律师查判例，一半问题答对，另一半谁来兜底！
OpenAI发布Astra for Law，把GPT-6 Astra模型和覆盖超过99.9%美国已公布先例判例法的法律检索索引捆在一起，54.0%正确率、2.3亿URL、零数据保留、26个插件，这些数字到底改变了什么？
法律AI最怕找不到真判例
法律AI工具的第一道生死线，是它引用的判例到底存不存在！
美国法律体系里，法官判案要看先例，先例就是之前法院对类似事实做出的判决，上级法院的判决对下级法院有约束力，成文法、法规、法院规则和行政决定也都要查。
普通AI用网页搜索，网页上可能有博客、新闻、过期摘要，模型很容易把不存在或已失效的判例说得像真的一样，律师一旦把这种内容写进法庭文件，轻则被法官训斥，重则被制裁。
Astra for Law 这次把法律检索索引放进了工具集，这个索引收录美国案例法、法规、规章、法院规则和行政决定，数据库超过2.3亿个URL，每天新增资源。
OpenAI与非营利组织自由法律项目（Free Law Project）合作，自由法律项目运营CourtListener，这个数据库覆盖超过99.9%的已公布美国先例判例法。
差异在这里：模型还是GPT-6 Astra，但多了法律检索索引，等于给一个聪明但会瞎编的实习生配了一间只放真实卷宗的档案室！
但是档案室再大，也不等于实习生会办案，检索只是第一步。
54%正确率是低还是高
54.0%这个数字放在考试里不算高，放在法律研究里却让OpenAI专门开了一场发布！
Vals AI（一个法律研究评测平台）用200道美国法律研究题测试Astra for Law的完整设置，在最高推理努力下，Astra for Law总体正确率54.0%，GPT-6 Astra仅用网页搜索是38.7%，相对提升40%。
在案例法问题上，Astra for Law找到的参考案例比网页搜索版多24%；在审计过的目标段落集合上，从正确法院意见中检索到的相关段落多54%。
但是54.0%意味着将近一半问题没有通过整体正确性检查，法律工作对错误的容忍度极低，一份备忘录引错一个判例，可能让客户输掉官司！
成本图也摆在那里，Astra for Law每次回答的成本最高接近6美元，网页搜索版低得多，律所可能觉得值，法律科技公司要把它包装成产品，利润会被吃掉一块。
真正的问题在于这54%里有多少来自法律检索索引，有多少来自模型本身，公告没有拆开说！
事情没那么简单！
会查判例不等于会写法律意见
法律研究只是开头，律师要拿研究结果去套客户事实，写论点、谈交易条款、找弱点。
Astra for Law 配了法律分析和写作指南，能区分法院判决的要旨和法官顺带说的其他观察，能处理削弱自己论点的判例，能解释合同例外怎么在双方之间转移风险。
公告里有一个制造协议的例子：客户签了五年协议，为零售商生产自有品牌产品，签约前被告知同类供应商历史年均订单约800万美元，合同只承诺每年最低采购200万美元，额外订单由零售商裁量，客户知道零售商正在调整订单分配方式，实际订单 barely 超过最低线，内部记录显示历史平均低得多，零售商说客户接受了最低采购和新流程。
Astra for Law 在这个例子里返回了两个事实模式紧密匹配的先例，一个关于历史平均数的虚假陈述，一个关于合同最低采购不否定对历史事实的依赖。
但是模型能写出结构完整的备忘录，不等于它能替律师做判断，它可能找到相似判例，却漏掉管辖州对合理依赖的严格标准，也可能把有利判例读得太乐观！
所以律师的工作从找判例变成审AI找的判例，这活一点没轻！
保密这条红线怎么守
律所最怕AI把客户机密喂给下一家律所！
律师与客户之间的通信受法律保护，很多信息属于律师-当事人保密特权，AI工具只要处理这些信息，就必须回答数据存哪里、谁能看、保留多久。
OpenAI为合格律所开了可信访问计划（Trusted Access Program），让律师和在他们监督下工作的人用Astra for Law做专业法律工作，API提供零数据保留（Zero Data Retention，ZDR），ChatGPT企业版的使用默认排除人工审查。
