters 死守引证库， OpenAI 现在自建 2.3 亿网页索引，都是在囤同一种东西。

对法律服务市场，还有一个现成的空档，这套索引只覆盖美国法。欧洲律所今天用它，得到的只是一台好用的美国法研究助手，德国法和法国法一概不知。谁先把多辖区的法律语料基建补上，谁就握住了美国之外的另一半市场。

对其他垂直行业，这份样本给出了一个可以直接抄的作业结构。领域索引加方法指令加权限治理，三层配齐，通用模型就能在专业任务上跳升 40%。医疗、财税、合规都值得照着做一遍，问题只剩一个，谁愿意出这个建索引的成本。

公告里有一句很容易被划过的话，律所可以把自己的先例、方法和判断，转变成符合自身标准的 AI 工具和工作流。翻译一下，资深律师脑子里那些说不清道不明的经验，第一次有了一条进入系统的路。检索会越来越便宜，判断会越来越贵。