OpenAI 发布 Astra for Law 法律智能模型
OpenAI 发布升级版 Astra for Law,基于 GPT-6.2 Astra 前沿模型,结合扩展法律检索索引与推理指令,在 Harvey LAB-AA、LAB: USCL 与 Vals AI 法律研究基准上取得领先表现。该配置在 LAB-AA 测试中获满分的频率比第二名 GPT-6.2 Astra 高出近 40%,并面向所有 ChatGPT Enterprise 客户开放申请,包括 API 接入。
报道正文
本文目录6 个章节
今天,我们发布更新版 Astra for Law,它在 Harvey LAB-AA 上达到最先进水平,并在 LAB: USCL(由 Harvey(opens in a new window) 与 Grubel(opens in a new window) 联合开发)以及 Vals AI 的 Legal Research Bench 上表现位居前列。我们同时向所有 ChatGPT Enterprise 客户开放通过 Trusted Access Program 申请访问的通道,包括通过 API 访问。
Astra for Law 是 GPT‑6.2 Astra 的一种模型配置,后者是我们最新、最强大的前沿模型。它将 GPT‑6.2 Astra 与扩展的法律检索索引以及用于研究问题、权衡权威依据并撰写答案的指令相结合。今天的配置在 LAB-AA 测试中获得满分的频率,比排名第二的 GPT‑6.2 Astra 高出近 40%。
自我们于九月向一小批律所推出 Astra for Law 以来——其中包括 Cooley、Ropes & Gray 和 Sullivan & Cromwell——我们的研究团队已快速创新,以提升其法律推理能力,并将其法律检索索引扩大了三分之一以上。在 Vals AI 的 Legal Research Bench(opens in a new window) 上,通过所有检查的研究答案占比在不到两个月内从约 46% 上升至 53.8%。
随着世界日益复杂,律师扮演着越来越重要的角色。他们塑造了我们所依赖的几乎每一个体系:他们谈判推动商业往来的协议,在法庭上捍卫人们的权利,并起草我们共同遵循的法律。正因如此,我们将法律列为 OpenAI 的研究重点:把最优秀的智能交到最优秀的律师手中。
Harvey LAB-AA 排名第一
Harvey 的法律智能体基准(LAB)测试模型能否从头到尾完成一项法律任务。LAB-AA(在新窗口中打开) 是 Artificial Analysis 对该测试的版本。它让模型接受由 Harvey 开发的 120 项任务考验,涵盖 24 个法律领域——从起草证词提纲到审查商业租约,再到为收购中的所有权变更制定策略。要获得满分,答案必须满足任务的全部要求,且不得产生幻觉,即不得提出源文件不支持的实质性主张。
Astra for Law 排名第一,在 20.8% 的任务上获得满分,领先于 GPT‑6.2 Astra 的 15.0% 和 Muse Wonder Full 的 13.1%。
Astra for Law 以 20.8% 排名第一,获得满分的频率比 Muse Wonder Full 高出约 59%,后者是得分最高的非 OpenAI 模型。
Astra for Law 还以每项任务输出量少 54% 的成绩获得了这一最高分,平均每项任务约 64,000 个输出 token,而 Muse Wonder Full 为 139,000 个。对于按使用量付费的法律团队来说,这可能意味着是保持在预算之内还是超支。
每个点代表一种模型配置。位置越高意味着获得满分的任务越多;越靠左意味着输出 token 越少,其中包括模型在推理和写作时生成的文本。Astra for Law 平均每项任务约 64,000 个输出 token,并在 20.8% 的任务上获得满分,而 Muse Wonder Full 为 139,000 个和 13.1%。图中没有任何配置能以更少的输出 token 达到 Astra for Law 的得分。
