今天，我们推出 Astra for Law：这是一个全新的基础，供律所和法律科技公司围绕自身专业能力构建 AI 产品与工作流。它将我们最新、最强大的模型 GPT‑6 Astra，与专为专业法律工作定制的设置、工具和上下文结合在一起。
包括 Harvey 和 Legora 在内的 API 客户将能够基于 Astra for Law 进行构建，把这种智能带入各自的产品和工作流。随着我们的前沿模型不断进步，我们会把这些法律能力带到最新的模型上。
我们还在扩大隐私与治理方面的工作，为律所处理保密客户事务提供专门的控制手段。律所还可以借助我们新推出的 26 个生态插件来定制 Astra for Law，这些插件将 ChatGPT 与律所已在使用的专业工具（如 Relativity 和 Clio）连接起来。
面向法律领域的前沿智能
Astra for Law 将 GPT‑6 Astra 与强大的法律搜索索引以及法律分析和写作指令结合起来。它们共同放大了 Astra 在整个法律实务中的能力，同时让律所和法律科技公司可以自由构建自己的应用和工作流。
法律研究：从事实到有依据的答案
我们全新的法律搜索索引是 Astra for Law 可以使用的工具之一。法律研究往往始于找到恰当的权威依据，定位相关段落，并理解它们与当前情形的相关程度和约束力。该索引帮助 Astra for Law 完成这项工作，并与律所依赖的、来自 Thomson Reuters 等提供商的授权内容和专业产品相互补充。
借助法律搜索索引，Astra for Law 可以在超过 2.3 亿个 URL 的语料库中检索美国判例法、成文法、法规、法院规则和行政裁决，且信息源每天都在增加。我们与 CourtListener 背后的非营利组织 Free Law Project 合作，将其判例法收藏（涵盖超过 99.9% 的已公布美国先例性判例法）纳入这一研究体验。
为衡量这一配置对法律研究的提升，我们在 Vals AI 的 Legal Research Bench 私有验证集中的 200 道美国法律研究题上，测试了 Astra for Law 的完整配置。该基准测试衡量模型查找相关来源和段落的能力，以及其研究答案满足评估标准的程度。
在两套系统均采用最高推理强度的情况下，Astra for Law 在 54.0% 的问题上通过了评估的整体正确性检查，而仅使用网络搜索的 GPT‑6 Astra 为 38.7%，相对提升 40%。Astra for Law 给出的答案也更全面。
在以判例法为重点的问题上，在最高推理强度下，Astra for Law 找到的参考案例比仅使用网络搜索的 GPT‑6 Astra 多 24%。在经过审核的目标段落集上，在相同推理强度下比较两套系统，它从正确的法院判决意见中检索到的相关段落最多多出 54%。
其结果是为交易咨询、争议评估或诉讼策略制定提供了更坚实的研究基础，律师可以亲自检验其中可靠的权威依据。
Astra for Law 与 GPT‑6 Astra 在 Vals AI Legal Research Bench 验证集上、不同推理强度设置下的表现。
提升端到端法律工作流的表现
法律研究只是第一步。针对法律分析和写作的自定义指令，会引导 Astra for Law 将研究结果应用于客户的事实、提出论点或交易条款，并找出薄弱环节和不确定性。这可能意味着区分法院的判决要旨与其附带意见、处理削弱论点的案例，或说明合同中的某项例外如何在双方之间转移风险。
例如，当被要求找出事实情形相似的有效法律时，Astra for Law 既能准确找到相关先例，又比其他前沿模型更好地匹配事实情形：
提示词
我们的客户在被告知该零售商的同类供应商历史上平均每年订单约 800 万美元之后，签署了一份为期五年的协议，为该零售商生产自有品牌产品。合同要求零售商每年至少采购 200 万美元，额外订单由其自行决定。签约前，我们的客户知道该零售商正在修订其在各供应商之间分配订单的方式。订单量仅略高于最低额度。内部记录显示，历史平均值要低得多。零售商称我们的客户同时接受了最低额度和新的分配流程。请找出事实上最接近的先例，并就我们客户的不实陈述（misrepresentation）主张撰写一份备忘录。
Claude Fable 5.1
备忘录——针对零售商的不实陈述主张
最接近的先例。Paragon Metals Holdings v. Smith, C.A. No. N21C-12-090-SKR-CCLD (Del. Super. Aug. 13, 2025)。买方指称卖方隐瞒了两家主要客户将大幅削减采购量。经过法官审理（bench trial），法院驳回了欺诈主张，认为买方未能进行充分的尽职调查，并且忽视了对其主张所依据的那些信息的多次披露，尽管这些披露不够得体。值得注意的是，法院假定某些陈述可能是虚假的，但仍判决卖方胜诉，因为买方无法证明其信赖具有正当性。
