Astra for Law 在法律 AI 領域表現領先
我們最新的模型配置在涵蓋 24 個法律領域的首發評測中排名第一,撰寫的法律書狀也獲得比 GPT‑6 Astra 更高的評價。所有 ChatGPT Enterprise 客戶現在皆可申請使用。
今天,我們推出更新版 Astra for Law,在 Harvey LAB-AA 上達到業界頂尖水準,並在 Harvey(在新視窗中開啟) 與 Grubel(在新視窗中開啟) 共同開發的 LAB: USCL,以及 Vals AI 法律研究基準測試中名列前茅。我們也開放所有 ChatGPT Enterprise 客戶透過可信存取計畫申請使用,包括透過 API 存取。
Astra for Law 是以我們最新、最強大的前沿模型 GPT‑6.2 Astra 為基礎的模型配置。它將 GPT‑6.2 Astra 與專用法律搜尋索引結合,並搭配指令,引導模型研究問題、權衡法律依據並撰寫答案。這套配置在 LAB-AA 評測中獲得滿分的比例,比單獨使用 GPT‑6.2 Astra 高出近 40%。
自我們於 9 月推出 Astra for Law,供 Cooley、Ropes & Gray 及 Sullivan & Cromwell 等少數事務所使用以來,研究團隊持續快速創新,提升其法律推理能力,並將法律資料來源擴充至約兩倍。在 Vals AI 法律研究基準測試(在新視窗中開啟)中,研究答案通過所有查核的比例,已從約 46% 提升至近 55%。我們持續投入法律領域,讓最優秀的律師能運用我們最強的前沿智慧,在日益複雜的世界中解決推動進步所需面對的問題。
Harvey 的法律智慧體基準測試(LAB)用來測試模型能否從頭到尾完成法律任務。LAB-AA(在新視窗中開啟) 是 Artificial Analysis 推出的該測試版本。它以 Harvey 設計的 120 項任務嚴格考驗模型,涵蓋起草庭外證詞詢問大綱、審閱商業租約,以及擬定收購案所有權變更策略等工作。若要獲得滿分,答案必須符合任務的每一項要求,且不能產生幻覺,也就是提出來源文件無法支持的重大主張。
Astra for Law 在 20.8% 的任務中獲得滿分,排名第一,領先 GPT‑6.2 Astra 的 15.0% 與 Muse Wonder Full 的 13.1%。

OpenAI 法務解決方案在 20.8% 的任務中獲得滿分,排名第一。
Astra for Law 取得最高分時,輸出量還不到首發比較中得分最高的非 OpenAI 模型的一半。它每項任務平均輸出約 64,000 個 Token,Muse Wonder Full 則為 139,000 個;同時,它獲得滿分的比例也更高:20.8%,相較於 13.1%。對按用量付費的法律團隊而言,這代表 Astra for Law 比 Muse Wonder Full 更常獲得滿分,而每項任務的輸出量卻少了 54%。這樣的差距可能決定支出能否維持在預算內,還是大幅超支。

每個點代表一種模型配置。位置越高,代表獲得滿分的任務越多;位置越靠左,代表輸出 Token 越少,其中包含模型在推理與撰寫時產生的文字。Astra for Law 每項任務平均輸出約 64,000 個 Token,並在 20.8% 的任務中獲得滿分;Muse Wonder Full 則分別為 139,000 個與 13.1%。圖中沒有任何配置能以更少的輸出 Token,達到與 Astra for Law 相同的分數。
法律工作容不得幻覺。光是一筆捏造的引文,就可能讓律師失去客戶信任、在法庭上的公信力,以及多年建立的聲譽。因此,減少幻覺一直是 Astra for Law 的優先目標。在 Artificial Analysis 最新的 LAB-AA 比較中,Astra for Law 與 GPT‑6 並列重大幻覺發生率最低:每項任務為 0.03 次,相較之下,非 OpenAI 模型中表現最佳的 Claude Opus 5.5 則為 0.59 次。

Astra for Law 每項任務平均出現 0.03 次重大幻覺與 0.06 次輕微幻覺。Claude Opus 5.5 每項任務平均出現 0.59 次重大幻覺與 0.51 次輕微幻覺,分別約為前者的 20 倍與 8.5 倍。
在相同的 120 項任務中,Artificial Analysis 統計了可能在重要事項上誤導讀者的虛構主張。Astra for Law 每項任務平均出現 0.03 次這類錯誤,在比較中並列最低,約為一般 GPT‑6.2 Astra(0.06 次)的一半。所有受測的 OpenAI 配置,幻覺數都低於在這項指標上表現最好的非 OpenAI 模型 Claude Opus 5.5。Opus 每項任務平均出現 0.59 次重大幻覺,約為 Astra for Law 的 20 倍。值得注意的是,在這項評測中,Astra for Law 凡是符合全部通過標準的任務,都沒有出現幻覺;也就是說,即使套用幻覺扣分機制,其評測分數也不會下降。
撰寫訴訟書狀是法律工作中最複雜、需要長時間進行的流程之一,必須結合清晰的推理、研究與寫作,才能提出出色的論證。
Harvey 與 Grubel(在新視窗中開啟) 共同開發了 LAB: USCL(在新視窗中開啟),測試模型能否針對真實的美國聯邦案件進行研究並撰寫書狀。每個模型都從書狀提交前的時間點接手,為同一方當事人針對同一爭點撰寫書狀。在其中一個版本中,模型必須自行查找相關判例。另一個版本則會提供案件卷宗,以及原承辦律師引用的判例。AI 評分系統會依據經律師審核並校準的標準,逐對比較書狀。Astra for Law 在兩個版本中的得分都名列前茅。

