Astra for Law登顶LAB-AA:20.8%全通过率,幻觉率0.03次

资讯 AI 科技快讯 作者:赢政天下 全文 2306 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

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。这是一套基于GPT-6.2 Astra的法律专项配置。在Harvey与Artificial Analysis联合打造的LAB-AA v1.1基准中,它覆盖24个法律执业领域的120项私有任务,全任务通过率20.8%,排在第一位,材料细节见评测披露。

同一天,OpenAI还公开了这项评测的详细结果:120项私有法律任务、24个执业领域、全任务通过率20.8%,在所有参评模型里居首。这是该基准至今最高的公开成绩。同一底座的通用版GPT-6.2 Astra只拿到15.0%,两者相差5.8个百分点。ChatGPT Enterprise客户眼下可以向OpenAI的可信访问计划提交申请来使用它。

它到底是什么,又凭什么赢过自己的"同胞兄弟"

Astra for Law并不是从零训练的新模型,而是在GPT-6.2 Astra通用底座上加了一层法律专项配置。说白了,就是针对法律场景的系统提示、工具调用链和输出格式约束。架构上的这点差别,直接反映在分数上:同样的底座,法律专项配置比通用配置高出约39%。提示工程和任务专项对齐在法律场景里能撬动多大的效果,这个数字给了一个直观答案。

Harvey LAB-AA v1.1的评测设计很严。任务集由法律AI公司Harvey设计,内容取自真实律师的日常活计,包括并购中的所有权变更策略制定、商业租约审查、起诉书大纲起草等。评分走二元标准:一项任务的所有评分标准必须全部过关,才算"全通过",拿部分分不算。20.8%的全通过率,意味着100项任务里大约只有21项能让三位AI评审一致认定"完全达标"。数字看着不算高,可放在法律工作这种容错极低的语境下,它已经是目前公开模型的上限。

比通过率更受关注的指标是幻觉率。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,在参评模型中最低,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与所给案件文档,专门核查没有文档支撑的陈述。它不验证判例法引用是否准确,但对于"依据文件起草文书"这类核心法律代理工作,最关键的错误类型已经覆盖到了。

各方利益相关者的得与失

对法律从业者来说,决定一个工具能不能进工作流的门槛是幻觉率,不是通过率排名。律师最大的职业风险,是向当事人或法院递上错误事实。一个能稳定低幻觉完成文书起草的工具,可以接住大量初稿工作;幻觉率偏高的模型,每次用完都得完整复核一遍,真正省下的时间有限。0.03的材料性幻觉率,是这次发布里最实在的一个数据点。

已经部署ChatGPT Enterprise的企业用户,并不能立刻用上,得主动申请。这种安排有两种说得通的解释:OpenAI可能在控制容量,避免法律场景的高风险输出酿成规模化合规事件;也可能是想借申请流程筛选用例,攒下可追溯的真实反馈。另一边,Harvey和Legora等法律科技合作伙伴会通过API接入,这些平台的用户未来将成为另一条主要渠道。

竞争格局上,这次发布形成了一个结构性压力点。通用底座在法律场景下已经接近可用门槛,专门卖给律所的垂直法律AI公司,差异化空间会被压缩。GPT-6.2 Astra通用版自己就有15%的全通过率,这时候"专门为法律设计"这个卖点,得拿更具体的可操作优势来撑,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在一起,图景就复杂了。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于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未居顶。

跨基准的分化并不奇怪,只是解读时要谨慎。Harvey LAB-AA测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同。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能力的全面领先。

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,任务设计与评分标准的制定权却在Harvey手里。逻辑上,这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,需要把它放在"Harvey设计的任务集"这一限定语境下理解。

接下来应该观察什么

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%。企业技术团队现在可以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的企业接入与底层API可用性同步落地,从工程部署角度看,是一套完整的东西。

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. 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
  2. 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
  3. OpenAI补全粒子物理标准模型?GPT-6 Astra主导核心证明

    刚刚,OpenAI「补全」了粒子物理标准模型? 针对一个50多年来悬而未决的物理问题,GPT-6 Astra为加州大学圣塔芭芭拉分校UCSB物理学家Nathaniel Craig提供了「实质性」帮助。 作为OpenAI科学博客首篇客座文章作者,物理学家Nathaniel Craig介绍,他与GPT-6 Astra合作,

    来源 AI 行业观察
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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
  9. 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
  10. 中信建投:物理AI将成AI下一波浪潮,机器人是极佳物理载体

    11月17日,中信建投研报称,北美巨头加速布局,OpenAI对独立机器人团队进行架构重构。GPT-6惊艳效果有望加速产业核心具身大脑发展,Apple、OpenAI、Meta入局,Tesla推进量产,进一步明确产业趋势。OpenAI对独立机器人团队进行架构重构,主要系通用模型在机器人控制上展现出较强潜力,中长期看AI大模

    来源 腾讯网
  11. GPT-6可零样本操控机械臂:多校联合发布RoboRisk安全基准

    新智元报道 近年来,多模态基础模型凭借规模化带来的泛化能力,越来越多地被用作机器人的「大脑」,负责任务规划和动作决策。GPT-6 Astra发布后,研究者发现它可以零样本控制机械臂,甚至完成绘画这样的复杂任务;GPT、Claude、Gemini、Grok等主流模型都已支持即插即用的机器人控制。智能体机器人(agenti

    来源 腾讯网
  12. 美团LongCat-2.5开源:1.6万亿参数全昇腾训练20项超GPT-5.6

    美团于2026年11月15日开源LongCat-2.5权重,该1.6万亿参数MoE模型全程使用华为昇腾训练,未接触英伟达GPU,在27项测试中20项超过GPT-5.6-Sol。报道从评测数据出发,分析国产芯片对模型能力上限的影响,并探讨其在出口管制背景下的产业意义。

    来源 AI 科技快讯
  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
向下滚动自动加载更多