OpenAI还与美国大型律所Latham & Watkins（莱瑟姆·沃特金斯）合作，设计信息权限、伦理墙、客户指令和律所监督，伦理墙就是防止同一律所内部不同客户团队之间信息串门的隔离机制。
但是零数据保留是合同承诺，不是密码学保证，它依赖OpenAI的内部操作和审计，律所只能选择相信或不信！
对年收入几亿美元的大律所来说，一次客户数据泄露可能比输掉一个案子更致命，治理就是入场券！
插件把AI塞进律师日常工具
律师不会为了用AI而换掉每天开的软件，OpenAI这次发了26个合作伙伴插件，把ChatGPT连到律所已经在用的专业工具上。
这些插件覆盖法律实践和业务，比如案件管理、电子取证、文件管理、计时和先例比较，律师可以在ChatGPT里起草谈判简报，保存到案件文件；业务管理系统可以浮现可能需要记录工时的活动；先例工具可以把之前的交易拉进来做比较。
汤森路透（Thomson Reuters）把HighQ的案件上下文带进ChatGPT，并预览CoCounsel Legal连接器，HighQ是律所用来管理案件和协作的平台，CoCounsel Legal是汤森路透的法律AI产品。
同一天ChatGPT for Word正式全面可用，律师可以直接在Word里校对、获取建议修改、标记格式问题。
但是插件越多，数据流动路径越多，律所必须搞清楚每个插件读取什么、写回什么、数据存在哪里，否则一个便利功能就可能变成保密漏洞！
律所自己造工具才是重头戏
Astra for Law 与成品法律AI工具的最大区别，是它把基础架构交给律所，让律所把自己的先例、方法、判断灌进去做工具。
公告说OpenAI的前沿部署工程师与选定律所合作，用ChatGPT企业版做自定义界面和专有数据集成，美国大型律所Sullivan & Cromwell（苏利文·克伦威尔）搭了协议分析器，把律所谈判手册和精选先例带进新交易审查，帮律师发现条款合在一起才出现的风险，再生成修改建议和客户建议草稿。
Ropes & Gray（瑞生）搭了交易尽职调查系统，围绕律师怎么读数据室、怎么判断对交易重要的信息，能追溯发现到来源，标记关键客户合同是否需要通知或同意。
Cooley（库利）搭了GO Public，把资本市场经验带进公司上市准备，从起草IPO文件到识别管理层该关注的风险，交易变化会贯穿文件。
但是这些工具需要律所有技术团队、有数据治理、有愿意改变工作方式的律师，中小律所很难复制！
所以Astra for Law 可能先服务头部律所，再通过法律科技公司向下渗透，这个差距本身就是一门生意！
卖工具的人自己开店了吗
OpenAI在公告里说，包括法律科技公司在内的API客户可以基于Astra for Law构建自身产品和工作流，同时OpenAI自己也直接向律所销售Astra for Law。
这意味着同一家底层模型供应商，既给法律科技公司供货，又直接服务律所的终端需求，法律科技公司既是客户又是竞争对手！
但是OpenAI的说法是开放和可组合，律所可以用专业产品，带自己的工具和知识，适配社区技能，合作伙伴可以继续开发自己的应用和工作流。
这种模式在软件行业不新鲜，平台方提供基础能力，应用方做垂直解决方案，冲突在于平台方掌握模型、定价和路线图，应用方很难说不！
对律所来说，选择变多了，但供应商锁定风险也变大了，今天用Astra for Law搭的工具，明天如果OpenAI涨价或改条款，迁移成本可能高得吓人！
那个没公布的定价
Astra for Law 先通过ChatGPT和Codex的可信访问计划向选定律所提供，模型选择器里显示为GPT-6 Astra Law，API里是gpt-6-astra-law，API版本即将推出。
公告没给API日期，也没给API定价，只说会继续推进模型、设置、工具和指令，用严格评测和律师反馈来改进。
54.0%正确率是在最高推理努力下测出来的，成本图显示每次回答成本最高接近6美元，如果律所每天跑几百次法律研究，账单会非常好看！
真正的悬念在这里：当法律检索索引、零数据保留、插件生态和自定义工具全部到位，OpenAI会不会把价格降到法律科技公司能承受、中小律所也能用得起的位置，公告没说，也没给时间表！
这件事还没完！