OpenAI 发布 Astra for Law：面向法律行业的前沿模型
文章摘要
2026 年 9 月 17 日，OpenAI 发布了 Astra for Law，官方定位是”为律所和法律科技公司提供的一套新的 AI 基础设施”。它并不是一个独立产品，而是把最新的 GPT-6 Astra 模型，与一套专为法律专业工作调校的设置、工具和上下文打包在一起。在模型选择器里它显示为 GPT-6 Astra Law，API 名称是 gpt-6-astra-law，初期通过”可信访问计划”（Trusted Access）向选定律所开放，随后进入 API。
技术上最核心的新增件是一个专门的法律检索索引。它覆盖美国判例法、成文法、行政法规、法院规则和行政裁决，官方称语料超过 2.3 亿个 URL 并每日更新。其中判例部分来自 OpenAI 与非营利组织 Free Law Project（CourtListener 的运营方）的合作，号称覆盖了 99.9% 以上已公布的美国有约束力判例。OpenAI 用 Vals AI 的 Legal Research Bench 私有验证集中的 200 道美国法律检索题做了评测：在双方都开到最高推理强度时，Astra for Law 的整体正确率为 54.0%，而仅使用网页搜索的 GPT-6 Astra 为 38.7%，相对提升约 40%；在判例类问题上多找到 24% 的参考判例，在被审计的目标段落集合上多检索出最多 54% 的相关段落。
除了检索，OpenAI 还加了一套针对法律分析与写作的定制指令，用来引导模型区分法院的裁判要旨与附带意见、主动指出削弱己方论点的判例、解释合同例外条款如何改变风险分配等。信任与治理方面，面向合格律所提供 API 零数据留存（ZDR），企业版使用不用于训练，并与 Latham & Watkins 合作设计信息权限、道德隔离墙（ethical walls）和客户指令等机制。
生态上，OpenAI 同时上线了 26 个合作伙伴插件，连接 iManage、Intapp、Relativity、Clio、Thomson Reuters 的 HighQ / CoCounsel 等律所已在使用的专业工具，另有来自 LegalQuants、LECG、Skills.law 的 9 个社区插件和 47 个可改写的自定义 skill。文中还展示了几家顶级律所与 OpenAI 前置部署工程师共建的内部工具：Sullivan & Cromwell 的协议分析器、Ropes & Gray 的尽调系统、Cooley 的 IPO 准备工具 GO Public，以及与 Skadden、Wachtell 的合作。文末页面还放了一组同题对比，OpenAI 称在同一个虚假陈述索赔的提示下，Astra for Law 找到了两个高度贴合的先例，而对照模型在诉讼例子里引用了一个已被上诉审推翻的判决、在交易例子里则报告找不到相关案例。
HN 评论精华
这条帖子拿到 567 分、669 条评论，讨论几乎全部溢出了产品本身，变成了对法律行业、司法系统承载力和知识工作前景的大辩论。
“钱多者赢”的老问题会不会被放大？
- pletnes 打了个比方：就像云计算时代破解加密从比拼时间变成了比拼成本，法律攻击也会变成同样的逻辑——钱包大的赢。
- mcmcmc、umeshunni 都回了同一句话：美国的法律系统本来就是这样运作的。
- xmprt 给出了相反的解读：这其实降低了门槛，原本需要 50 个律师干几百小时的案子，现在 1–2 个律师加 Astra 就能启动，真有案由再加人。
- superxpro12 则担心案件胜负最终会变成”谁的算力多”。
幻觉与责任归属是被追问最多的点。
- cbg0 一针见血：整篇博客对模型幻觉只字未提。heaney-555 指出第三方榜单显示 GPT-6 Astra 的幻觉率其实是所有被测模型里最低的；jdiff 反驳说，在法律这种领域，只要不是 0%，发布博客里就应该写清楚。
- drakythe 提出了责任的本质差异：人类律师在法庭上撒谎会被制裁、罚款、乃至吊销执照，模型不会。