每项任务的幻觉比 Claude Opus 5.5 少 95%
在法律工作中,幻觉是不可接受的。一个凭空捏造的引证就可能让律师失去客户的信任、在法庭上的公信力,以及多年建立的声誉。这就是为什么减少幻觉一直是 Astra for Law 的优先事项。在 Artificial Analysis 最新的 LAB-AA 对比中,Astra for Law(与 GPT‑6)并列实质性幻觉率最低:每项任务 0.03 次,而 Claude Opus 5.5(下一个最低的非 OpenAI 模型)为 0.59 次。值得注意的是,Astra for Law 在此评估中的表现包括在满足全部通过标准的任务上零实质性幻觉。
Astra for Law 平均每次任务出现 0.03 次实质性幻觉和 0.06 次轻微幻觉。Claude Opus 5.5 平均每次任务出现 0.59 次实质性幻觉和 0.51 次轻微幻觉,实质性幻觉约为前者的 20 倍,轻微幻觉约为 8.5 倍。
在同样的 120 项任务中,Artificial Analysis 统计了可能在实质性问题上误导读者的幻觉性陈述。Astra for Law 平均每次任务出现 0.03 次此类错误,在对比中并列最低,约为常规 GPT‑6.2 Astra(0.06)的一半。
在所有测试的 OpenAI 配置中,幻觉数量都少于 Claude Opus 5.5——后者是该指标上表现最好的非 OpenAI 模型。Opus 5.5 平均每次任务出现 0.59 次实质性幻觉,约为 Astra for Law 的 20 倍。
LAB 上的最佳表现者:USCL 简报撰写
简报撰写是法律领域最复杂的长周期流程之一,需要清晰的推理、研究和写作融为一体,才能产出优秀的论证。
Harvey 与 Grubel(在新窗口中打开) 共同开发了 LAB: USCL(在新窗口中打开),用于测试模型能否在真实的美国联邦案件中完成研究与简报撰写。每个模型都在简报提交前夕介入,为同一方就同一问题撰写简报。在其中一个版本中,模型必须自行找到相关判例;在另一个版本中,模型会获得案件记录和原律师引用的先例。AI 评分器依据经律师审核并校准的标准,对简报进行两两对比评分。Astra for Law 在两个版本中均获得最高分之一。
越靠右表示简报获得的评分越高。在模型自行研究法律的版本中,Astra for Law 得分为 1,844,Opus 5.5 为 1,817。在给定先例的版本中,两者实际上不相上下,分别为 1,883 和 1,882。
第一个结果(左侧的“研究与起草”)之所以重要,是因为更好的法律研究是本次发布的核心改进之一。我们重点改进这一结果,是因为诉讼律师很少一开始就手握一份正确的判例清单。在这项任务中,每个模型都必须自行判断哪些判决重要,并据此撰写法院能够理解的论证。在该任务上,Harvey 的评分者更青睐本次发布的 Astra for Law 所撰写的简报,而非 Opus 5.5 和 Gemini 4 Argon 等其他领先前沿模型的简报。在 Vals AI 评估中,我们可以看到法律研究方面更明显的改进,详见下文。
Vals AI 法律研究基准上的顶尖表现者
我们已将法律列为 OpenAI 的研究重点,专门组建了一支研究团队,加速前沿法律智能的创新。他们进展的一项早期衡量指标来自 Vals AI 的法律研究基准(在新窗口中打开),该基准由执业律师就美国联邦和州法律设置问题。答案必须覆盖每一个必需要点并通过来源核查。9 月,Astra for Law 在约 46% 的问题上获得满分。在 Vals AI 11 月 16 日的评估中,它在 208 个问题中的 112 个上获得满分(53.8%),不到两个月提升了约八个百分点。在所有问题上,它获得了可用分数的 90.9%,包括部分得分。
在不到两个月的时间里,Astra for Law 在法律研究问题上获得满分的比例从约 46% 上升到 53.8%,提升了约八个百分点。
Astra for Law(绿色)位于 Vals AI 法律研究基准上顶尖表现者的小集群中。