适用。我们最强的事实是，“800 万美元平均值”是对历史事实的陈述，而非预测，且内部记录显然表明它是虚假的。这就使其区别于通常的“预测不可诉”抗辩。200 万美元的最低额度并未否定该历史数字；它分配的是未来的风险，而非过去的事实。
我们最弱的事实与 Paragon 案相似：客户知道分配方法正在变化，却依然签了约。零售商会辩称，这一认知使得依赖旧的平均值不合理，并且最低额度已涵盖了双方议定的风险。协议中的反信赖条款或完整协议条款会使这一点更加不利。
建议。围绕虚假的历史平均值，主张欺诈性诱导（并以过失性不实陈述作为替代）；收集证据，证明流程变更被说明为对订单量没有影响。确认准据法——特拉华州对信赖的要求尤为严格。
Astra for Law
我们的客户有一项基于虚假历史数据的可行主张，但并没有获得每年 800 万美元订单的权利。
最接近的类比是 Oliver Wyman, Inc. v. Eielson, 282 F. Supp. 3d 684, 700–03 (S.D.N.Y. 2017)，适用马萨诸塞州法律。咨询业务的卖方在被告知合伙人平均薪酬约为 100 万美元之后，接受了为期四年、保证 425,000 美元并可酌情增加的雇佣协议。他们知道薪酬体系正在变化。法院就涉及历史平均值的欺诈和过失性不实陈述反诉请求驳回了简易判决：有证据对其准确性提出了争议，而合同约定的保底金额与过往业绩并不矛盾。
同样，零售商所称约 800 万美元的历史平均值是可验证的事实性断言。接受 200 万美元的最低额度和可酌情增加的订单，并不必然意味着放弃对真实历史信息的信赖。但 Oliver Wyman 案强调，没有证据表明修订后的体系会从根本上改变薪酬，或使历史平均值失去意义。同上，701–02 页。零售商最有力的抗辩，是证明我们的客户明白分配方式的变化会使过去的供应商订单量失去参考价值，而不仅仅是证明变化已被告知。
对于欺诈，我们的客户必须证明：明知重大虚假、意图诱使签约、实际且合理的信赖，以及由此造成的损失。过失性不实陈述则可能基于提供商业信息时注意不足。需要获取与所陈述期间和比较群体相匹配的供应商层面记录、陈述者当时的沟通记录，以及我们客户的决策记录。
面对相同的提示词，Astra for Law 返回了两个高度吻合的先例；在诉讼示例中，Claude Fable 5.1 返回了一项后来在上诉中被推翻的判决，而在交易示例中，它报告称没有找到此类案例。
Astra for Law 将首先通过 ChatGPT 和 Codex 中的可信访问（Trusted Access）向选定的律所提供，并即将登陆 API。它将在模型选择器中显示为“GPT‑6 Astra Law”，在 API 中为 gpt-6-astra-law。
“我们很荣幸能预览 Astra for Law 的早期版本，它们是针对法律用例构建的。在诉讼和交易事务中，这些模型都展现出令人印象深刻的研究深度和对权威依据的敏感度。即便在这个早期阶段，它们也让人感到，朝着以当前且全面的研究为扎实基础、专注于法律的 AI 迈出了重要一步。”
John Savva，合伙人，Sullivan & Cromwell
“在我们的早期测试中，Astra for Law 在法律研究的关键方面表现出色：答案以切题的权威依据为基础，引用精确，并能提供务实的咨询建议。”
Niko Grupen，Harvey 应用研究负责人
第 1 项，共 2 项
“我们很荣幸能预览 Astra for Law 的早期版本，它们是针对法律用例构建的。在诉讼和交易事务中，这些模型都展现出令人印象深刻的研究深度和对权威依据的敏感度。即便在这个早期阶段，它们也让人感到，朝着以当前且全面的研究为扎实基础、专注于法律的 AI 迈出了重要一步。”
John Savva，合伙人，Sullivan & Cromwell
法律级的信任与控制
律所需要保护客户机密，并控制 AI 在其业务中的使用方式。我们为符合条件的律所设立了专门的可信访问计划（Trusted Access Program），让律师及在其监督下工作的人员能够将 Astra for Law 用于专业法律工作。对于符合条件的律所，该服务包括我们 API 上的零数据留存（Zero Data Retention，ZDR），并且 ChatGPT Enterprise 的使用默认不接受人工审查。
我们还与 AI 治理领域的领先者 Latham & Watkins 合作，围绕信息权限、道德隔离墙（ethical walls）、客户指示和律所监督进行设计。
“随着 AI 能力越来越强，将其部署到要求严格治理、监督和问责的环境中的能力也在增强。此次合作建立在 Latham 在全所范围内对 AI 开发、治理和基础设施的更广泛投入之上，这些投入支撑着我们面向负责任 AI 的全企业战略。”