- massysett 觉得很奇怪：Claude Code 都会把生成的代码丢给编译器跑一遍，为什么 LLM 不能把自己的引证丢给 cite checker 过一遍？判例引用有非常规整的语法，程序化校验并不难。heaney-555 回应说，配上 agent harness 并在指令里要求核对引证，现在就能做到接近零幻觉。
- 多人贴出了 damiencharlotin.com 上持续更新的”法庭幻觉案例库”作为现实提醒。jakevoytko 转述了他跟律师朋友的对话：真正谨慎的律师会逐条复核，但依然觉得”起草组装”这一步省了大量时间；问题在于不是每个人都这么自觉。
- 关于”出了事谁被告”，dolebirchwood 的回答最干脆：你。别向一台文字计算器请教法律意见。Ajedi32 补了一句关键区别：血肉之躯的律师是可以被追究执业过失责任的。gr_norm 猜测未来可能会出现针对幻觉的赔付担保或保险产品，echelon 认为”平台为自己 LLM 的法律产出承保”会是个百亿美元级的生意。
法院能不能扛得住？
- jumploops 担心法院将被 AI 生成的诉讼淹没。tokioyoyo 给了一个恰当的类比：开源项目应付不了海量 LLM 生成的 PR，因为瓶颈在 review；法院也一样，而且判决不像代码可以轻易回滚。
- rayiner（看起来有法律背景）贡献了全场技术含量最高的一段：法律系统不是”故意低效”，而是一条为了最大化瓶颈资源——法官——吞吐量而设计的深度流水线。法官是行使独立权力的宪法官员，数量天然受限，所以整套流程才被切成”做一段工作、提交、等几个月、再做一段”的形态，像 GPU 一样靠深度流水线掩盖延迟。10000truths 追问”那为什么不多设法官席位”，rayiner 的回答是：联邦地区法院法官权力极大，你既不想有一万个，也不能降低任职门槛——一旦降低，判决的权威性被稀释，所有人都上诉，瓶颈只是上移到上诉审。诉讼的本质是纠纷解决，你需要的不只是一个决定，而是一个权威到能让财富 500 强 CEO 服判的决定。
- sva_ 提出了积极的一面：很多人根本不知道自己有什么权利，请律师本身就是一道巨大的门槛；他听说德国不少地方公共机构正被”借助 LLM 自己据理力争”的市民淹没，这未必是坏事。
- paimapi 想象了一个短篇小说的点子：一颗荒芜行星持续向外广播法律文书，最后发现只是一群 LLM 律师在为外星法理互相抬杠。
它在跟谁竞争？
- piker 注意到官方在第二段就点名 Harvey 和 Legora，翻译过来就是”别担心，我们没在吃掉自己的孩子来准备 IPO”。
- jmkd 分析得更细：Legora 一直强调模型层可替换，OpenAI 本没必要在第二段就点名这两家，这是在抢先堵住最显而易见的解读——往法律栈上游走这么深，就是在跟自己最大的法律 AI 客户正面竞争。
- forrestthewoods 的态度很鲜明：如果有哪个卡特尔该被打破，那就是法律检索（指 Westlaw / LexisNexis 这类）。elpakal 特意引用了 CourtListener 合作那段，mlissner（Free Law Project）本人现身说明他们十多年来一直提供批量判例数据。ericd 展示了自己在做的免费美国法律检索 API，并在讨论中当场打包了一个种子文件供人下载。
- JumpCrisscross 对隐私部分极不满意：整篇公告关于隐私只有一句”我们正在扩展隐私与治理工作”，没有任何承诺，只是拉钩保证。
- dzonga 觉得 OpenAI 的商业策略是”到处喷、看哪里粘得住”，在应用层迟早被能微调模型的垂直创业公司吃掉。tuesdaynight 反驳说，他们算力多，广撒网本身就是合理策略。
更大的焦虑。 submeta 问的问题被顶得很高：这些模型最终会不会让律师、医生、产品经理、工程师全部失业？如果收益能被全人类共享，那接近乌托邦；他担心的是最后只剩下一小撮更富的亿万富翁和数以百万计的失业者。底下衍生出一长串关于货币价值、体力劳动重新升值、以及”人类从’带身体的大脑’变回’带弱脑的强悍身体’“的悲观推演。也有人提醒（raphman）：地球上还有很多比美国更不受金钱影响的司法辖区，它们同样会被法律 LLM 冲击，而”让好的变坏”比”让坏的变好”更可能发生。