OpenAI 刚发布的 Astra for Law，把法律 AI 的底裤扒了：54% 正确率也敢叫板专业律师？

OpenAI 昨天扔了个叫 Astra for Law 的东西出来，定位是法律专用 AI 基础平台。我第一反应是：又来一个套壳法律助手？但翻完他们发的博文，有个细节很有意思——他们用 Vals AI 法律研究基准的私有验证集跑了 200 道美国法律问题，在最高推理强度下，Astra for Law 整体正确率 54.0%。而只用网页搜索的 GPT-6 Astra，这个数字是 38.7%。

但真正让我坐直了的，是另一个数据：在案例法导向的问题中，Astra for Law 找到的参考案例数量比通用搜索 多 24%；在经审计的目标段落集合里，它从正确法院意见书中检出的相关段落最高 多 54%。

简单讲就是：它不光找得多，而且找得准。

技术上来说，Astra for Law 的核心不是模型本身，而是那个 2.3 亿个 URL 的法律搜索索引，以及覆盖 99.9% 以上已发布美国判例法的 CourtListener 案例库。这个覆盖度意味着什么？意味着你问它一个冷门的联邦巡回法院判例，它大概率能翻出来，而不是像通用模型那样靠记忆瞎编。

我拿一个实际场景试想了一下：一个律师在准备 专利侵权诉讼，需要区分法院判决里的 核心裁判理由 和 附带评论。这两者在法律效力上天差地别，但通用 AI 经常混为一谈。Astra for Law 的做法是先检索、再定位段落、最后做区分。这比让 GPT 直接“回忆”要靠谱得多。

但这里有个问题：54% 的正确率 到底够不够用？

跟同类比，这个数字不算惊艳。法律 AI 赛道里，像 Casetext 的 CoCounsel 和 Thomson Reuters 的 Westlaw Precision 已经跑了好几年，它们在特定任务上的准确率有的能到 70% 以上。但 OpenAI 的打法不一样——它不做“AI 律师”，它做的是 基础平台，卖给律师和法律软件公司，让它们在上面自己搭应用。

有个细节很有意思：OpenAI 在博文里明确说了，Astra for Law 不是 AI 律师。这句话是说给谁听的？是说给那些担心被 AI 取代的律师听的，也是说给监管机构听的。

但我觉得这件事对行业的冲击，恰恰在于它 降低了法律 AI 的准入门槛。以前你要做一个法律检索工具，得自己爬判例、建索引、做标注，成本极高。现在 OpenAI 把基础设施打包好了，你只需要调 API 就能做一个垂直应用。

这对 Casetext 和 Westlaw 来说不是好消息。它们的护城河从来不是模型能力，而是 判例数据库 和 法律编辑团队。如果 OpenAI 的索引覆盖了 99.9% 的已发布判例，那这个护城河就被填平了一大半。

但反过来看，OpenAI 也有软肋。54% 的正确率 意味着将近一半的问题它会答错。在法律场景里，这个错误率是灾难性的。所以短期内，Astra for Law 只能做 辅助工具，不能做 决策主体。律师可以用它来快速定位相关判例，但最终判断还得靠人。

如果你是个 法律从业者，这件事跟你的关系很直接：你未来用的法律检索工具，底层很可能就是 Astra for Law。你的工作效率会提高，但你对工具的依赖也会加深。

如果你是个 开发者，这是个机会。OpenAI 把法律搜索的基础设施开放出来了，你可以基于它做一个 合同风险分析工具、一个 不利判例预警系统，或者一个 庭审准备助手。门槛比过去低得多。

如果你只是个 普通读者，你可能会问：那我以后打官司是不是可以不用请律师了？我的判断是：短期内不行，长期也未必。法律服务的核心不是信息检索，而是 判断和策略。AI 能帮你找到所有相关判例，但它没法告诉你哪个判例对你的案子最有利，也没法在法庭上随机应变。

OpenAI 的 Sam Altman 在 X 上说过一句话，大意是 AI 应该增强人类而不是取代人类。放在法律场景里，这句话特别对——因为律师的价值不在于记住多少判例，而在于知道 什么时候用哪个判例。

不过有个隐藏的功能他们没公开说，我还在测，回头单独写一篇。

本文基于 media 公开报道编译解读

本文基于 media 公开报道编译解读，查看原文