Astra for Law登顶法律AI基准:120项任务通过率20.8%,幻觉率0.03次
OpenAI于2026年11月17日发布Astra for Law 6.2,这是一个基于GPT-6.2 Astra的法律专项配置。在Harvey与Artificial Analysis联合开发的LAB-AA v1.1基准中,该模型以20.8%的全任务通过率位列第一,覆盖24个法律执业领域的120项私有任务,材料性幻觉率
OpenAI在2026年11月17日推出Astra for Law 6.2,同一天公布了它在Harvey LAB-AA v1.1基准上的成绩。评测包含120项私有法律任务,横跨24个执业领域,全任务通过率20.8%,在所有参评模型中排第一,也是该基准迄今公开的最高分。同一底座的通用版GPT-6.2 Astra通过率为15.0%,两者相差5.8个百分点。ChatGPT Enterprise客户眼下可以通过OpenAI的可信访问计划申请使用。
它到底是什么?又凭什么跑赢自己的“同胞兄弟”?
Astra for Law不是从零训练的新模型,而是在
GPT-6.2 Astra这个通用底座上做的法律专项配置:系统提示、工具调用链、输出格式约束都针对法律场景重新设定。架构上的这点差别,直接反映在分数上——同一底座,法律配置比通用配置高出约39%。换句话说,提示工程加上任务专项对齐,在法律场景里撬动的效果比很多人预想的要大。
Harvey LAB-AA v1.1的考法相当严。任务集出自法律AI公司Harvey之手,内容都是律师日常会碰上的活:为并购设计所有权变更策略、审查商业租约、起草起诉书大纲等等。评分只有二元标准,一项任务的所有评分点全部通过才算“全通过”,拿到部分分不算。20.8%的全通过率,放到100项任务里看,大约只有21项能让三位AI评审一致认定“完全达标”。数字听着不高,可放在法律工作这种苛刻语境下,它已经是当前公开模型的上限。
比通过率更受关注的是幻觉率。据Crypto Briefing援引评测数据,Astra for Law 6.2每项任务的材料性幻觉只有0.03次,为参评模型最低,折算下来约每100项任务出现3次材料性错误。这项检查对比的是模型输出和所提供的案件文档,专门核查没有文档支撑的陈述。判例法引用准不准,它并不验证;但对以“依据文件起草文书”为主的法律代理工作来说,最关键的出错类型已经被覆盖住了。
各方利益相关者的得与失
对法律从业者来说,幻觉率才是决定一个工具能不能进工作流的门槛,通过率排名反而在其次。律师最怕的职业风险,是把错误事实交给当事人或法院。一个能稳定低幻觉完成文书起草的工具,可以接走大量初稿工作;幻觉率偏高的模型,每用一次都得完整复核,真正省下的时间有限。这么看,0.03的材料性幻觉率,是Astra for Law这次发布里最有分量的一个数据。
已经部署ChatGPT Enterprise的企业用户,并不能立刻用上,需要主动申请。这种安排有两种说得通的解释:OpenAI可能在控制容量,免得法律场景的高风险输出酿成规模化的合规事件;也可能想借申请流程筛选用例,攒下可追溯的真实反馈。另一边,Harvey、Legora等法律科技合作伙伴将通过API接入,这些平台的用户日后会成为另一条主要渠道。
竞争格局上,这次发布压出了一个结构性的点:通用底座在法律场景里已经接近可用门槛,垂直法律AI公司专供律所的那套差异化空间会被挤窄。GPT-6.2 Astra通用版自己就拿到15%的全通过率,“专门为法律设计”这个卖点,就得拿更具体的可操作优势来说话,笼统的准确性承诺不够用了。
一个基准能说明多少问题
Harvey LAB-AA不是唯一的法律AI评测框架。把几个基准的结果摆到一起,图景就复杂多了。据报道,在另一项HLAB基准上,GPT-6.2 Astra只排第11位;在法律研究基准上排第30位。Vals AI的法律研究基准中,Astra for Law 6.2在2026年11月16日拿到53.8%的满分率,据估算比两个月前的基线提升约8个百分点,但在该基准的整体排名里并没有登顶。
跨基准出现分化并不奇怪,不过解读时要谨慎。Harvey LAB-AA考的是任务型代理能力——给一份材料,完成一项具体法律文书;法律研究基准侧重检索和引用判例、论证法律适用。两种能力对法律工作都重要,训练优化的方向却可以不一样。Astra for Law在Harvey LAB-AA上拿第一,说明它在文书起草类任务上做了明确的专项对齐,但这不等于全能型法律AI能力全面领先。
Harvey LAB-AA的任务集由Harvey设计,而Harvey本身就是一家商业法律AI公司,也是OpenAI在法律领域的合作伙伴之一。评测的独立执行由Artificial Analysis完成,任务设计和评分标准的制定权却归Harvey,逻辑上存在利益相关方参与基准设计的结构性问题。这不代表数据造假,但解读“第一名”时,要把它放回“Harvey设计的任务集”这个限定语境里。
接下来该盯什么
基础设施层面,GPT-6.2 Astra已于11月17日同日在Amazon Bedrock正式上线,API定价为每百万输入token 8美元、输出40美元,比前代GPT-6 Astra低20%。企业技术团队现在能通过标准云服务调用这个底座模型,不必完全依赖OpenAI的直接接口。Astra for Law的企业接入和底层API可用性同步落地,从工程部署的角度看,是一套完整的安排。