OpenAI在2026年9月17日正式推出面向法律行业的专用基础平台Astra for Law，底座基于GPT-6 Astra，在模型选择器中命名为GPT-6 Astra Law，API调用标识符对应为gpt-6-astra-law。
这场发布表面上看是一次行业落地，实际上是底层大模型巨头对垂直应用壁垒的一记直拳。法律行业向来以付费意愿强、单位客单价极高著称，但因其对判例时效、事实要件匹配以及客户保密的严苛要求，通用大模型长期只能当草稿纸用。OpenAI这次不再满足于输出通用Token，而是直接下场装配专有检索与工作流。
检索管道的胜利，而不是单点模型的顿悟
传统通用大模型做法律研究，最致命的缺陷是幻觉与效力过期：经常引述已被上诉法院推翻的判例，或者在案情事实匹配上张冠李戴。
Astra for Law的核心突破并不在于底层基座凭空开悟，而在于一套重型系统工程。OpenAI为其搭载的专用法律搜索索引涵盖美国判例法、成文法、行政法规、法院规则和行政决议，索引URL总量超过2.3亿条，并保持每日更新。更关键的是，系统通过与CourtListener背后的非营利机构Free Law Project合作，直接吸纳了超过99.9%已公布的美国先例判例法数据集。
在Vals AI的Legal Research Bench私有验证集测试中，面对200道美国法律研究题并开启最高推理努力设置时，Astra for Law整体正确率通过率为54.0%，相比采用通用网络搜索的GPT-6 Astra基线（38.7%）实现了约40%的相对提升，绝对差距达到15.3个百分点。
在细分能力上，专有索引带来的增益更为具体：在判例法专项问题上检索到的参考案例多出24%；在经审计的目标段落测试集上，从正确法院判决中检索到的相关段落最高多出54%。这种差异在实际起草中体现得非常直接。面对虚假陈述索赔的案件事实提示词，竞品模型可能会给出一个已被上诉推翻的先例，甚至在非诉审查中声称找不到案例，而专有索引能直接锁定事实要件相近的有效先例。
54%全通过率背后：严苛机制与未决的一半
理解54.0%这个数字，必须厘清Vals AI的评测机制。
Vals AI采用的是极其严格的全通过准确率机制，必须完全满足该题所有必需的法律要件，才会被计为一次通过，并不是部分采分后的平均得分率。
| 评估维度 | GPT-6 Astra（通用网搜） | Astra for Law（专有平台） | 实务对照与属性 |
|---|---|---|---|
| 整体全通过率 | 38.7% | 54.0% | 私有验证集自测，相对提升约40% |
| 先例参考量 | 基线水平 | +24% | 针对判例法专项问题的参考案例检出量 |
| 关键段落召回 | 基线水平 | +54% | 经审计目标段落中正确法院判决命中率 |
| 评测性质与限制 | 通用搜索配置 | 垂直工程管线 | 46%仍未完全通过，未登官方公办公榜 |
54%的通过率证明了垂直检索管线的工程价值，但也意味着近半数的严苛要件仍无法通过。
- 风险.Astra for Law在Vals AI公布的跑分来自授权给企业的私有验证集自测，并非Vals AI官方公办排名榜单，且未披露误差范围与采样温度，实务中仍有46%的题目未能全要件通过，不可直接免除人类复核。
法律执业从来不是及格制。一个在百页备忘录中遗漏核心抗辩点、或者搞错管辖规则的AI系统，在合伙人眼里和废纸没有本质区别。它证明了专有管线远优于裸模型网页搜索，但严苛责任依然只能由执业律师背负。
平台收拢壁垒，垂直SaaS的“特洛伊木马”
Astra for Law最初通过Trusted Access计划向选定律所开放，并支持Harvey、Legora等API客户集成。系统在合规上给足了姿态：提供零数据保留选项，ChatGPT Enterprise默认免除人工审核，并与Latham & Watkins合作设计道德墙与信息权限方案，同时推出26款新生态插件对接Relativity、Clio、iManage等专业系统。
但阳光之下的阴影显而易见。
过去两年，Harvey等LegalTech独角兽凭借对通用GPT底座的二次微调、外挂向量库和前端工作流，拿下了极高估值。彼时垂直SaaS的护城河叙事是：底层平台不懂垂直业务，工程优化和领域知识在应用层。
如今，OpenAI亲自下场把2.3亿URL的专有检索做进底座，将指令微调标准化，甚至联合Sullivan & Cromwell做协议分析、联合Ropes & Gray做交易尽调、联合Cooley做上市申报系统。当平台把外围脚手架直接变成出厂配置，依赖底层模型做薄封装的创企便面临价值被挤压的风险。
这与十九世纪铁路大扩张时期的货运栈道如出一辙：起初铁路公司只负责铺设干线轨道，允许各类货栈在枢纽搭建转运桥梁；一旦干线运力饱和，铁路托拉斯最直接的扩张方式就是自建联运货栈，把原本属于中间商的过桥费收进自家账单。
- 建议.对于依赖大模型API的垂直法律科技开发者，必须尽快将重心从通用判例检索转移至企业内网非公开私有资产分析、极深度的合规工作流嵌合以及客户本地化责任托底上，单纯依靠公网法律检索与Prompt封装已无安全垫可言。
天下熙熙皆为利来。OpenAI以Free Law Project的公共数据切入，用Astra for Law打响了垂直领域变现的攻坚战。这场战役短期内震荡的是高估值的AI中间层，长期来看，则是用开源判例结合前沿推理，向Thomson Reuters和LexisNexis经营数十年的版权围墙发起的一场试探。