Farther right means the briefs earned higher ratings. When the models researched the law themselves, Astra for Law scored 1,844 to Opus 5.5’s 1,817. Given the precedents, they were effectively even at 1,883 and 1,882.
位置越靠右,代表書狀獲得的評分越高。在模型自行進行法律研究的測試中,Astra for Law 得分為 1,844,Opus 5.5 則為 1,817。在提供判例的測試中,兩者得分為 1,883 與 1,882,實質上不相上下。兩項測試的不確定性區間均有重疊。
第一項結果(左側的「研究與起草」)之所以重要,是因為提升法律研究能力是此次版本的核心改進之一。我們著重改善這項表現,因為訴訟律師在著手處理案件時,很少已有一份適合的判例清單。在這項測試中,每個模型都必須判斷哪些裁判具有重要性,並據此撰寫法院能夠理解的論證。在這項任務中,相較於 Opus 5.5 和 Gemini 4 Argon 等其他領先的前沿模型,Harvey 的評分系統更偏好今日推出的 Astra for Law 所撰寫的書狀。接下來介紹的 Vals AI 評測,更能看出法律研究能力的明顯提升。
我們已將法律列為 OpenAI 的研究重點,並投入專責研究團隊,加速前沿法律智慧的創新。Vals AI 法律研究基準測試(在新視窗中開啟)是衡量團隊初期進展的指標之一,測試題目由執業律師針對美國聯邦及州法律設計。答案必須涵蓋所有必要要點,並通過來源查核。9 月時,Astra for Law 通過了約 46% 的題目。今日推出的版本通過率為 54.81%,與已公布的最高分相差不到一個百分點。
將 Astra for Law 建構為一套模型配置,讓我們能夠改善其推理方式,並擴充可供查閱的資料。自 9 月以來,我們已在這套配置中導入 GPT‑6.2 Astra,並改良引導其法律分析的指令。我們也在搜尋索引中新增了超過 539,000 筆美國法律資源,並開始納入英國、澳洲及加拿大的第一手法律資料,新增超過 98,000 筆來自這三國的資源。這些新增資料進一步擴充了法律搜尋索引;該索引在推出時就已涵蓋超過 2.3 億個網址,其資料集涵蓋超過 99.9% 已公布且具有先例效力的美國判例法(在新視窗中開啟)。
在 Harvey 自有的法律智慧體基準測試中,GPT‑6 Astra 在 4.6% 的任務上符合所有要求。在相同條件下,GPT‑6.2 Astra 完整達標的比例為 14.6%。採用法律專用配置後,這項比例提升至 16.2%。

This chart shows both the rate of development in frontier intelligence, as well as the impact of the model configuration. The full-credit rate more than tripled from GPT‑6 Astra to GPT‑6.2 Astra, then rose another 11% with the legal configuration. This test comes from Harvey’s own LAB (separate from the previously discussed LAB-AA).
長條越長,代表符合 Harvey 所有要求的任務越多。這項測試由 Harvey 獨立執行,與 Artificial Analysis 的 LAB-AA 評測不同。
每天使用 Astra for Law 的律師,正逐步探索最值得期待的應用方向。從律師事務所客戶到 OpenAI 自身的法務團隊,早期使用者正依據執業需求建立參考資料,讓自己的論點接受更嚴格的檢驗,並探索研讀法規的新方式。
舉例來說,OpenAI 的早期使用者正運用 Astra for Law 來:
讓論點接受最強對手的挑戰。Astra for Law 的一種常見用途,是擔任辯論陪練。一位競爭法律師提供自己對法條的解讀,請模型根據立法沿革、法院裁判及其他語言的法律版本,從對立立場提出論證。當反對意見有力到足以讓律師調整建議時,這種用法的價值就顯現出來了。
釐清建議與強制要求的界線。一位研究 AI 監管法案草案的政策律師,想了解獨立審查者究竟會有多大權力。如果審查者要求改善,開發者是否必須照辦?針對這類問題,律師會將每項義務的淺白英文說明與法案原文並列,讓同事看出條文支持哪一種解讀。
與外部法律顧問第一次通話,就直接切入難題。當公司考慮進入不熟悉的產業時,產品律師會使用 Astra for Law,梳理規劃中的業務活動適用的法規。如此一來,第一次通話就不必花時間請專家介紹整個產業,而能針對公司打算進行的業務,提出具體問題。
將一疊政策文件化為工作流程。一位法務專案經理運用 Astra for Law,將法規程序與公司政策整理成工作流程,讓受理案件的同事知道何時應要求補充資訊、何時可以結案,以及何時需要轉交律師處理。
為法條補上你需要的實用指南。一位競爭法律師將 Astra for Law 與 ChatGPT 的網站建置工具搭配使用,為團隊常用的法規加上註解。同事閱讀條文時,只要將游標移到術語上,就能查看定義;也能透過連結前往相關解釋資料,並查看團隊上次處理該條文時提出的建議。
即日起,所有 ChatGPT Enterprise 客戶都能在管理員控制台中,透過可信存取計畫申請使用 Astra for Law。如果你的團隊已有使用權限,請在 ChatGPT 中選取 GPT‑6.2 Astra Law。若要透過 API 將 Astra for Law 整合至自有工具,請聯絡你的客戶總監,另行申請核准。
法律專業正處於轉捩點。科技正在改變企業的能力範圍,世界也日益複雜、相互連結。在此之際,律師有前所未有的機會,協助我們理解當下的變局。這不僅關乎他們服務的企業,也關乎我們每一個人,因為我們都依循著他們參與制定的規則生活。我們相信,最優秀的律師運用最強大的 AI 能力,能夠迎接這個時代的挑戰。
我們才剛起步,期待看到你為法律專業開創的新方向。