Michael Rubin，Latham AI 战略委员会主席
围绕律所的专业能力打造 ChatGPT
借助前沿智能和恰当的控制，律所可以把自己的先例、方法和判断，转化为符合自身标准的 AI 工具和工作流。
我们的前置部署工程师与选定的律所合作，通过自定义界面以及与专有数据的集成来调整 ChatGPT Enterprise，为每家律所的工作流打造工具：
- Sullivan & Cromwell 构建了一个协议分析器，将律所的谈判手册和精选先例带入新交易的审查。它帮助律师发现条款结合起来阅读时出现的风险，再把这些发现转化为拟议的修订标记（redline）和客户建议草稿，供他们质疑和完善。
- Ropes & Gray 围绕其律师处理数据室（data room）并判断哪些事项对交易重要的方式，构建了一套交易尽职调查系统。它帮助他们将发现追溯到来源，并找出可能影响收购的问题，例如关键客户合同是否要求通知或同意。
- Cooley 构建了 GO Public，把其资本市场专长带入企业准备上市的过程，从起草 IPO 申报文件到识别值得管理层关注的风险。当交易发生变化时，它会把这一变化贯穿整个申报文件，让律师能够一并审查其影响。
第 1 项，共 4 项
“我们与 OpenAI 的合作让我们得以重新思考这项工作的完成方式——让律师和管理团队更快地走完繁重的准备工作，进入那些需要判断力、市场经验和战略思考的问题。”
Dave Peinsipp，Cooley 全球资本市场业务合伙人兼联席主席
律所可以与自己的团队和合作伙伴的产品一起构建，并为工作限定允许的来源和审查流程。
前沿智能，连接法律领域最值得信赖的工具
我们很自豪能与推动法律 AI 发展的专业公司合作。今天，我们推出了 26 个由合作伙伴构建的插件，帮助律所更深入地使用其已在使用的工具和知识。这些插件涵盖法律实务和律所业务。借助 iManage，律师可以在 ChatGPT 中起草谈判简报并保存到案件档案；Intapp 可以呈现可能需要审核计时记录的活动；DeepJudge 可以将过往交易带入对比。Thomson Reuters 正在把 HighQ 的案件上下文带入 ChatGPT，并预览即将推出的 CoCounsel Legal 连接器。
“随着 AI 变得更加开放和可互操作，价值并不仅仅在于连接。法律专业人士需要的不只是获取信息。他们需要可信赖的智能、相关的企业和案件上下文、专为法律打造的能力，以及高风险工作所需的治理。这正是 Thomson Reuters 通过 HighQ 和 CoCounsel Legal 所提供的。CoCounsel 仍是值得信赖的专业 AI 系统，旨在帮助完成这项工作。我们与 OpenAI 的合作有助于让这些能力在客户选择的环境中可用，同时保持他们所依赖的准确性、保密性和问责性。”
Joel Hron，首席技术官，Thomson Reuters
此次发布包括来自 LegalQuants、LECG 和 Skills.law 的律师和法律工程师贡献的 9 个社区插件，以及 47 项自定义技能，从业者可以对其进行调整、扩展，或从中获得启发，在 ChatGPT 中开展工作。社区插件让最贴近工作的人能够继续为这些技能的能力设定标准。我们今天还将正式推出 ChatGPT for Word，让律师可以在他们已经依赖的起草工具中进行校对、获取修改建议并标记格式问题。
我们的方式是开放且可组合的：律所可以使用专业产品，带上自己的工具和知识，并让社区构建的技能适应自己的业务。合作伙伴可以继续开发自己的应用和工作流，而律所则自行选择如何将这些能力组合在一起。基于 OpenAI 构建，应当意味着从生态中获得更多，而不是取代它。
与我们一起构建
OpenAI 正在对法律领域进行长期投入。我们将继续协同推进 Astra for Law 的模型、设置、工具和指令，并以严格的评估以及律师和法律科技合作伙伴的反馈为指引。我们还将继续改进 ChatGPT，让律所能够围绕自身专业能力进行构建，并连接他们使用的工具。
我们与 Wachtell, Lipton, Rosen & Katz 的合作，将该所的诉讼和公司业务专长与我们的前沿研究和工程相结合，探索 AI 如何支持提供高水准法律判断所涉及的工作。
“OpenAI 前置部署工程团队在我们讨论 AI 在支持法律工作中的作用时，展现出的技术深度和倾听的意愿，让我们十分欣赏，我们也对 AI 塑造下一个法律实务时代的可能性感到兴奋。”
Wachtell, Lipton, Rosen & Katz
最具雄心的应用将来自从事法律实务的人，以及与他们并肩构建的公司。我们致力于与这一生态合作，让律所能够将自己的专业能力、标准和判断带入 AI，并以只有他们才能做到的方式服务客户。
如需了解 Astra for Law 的早期访问、将其构建到您的产品中，或围绕律所的专业能力开发工具，请联系 OpenAI。