将 Astra for Law 构建为一种模型配置,使我们能够始终站在前沿的最尖端,在本例中是 GPT‑6.2 Astra。在此基础上,我们根据从业者的反馈反复调整 Astra for Law 的特定设置和指令,教它像一位经验丰富的律师那样推理和写作。我们还不断打磨其工具,例如法律搜索索引。自 9 月以来,我们将索引扩大了 34%,新增超过 8000 万个新 URL,包括英国、澳大利亚和加拿大等国际司法管辖区。如今,更新后的索引涵盖超过 3.1 亿个 URL,覆盖超过 99.9% 已发布的美国具有先例效力的判例法(在新窗口中打开)。
下图展示了该模型配置如何既利用前沿创新的速度,又在此基础上叠加使其对律师强大的特定要求。在 Harvey 自己的法律智能体基准上,GPT‑6 Astra 在 4.6% 的任务上满足了所有要求。GPT‑6.2 Astra 将表现提升了两倍,在相同条件下完成了 14.6%。采用法律配置后,这一数字升至 16.2%,比 GPT‑6.2 Astra 多完成了 11% 的问题。
这张图表既展示了前沿智能的发展速度,也展示了模型配置带来的影响。从 GPT‑6 Astra 到 GPT‑6.2 Astra,满分率增长了两倍多,随后在 legal 配置下又提升了 11%。该测试来自 Harvey 自有的 LAB(与前面讨论过的 LAB-AA 相互独立)。
律师如何使用 Astra for Law
Astra for Law 最有趣的可能性,正由那些将其用于日常工作的律师们塑造。在律所客户和 OpenAI 自己的法务团队中,早期用户正在围绕自己的执业领域构建参考资料,主动邀请更严苛的挑战来检验自己的论点,并寻找应对不断变化的立法的新方法。
例如,OpenAI 的早期用户正在使用 Astra for Law 来:
-
为你的论点找到最强的对手。 Astra for Law 的一个常见用途是充当陪练。一位竞争法律师会把它对某条法规的解读交给它,并要求它站在对立面进行论证,援引立法历史、法院判决以及其他语言版本的该法律。
-
厘清建议与要求之间的界限。 一位政策律师在研究一项拟议的监督法案时,想知道独立审查者会拥有多大权力。如果审查者要求整改,开发者是否必须照做?对于这类问题,这位律师会把每项义务的通俗英文表述与法案的原文措辞并排放置,以便快速判断文本支持哪一种解读。
-
在与外部律师的第一次通话中直击最难的问题。 当企业考虑进入一个不熟悉的行业时,一位产品律师会使用 Astra for Law 梳理哪些规则将适用于拟议的活动。这样,律师就不必在第一次通话中只寻求高层面的建议,而是能把真正有争议的问题带给外部律师。
-
把一堆政策文件变成一套工作流程。 一位法律项目经理使用 Astra for Law 将监管程序和公司政策转化为供处理 incoming cases 的同事使用的工作流程,使他们能够自动化决定何时索取更多信息、何时结案以及何时上报给律师。
-
构建你希望随法规一同提供的指南。 一位竞争法律师将 Astra for Law 与 ChatGPT 的网站构建工具结合使用,为团队经常使用的立法添加注释。同事在阅读某一条款时,可以将鼠标悬停在术语上查看其定义,点击链接跳转到解释该术语的材料,并查看团队上次遇到该条款时给出的建议。
将 Astra for Law 引入你的执业
从今天起,所有 ChatGPT Enterprise 客户都可以通过管理控制台中的 Trusted Access Program 申请 Astra for Law。如果你的团队已经拥有访问权限,请在 ChatGPT 中选择 gpt-6.2-astra-law。客户还可以使用此表单申请 API 访问权限,将 Astra for Law 集成到自己的工具中。
法律行业正处于一个转折点。随着技术改变企业的能力边界,世界变得日益复杂且相互关联,律师们拥有前所未有的机会来塑造我们理解当下时刻的方式——不仅是为他们所服务的企业,也是为所有生活在他们参与制定的规则之下的我们。
我们相信,最优秀的律师,配备最出色的智能,能够迎接这一时刻。我们才刚刚起步。我们迫不及待想看到你们将把这个行业带向何方。