Astra for Law以20.8%全通过率登顶法律AI基准评测

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

2026年11月17日,OpenAI发布Astra for Law 6.2,并同日披露其在Harvey LAB-AA v1.1基准上的评测结果:120项私有法律任务,覆盖24个执业领域,全任务通过率20.8%,位列所有参评模型第一。这是迄今为止同一基准中最高的公开成绩,同底座的通用版GPT-6.2 Astra在同一评测中得分为15.0%,差距5.8个百分点。ChatGPT Enterprise客户目前可通过OpenAI的可信访问计划申请使用。

它究竟是什么,又是怎么跑赢自己的"同胞兄弟"的

Astra for Law并非全新模型,而是GPT-6.2 Astra的法律专项配置——可以理解为在通用底座之上叠加了面向法律场景的系统提示、工具调用链与输出格式约束。这种架构差异直接体现在评测数字上:同一底座,法律专项配置比通用配置高出约39%。这说明提示工程与任务专项对齐在法律场景中的杠杆效应远超想象。

Harvey LAB-AA v1.1的评测设计相当苛刻。任务集由法律AI公司Harvey设计,涵盖从并购中的所有权变更策略制定,到商业租约审查、起诉书大纲起草等真实律师日常工作;评分采用二元标准——每项任务的所有评分标准必须全部通过,才计入"全通过",部分得分不算数。全通过率20.8%意味着在100项任务里,大约只有21项能让三位AI评审一致认为"完全达标"。这个数字听起来不高,但在法律工作的严苛语境下,它已经是当前公开模型的天花板。

除了通过率,本次评测中更引人注目的指标是幻觉率。据Crypto Briefing援引评测数据,Astra for Law 6.2每项任务的材料性幻觉仅为0.03次,是参评模型中的最低值,折算下来约每100项任务出现3次材料性错误。这项检查的具体范围是:对比模型输出与所提供案件文档,核查不受文档支持的陈述——它不验证判例法引用是否准确,但对于以"依据文件起草文书"为核心的法律代理工作,这已经覆盖了最关键的错误类型。

各方利益方的得与失

对法律从业者而言,幻觉率是真正决定工具能否进入工作流的门槛,而不是通过率排名。律师的核心职业风险在于向当事人或法院提交错误事实。一个能稳定低幻觉地完成文书起草的工具,可以承接大量初稿工作;一个幻觉率偏高的模型,每次使用都需要完整复核,实际节省的时间有限。从这个角度看,0.03的材料性幻觉率是Astra for Law此次发布中最实质性的数据点。

对于已部署ChatGPT Enterprise的企业用户来说,访问路径并非即时可用,而是需要主动申请。这种设计有两种合理解释:一是OpenAI在控制容量,避免法律场景的高风险输出引发规模化的合规事件;二是借助申请流程筛选用例,积累可追溯的真实反馈。与此同时,Harvey和Legora等法律科技合作伙伴将通过API接入,意味着这些平台的用户未来将成为另一条主要渠道。

对竞争格局而言,本次发布产生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,这会压缩专门面向律师事务所销售的垂直法律AI公司的差异化空间。当GPT-6.2 Astra通用版本身也达到15%全通过率时,"专门为法律设计"这个卖点需要用更具体的可操作优势来支撑,而不是笼统的准确性承诺。

一个基准能说明多少问题

Harvey LAB-AA并非唯一的法律AI评测框架,把几个基准的结果放在一起,图景就复杂得多。据报道,在另一项HLAB基准上,GPT-6.2 Astra仅排名第11位;在法律研究基准上排名第30位。在Vals AI的法律研究基准中,Astra for Law 6.2于2026年11月16日得到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中并未居顶。

这种跨基准的分化并不奇怪,但需要谨慎对待。Harvey LAB-AA测试的是任务型代理能力——给定一份材料,完成一项具体法律文书;而法律研究基准更侧重于检索和引用判例、论证法律适用。两种能力对法律工作同样重要,但训练优化的方向可以不同。Astra for Law在Harvey LAB-AA上的第一名,说明其在文书起草类任务上做了明确的专项对齐,但这不等同于全能型法律AI能力的全面领先。

Harvey LAB-AA的任务集由Harvey设计,而Harvey本身是一家商业法律AI公司,也是OpenAI的法律领域合作伙伴之一。评测的独立执行由Artificial Analysis完成,但任务设计与评分标准的制定权归属于Harvey,这在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,但在解读"第一名"时,需要将其放在"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

从基础设施层看,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%。这意味着企业技术团队现在可以通过标准云服务调用该底座模型,而不必完全依赖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完整的一套。