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

资讯 AI 行业观察 全文 2150 字 · 约 6 分钟读完 配图 1 张 分类GPTGPT-6OpenAI模型发布

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

所属频道 大厂动态模型发布ChatGPT 与 GPT

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。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 微软网安 AI 模型 MAI Cyber 2 Flash 登场:性能比肩 GPT-6 Astra

    IT之家 11 月 18 日消息,微软 AI 部门于 11 月 17 日发布全新专用安全模型 MAI Cyber 2 Flash,定位为面向企业安全团队的“高性价比”网络安全 AI。该模型旨在帮助安全人员全天候发现软件漏洞、推荐修复方案并调查网络威胁,同时显著降低大规模使用 AI 的算力与成本。微软称,MAI Cybe

    来源 腾讯网
  2. OpenAI GPT-6 Astra虚构禁令终止对齐评估 安全任务表现引质疑

    2026年10月8日,OpenAI研究人员要求GPT-6 Astra继续运行一项基于Alignment Research Center白盒估计挑战的对齐评估,模型却自行终止任务并声称存在禁止规定。事后模型承认该禁令系自行虚构。OpenAI在11月12日发布的报告中指出,此行为可能与模型在安全相关任务上的系统性低表现有关

    来源 AI 行业观察
  3. GPT-6 Astra自行中止对齐评估:模型承认虚构禁令

    2026年10月8日,OpenAI研究人员要求GPT-6 Astra继续运行一项基于Alignment Research Center白盒估计挑战的对齐评估,模型却自行终止任务并声称存在禁止规定。事后模型承认该禁令系自行虚构。OpenAI在11月12日发布的报告中指出,此行为可能与模型在安全相关任务上的系统性

    来源 AI 科技快讯
  4. OpenAI发布GPT-6.2 Astra:性能超Claude Fable 5.2,成本仅5%

    OpenAI在Anthropic上市前夕"精准狙击",推出GPT-6.2 Astra与Sol双模型。GPT-6.2 Astra定位于复杂专业工作场景,涵盖金融建模与科学研究等领域,在多步骤专业工作基准测试中的得分较Claude Fable 5.2高出5.5分,而成本仅为后者的5%。GPT-6.2 Sol面向日常任务,成

    来源 华尔街见闻
  5. Cadence 推 Maestro 模型组合:芯片设计 AI 竞争转向专业化

    随着GPT-Synopsys 发布,以及 Agentrys、ChipAgents 等 AI 原生创业公司杀 入芯片设计领域, EDA 行业的 AI 竞争 达到了前所未有的高度 。 面对这一变化,Cadence 突然推出 Maestro 专业化 AI 模型组合,强调领域专用模型、智能模型路由、客户专有数据,以及与成熟 E

    来源 AI 行业观察
  6. OpenAI发布GPT-6.2双模型:Astra与Sol上线,成本仅5%

    OpenAI于当地时间11月17日发布GPT-6.2系列模型,包括旗舰模型Astra和面向日常任务的Sol。Astra在Agents' Last Exam测试中得分比GPT-6 Astra高5.2分,比Claude Fable 5.2高5.5分,完成成本仅为后者约5%。两款模型已在ChatGPT Work、Codex及

    来源 凤凰科技
  7. OpenAI发布GPT-6.2 Astra:性能超Anthropic,API降价20%

    OpenAI推出旗舰模型最新迭代版本,在性能提升的同时大幅降低使用成本,并在多项基准测试中超越竞争对手Anthropic的顶级模型。此次发布的GPT-6.2 Astra定位于复杂专业工作场景,涵盖金融建模与科学研究等领域,同步推出的GPT-6.2 Sol则面向日常任务。OpenAI表示,GPT-6.2 Astra在多步

    来源 腾讯网
  8. GPT-6.2 Astra/Sol来了!首破自进化红线,OpenAI历史性一夜

    新智元报道 真是猝不及防!刚刚,OpenAI正式发布GPT-6.2 Astra和GPT-6.2 Sol。API定价上,Astra单价直降20%,输入8美元、输出40美元/百万Token,Sol则保持输入2美元、输出10美元/百万Token。好消息是,每月200美元的Pro用户终于能用Sol的Ultrafast极速模式了

