OpenAI在2026年10月6日公布了一项新的研究进展，宣布与企业级AI合同管理平台Ironclad结盟，通过后者的专业工作流训练前沿模型GPT-6 Astra操作复杂软件。在涉及法务、商务和采购的11项真实配置任务评测中，Astra拿到了55.0%的平均得分，比GPT-5.6 Sol的41.6%相对提升了32%，单次尝试的预估耗时也从37.0分钟缩短至19.2分钟。
这项合作并非普通的产品集成，它标志着基础大模型正在撞上企业深水区的业务规则墙。大模型在自然语言文本生成上的红利已经见顶，当它们试图以Computer Use的形态接管企业核心软件时，光靠通用的屏幕识别和点击远远不够。OpenAI不得不放低身段，通过垂直SaaS龙头换取严苛的流程规则定义权与专用训练沙盒。
细则得分掩盖的合规漏斗
公众第一眼看到55%的分数与接近腰斩的耗时，容易得出AI已经能替企业法务完成一半配置工作的结论。但只要拆开评测细则，就会发现这是一种危险的错觉。
此次测试的11项任务覆盖了保密协议配置、采购审批链搭建以及跨司法管辖区条款动态映射等工作。人类资深用户完成单项任务平均需要30至40分钟。OpenAI为每项任务设置了8至50个评分细则维度，模型最终拿到的55.0%是各项维度累加的部分得分，而不是全流程端到端的任务闭环成功率。在具体推理档位上，Astra开启了Max reasoning设定，对比的Sol则使用High reasoning设定。在特定个案演示中，Astra达到了94%的细则吻合度，看似亮眼，但合同生命周期管理与普通代码生成有着本质差异。
企业法务流程遵循的是极其残酷的木桶效应。一个采购流程即便在表单设计、界面跳转上拿满分数，只要遗漏了一条超过特定预算阈值需财务总监审批的硬性规则，或者绑错了管辖权条款，在法务风控层面整套配置的可用性就是零。部分正确在商业合规面前毫无意义，甚至意味着灾难性的合规漏洞。
在容错率为零的合同治理系统里，拿满八成细节却漏掉一处审批门禁，其结果仍是一场溃败。
此外，官方披露中缩短至19.2分钟的数据属于模拟预估时间，并未计入真实企业网络环境下反复重试、模型API调用延迟以及人类法务专员逐条核对所消耗的精力。目前所有跑分均由OpenAI单方面公布，行业内还没有独立的第三方复现机构在Ironclad的生产环境里测试其稳定性。
通用模型撞墙与SaaS厂商的防线
OpenAI之所以主动向垂直软件伸出橄榄枝，根源在于通用Computer Use遇到了瓶颈。
此前业界对这类技术的理解大多停留在Anthropic Claude所展示的操作系统交互路线。但学术界已经在用数据戳破泡沫。2026年4月20日发表的学术论文《On the Reliability of Computer Use Agents》明确指出，这类代理在OSWorld基准上面临严重的跨次执行随机性，单次执行成功根本不代表多次运行的一致性。把这种不稳定的指针点击放到严谨的B端软件里，企业根本无法承受后果。
OpenAI需要突破垂直业务逻辑，但他们既没有法务人员配置流程的隐性知识，也没有足够的合规训练数据。这次合作的精妙之处在于双方的妥协：训练数据完全使用基于代表性工作流生成的合成任务，基础合同文本全部来源于公开的SEC EDGAR数据库并过滤了所有隐私信息，排除了双方的私有客户数据。
这种严格的物理隔离直接对应着企业的安全底线。Ironclad对外公布的责任AI政策有着极其明确的红线：其数据处理分包商在合同上被严格禁止使用Ironclad客户数据训练自身模型。OpenAI拿不到客户真金白银的生产环境数据，只能依靠Ironclad提供的托管软件环境，用合成规则进行强化学习。
在这场交易中，垂直SaaS龙头牢牢守住了防线。它们不仅没有被基础大模型吞并，反而成了模型要落地必须拜会的规则看门人。
路线之争下的真实算盘
纵观目前的法律科技赛道，不同阵营正走向截然不同的技术终局。
| 阵营方案 | 核心技术路径 | 关键验证基准与机制 | 落地局限与隐患 |
|---|---|---|---|
| OpenAI / Ironclad | 托管SaaS环境 + 强化学习精调 | 11项端到端配置任务，均分55.0% | 部分得分无法等同于任务闭环成功率 |
| Harvey | 领域大模型文本分析与提取 | Contract Intelligence基准（4000+点） | 偏向静态信息理解，缺乏系统配置能力 |
| Icertis | 治理型Agent与强制策略网关 | 平台硬性拦截规则，未公开端到端跑分 | 极度保守，依赖人工配置固定流程 |
针对合同这个场景，Harvey选择死守文本智能。其发布的Contract Intelligence基准涵盖了4000多个测试数据点，评测显示律师使用Vault比纯人工或纯AI表现提升5%以上，但其本质依然是辅助信息提取，避开了直接操作软件的深水区。
另一个巨头Icertis则主张治理型合同Agent架构，在架构里用写死的代码设定审计留痕和强制审批网关，防止模型自行做主。比起相信模型的自主配置能力，Icertis更相信平台级的硬约束。
虽然OpenAI在实验中拿出了达到63.7%得分的内部模型作为未来储备，但对于正在观望的企业采购部门和法务主管来说，现实动作非常明确：目前绝对不能盲目裁撤人工审计流程。AI配置界面可以用来生成草稿，但最后的门禁开关仍然必须握在合规专员手里。
- 风险.过早相信代理软件配置的自主性，会把企业原有的确定性审批流降级为概率性的黑盒风险。
- 建议.法务团队应将此类工具严格限制在辅助草拟阶段，系统审批门禁必须由平台硬规则接管，保留百分之百的人工复核动作。
OpenAI借道Ironclad吹响了进军企业深水区的号角，但这并不是生成式AI对传统软件的速胜，而是一场漫长而妥协的渗透战。