OpenAI 发布 Harvey GPT-6 Astra 案例

OpenAI 于 9 月 23 日发布了一则附带视频的客户案例，介绍法律 AI 公司 Harvey 如何使用 GPT-6 Astra 起草法律文件。Harvey 表示，它向模型输入更多上下文，例如法院信息、律所文件和判例研究结果，从而得到结构更清晰的文件。据 OpenAI 介绍，与其他模型相比，Harvey 在文件格式和上下文理解方面看到了显著改善。Harvey 联合创始人兼总裁 Gabe Pereyra 表示："我们可以给模型更多上下文，并产出结构越来越好的结果。"

Harvey 帮助律所和企业内部法务团队在从诉讼到并购的复杂法律工作中安全部署 AI。客户使用 Harvey 把海量资料转化为复杂的法律文件。OpenAI 案例页面将 Harvey 归类为北美地区的初创公司，使用的产品为 API。

在 METAL 核实的 66 秒介绍视频中，Pereyra 从规模角度说明问题。他说："大型律所可能同时处理数万件客户事务，需要一种在这些事务中安全使用智能体的方式。"无论是大型并购还是大型诉讼都是如此。他表示，大多数法律工作都要吸收大量上下文再起草复杂文件，而 Astra 正在拓展的正是这一边界。因此，客户可以把更多精力放在高层次战略上，而不是分析文件和整理输出格式。

案例中最引人注目的功能是 Harvey 的记忆面板。它把律师个人的偏好直接带入起草流程，律师可以记录诸如使用编号列表、优先以证券申报数据库 EDGAR 作为来源、按优先级用颜色标注问题等指令。这些偏好会与原始资料和备忘录草稿并排显示。OpenAI 表示，由于 Astra 能处理更多上下文，Harvey 可以生成质量更高的法律文件。

Harvey 研究团队的评价方向一致。据报道，Harvey 应用研究负责人 Niko Grupen 表示："在复杂法律任务上，Astra 相比 GPT-5.6 Sol 有显著的质量提升。"他说，在早期测试中，Astra 像一位眼光敏锐的律师那样处理法律工作：区分文件与既定记录，揭示缺乏依据的假设，并把漏洞转化为具体的起草立场。

背后是一套专为法律打造的配置。METAL 此前报道过 OpenAI 于 9 月 17 日发布 Astra for Law，Harvey 和 Legora 被列为将在其上构建产品的 API 客户。Astra for Law 把 GPT-6 Astra 与覆盖超过 2.3 亿个 URL 的法律检索索引以及法律分析与写作指令结合在一起。据 OpenAI 介绍，在 Vals AI 法律研究基准的 200 道美国法律问题中，它通过整体正确性检查的比例为 54.0%，比仅使用网页搜索的 GPT-6 Astra 的 38.7% 相对高出 40%。Grupen 在该发布中表示，Astra for Law "在以切题的权威依据支撑答案、精确引用以及提供实用建议方面表现出优势"。

使用同一模型的 Legora 也公布了测试结果。据报道，Legora 的智能体借助 GPT-6 Astra 一次性完成了涵盖 41 份文件的财务报表核对工作，并找出了预先埋入账目的全部 4 处错误，其中包括隐藏在收入附注中的 50 万英镑差额。Legora 表示，这项工作的表现比上一代模型提升近 40%，而在其自有基准 BAR 的全部任务中，平均提升约为 3%。

GPT-6 Astra 是 OpenAI 的旗舰模型，于 9 月 3 日开始有限推出。据报道，它在涵盖 55 个专业子领域的基准 Agents' Last Exam 上取得 59.3%，超过 GPT-5.6 Sol 的 53.6%。OpenAI 正接连发布 Astra 客户案例，包括 invideo 和 Parallel。

从科技律师的视角看，这个案例的核心不在性能数字，而在控制机制。Harvey 强调的改进是格式和上下文理解，OpenAI 并未公布具体改进幅度。记忆面板让律师预先设定来源优先级和文件格式，Legora 也强调最终判断留给法律专业人士。法律文件的责任由签字的律师承担。AI 越是提升初稿质量，决定先看哪些依据、审查结果的分量就越向人一侧倾斜。