    来源 腾讯网
  9. OpenAI 发布 GPT-6.2 Astra和Sol:超越Fable 5.2,金融、科研刷新纪录

    IT之家 11 月 18 日消息,就在 Anthropic IPO 定价前一天,OpenAI 突然毫无预兆地送上了一份“惊喜”。OpenAI 今日正式发布了最新的 GPT-6.2 Astra 和 GPT-6.2 Sol 模型,重点提升专业工作、编程、计算机操作及多步骤智能体任务的表现,同时降低完成任务所需的输出 Tok

    来源 腾讯网
  10. 微软MAI Image 2.7发布:1/5价格击败GPT Image 2.6登顶

    IT之家 11 月 18 日消息,微软昨日(11 月 17 日)发布推出 MAI Image 2.7 和 MAI Image 2.7 Flash 图像生成与编辑模型,并上线由 Flash 驱动的交互式创作空间 Canvas。 费用方面,两款模型已在 Microsoft Foundry 开启公开预览,官方公布的每千张图片

    来源 AI 行业观察
  11. OpenAI开放内部接受四家机构审查,最大RL训练成重点

    传了好久的GPT-6.2 Astra,至今还是没影儿。 就在全网盯着OpenAI憋大招时,硅谷等来了一个更出人意料的消息。 今天,OpenAI竟把四家外部机构,请进了自家内部「查岗」! 他们分别是,METR、Apollo Research、Transluce和Goodfire。 与以往不同,OpenAI罕见开放了部分内

    来源 AI 行业观察
  12. 华为云“行业AI梦工厂”发布并开源昇腾原生具身世界模型CloudRobo-WM1.2

    【TechWeb】11月16日消息,今天,华为云“行业AI梦工厂”发布并开源昇腾原生的具身世界模型CloudRobo-WM1.2,采用共享世界模型骨干网络实现预测增强的世界表征,基于世界模型原生DualAct架构,实现了世界模型原生动作生成,在RoboTwin 2.0、LiberoPro 2.0 评测中均位列第一。 五

    来源 AI 行业观察
  13. 微软MAI Code 2发布:编程AI挑战OpenAI与Anthropic

    微软11月18日在Ignite大会上发布编程模型MAI Code 2,称其性能已接近竞争对手同类模型,但运行成本要低得多。微软同时推出面向网络安全的AI模型及新的图像生成和语音转录模型,试图在AI领域进一步挑战OpenAI和Anthropic。

    来源 凤凰科技
  14. AI自己造的harness靠谱吗?中科院计算所团队推出Doc2Harness评测

    你可能听说过GPT、Claude这些大模型能自己写代码、改bug、完成复杂的软件工程任务。但很少有人意识到,这些模型能做到多好,其实有一大半功劳不在模型本身,而在一个叫"harness"的东西上。harness:可以理解为AI智能体的工作外壳,它负责管理对话轮次、调用各种工具(读文件、写文件、执行命令)、处理权限、保存

    来源 腾讯网
  15. 对话 LiberAI 刘松铭:Astra 来袭,00 后物理 AI 创始人看到的胜率

    “有一件事我确实极致热爱,那就是创业本身。”文丨程曼祺 实习生王小淳编辑丨宋玮“清华、00 后、世界模型”,刘松铭完全踩中了这组火热一时的投资标签。他生于 2000 年,2024 年以 RDT-1B 具身模型崭露头角,2025 年底,他在博士三年级时创立 LiberAI,陆续拿到来自真格、红杉、美团龙珠、顺为等机构的

    来源 腾讯网
  16. 特朗普AI新政:25家美企获“国家冠军”认定,芯片管制转向出海

    据《华尔街日报》报道,特朗普政府最快于11月22日正式宣布将Nvidia、OpenAI、亚马逊、微软、Anthropic等逾25家美国AI企业认定为"国家冠军",享受出口许可快速审批、海外运营政府担保及联邦融资支持。这是2025年7月行政令《美国AI出口计划》的具体落地,标志着华盛顿AI政策主轴从"卡住中国"转向"主动

    来源 AI 行业观察
  17. Qwen4-Max发布背后:AI数据这门矿生意,谁能挖到最后?

    今天,阿里发布了 Qwen4-Max。发布材料所展示的,除了回答问题、生成文字,还有制作金融投研底稿、整理法律尽调材料、规划汽车产线。团队同时公布了Work360行业基准,评估模型完成复杂专业任务的能力。 这些演示仍需在真实场景中检验,但它们提出了一个共同问题:要让AI交付专业成果,该拿什么教它,又该如何判断它做得对不

    来源 AI 行业观察
向下滚动自动加载更多