Эфир 18.11 · Поток 318 ноября в 19:00 МСК — бесплатный практический эфир по ИИ-агентам · Живой Поток 3 стартует 23.11Эфир 18 ноября →Поток 3 (23.11)
Безопасность и правоAPI / Продукт · В работуOpenAI Blog→ оригинал

OpenAI выпустила юридический ИИ: выдуманных фактов на 95% меньше, чем у Claude Opus 5.5

OpenAI выпустила Astra for Law — GPT-6.2 Astra с юридическим поиском и инструкциями. Если юрист просит составить документ, модель реже подсовывает несуществующее дело: на 120 тестовых заданиях выдуманных существенных фактов 0,03 на задание против 0,59 у Claude Opus 5.5 — это на 95% меньше. Полный балл она получила в 20,8% заданий. Командам, где ошибка в ссылке дорого стоит, стоит запросить доступ и проверить модель на своих задачах.

AI-обработка оригинала OpenAI Blog; редакция Hamidun News
OpenAI выпустила юридический ИИ: выдуманных фактов на 95% меньше, чем у Claude Opus 5.5
Источник: OpenAI Blog. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникOpenAI Blog ↗
Главный редактор
Расход~64 тыс. токенов на задание против 139 тыс. у Muse Wonder Full
Ключевой факт #2Поисковый индекс вырос на 34% и покрывает 99,9% прецедентов США
Доступклиенты ChatGPT Enterprise через Trusted Access Program

Представьте, что юрист просит ИИ подготовить документ для суда, а модель уверенно ссылается на дело, которого не существует. Одна такая выдуманная ссылка стоит доверия клиента и репутации перед судом. OpenAI выпустила Astra for Law — юридическую версию своей флагманской GPT-6.2 Astra, в которой главный упор сделан на борьбу с такими выдумками. В независимом тесте Artificial Analysis на 120 заданиях по 24 областям права у неё в среднем 0,03 существенной выдумки на задание, то есть примерно одна на 33 задания. У Claude Opus 5.5, лучшего среди моделей не от OpenAI, показатель 0,59 — почти одна на каждые два задания. Разница примерно в 20 раз, или на 95%. Запросить доступ теперь может любой клиент ChatGPT Enterprise.

Что это за продукт

Astra for Law — не новая модель, а «конфигурация» GPT-6.2 Astra. К базовой модели подключён расширенный юридический поисковый индекс и добавлены инструкции: как изучать вопрос, как взвешивать источники и как писать ответ. Когда выходит новая базовая модель, юридическая версия получает её возможности, а настройки OpenAI дорабатывает по отзывам юристов.

На собственном тесте Harvey (Legal Agent Benchmark) GPT-6 Astra полностью выполняла все требования в 4,6% заданий, GPT-6.2 Astra — в 14,6%, а юридическая конфигурация — в 16,2%.

С сентября, когда продукт показали узкому кругу фирм (среди них Cooley, Ropes & Gray и Sullivan & Cromwell), индекс вырос на 34%: добавили больше 80 млн ссылок, включая право Великобритании, Австралии и Канады. Теперь в нём более 310 млн URL, а опубликованную прецедентную практику США он покрывает больше чем на 99,9%.

Что показали тесты

В LAB-AA — версии теста Harvey от Artificial Analysis — модели решают задачи от планов допроса до проверки договоров аренды. Полный балл ставят, только если выполнены все требования и нет существенных выдумок. Astra for Law получила его в 20,8% заданий. У обычной GPT-6.2 Astra результат 15,0% (разница почти 40%), у лучшей сторонней Muse Wonder Full — 13,1% (разница около 59%).

Для бюджета важен и расход. Astra for Law тратит около 64 тысяч выходных токенов на задание, Muse Wonder Full — 139 тысяч, то есть на 54% меньше. При оплате по использованию это может решить, уложится ли юридический отдел в бюджет.

Мелких выдумок у Astra for Law 0,06 на задание, у Claude Opus 5.5 — 0,51. В заданиях с полным баллом существенных выдумок не было вовсе.

В написании состязательных документов (LAB: USCL, его создали Harvey и Grubel) отрыв скромнее. Когда модель сама ищет нужные дела, Astra for Law набрала 1 844 балла против 1 817 у Opus 5.5. Когда прецеденты выданы заранее, результат почти равный: 1 883 и 1 882. Оценщики Harvey при этом предпочли тексты новой версии текстам GPT-6 Astra почти в 90% случаев. В Legal Research Bench от Vals AI доля вопросов с полным баллом выросла с 46% до 53,8% (112 из 208) меньше чем за два месяца, а с учётом частичных баллов модель набрала 90,9%.

Как использовать и о чём помнить

OpenAI описывает сценарии из своей юридической команды. Юрист по конкуренции просит модель отстоять противоположную трактовку закона, опираясь на историю законодательства и судебные решения. Юрист по продукту строит карту правил для незнакомой отрасли, чтобы первый разговор с внешним консультантом начинался с настоящих вопросов. Менеджер юридической программы превращает регуляторные процедуры в рабочий процесс: когда запросить данные, когда закрыть обращение, когда передать юристу.

Доступ получают клиенты ChatGPT Enterprise через Trusted Access Program, в том числе для работы через API.

Есть и оговорки. Результаты опубликовала сама OpenAI, а часть тестов (например, LAB Harvey) делали её партнёры. Полный балл 20,8% означает, что примерно четыре задания из пяти всё равно решены не безупречно. В написании документов преимущество над Opus 5.5 небольшое.

Практический вывод для legal-tech команд и юридических отделов: доступ стоит запросить, но модель надо проверить на своих типовых задачах. Сверяйте каждую ссылку с первоисточником и считайте не только качество, но и расход токенов. Там, где выдуманная цитата — репутационный риск, низкий уровень выдумок важнее красивого текста.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: что это за продукт?

Astra for Law — не новая модель, а «конфигурация» GPT-6.2 Astra. К базовой модели подключён расширенный юридический поисковый индекс и добавлены инструкции: как изучать вопрос, как взвешивать источники и как писать ответ. Когда выходит новая базовая модель, юридическая версия получает её возможности, а настройки OpenAI дорабатывает по отзывам юристов.

Что известно по теме: что показали тесты?

В LAB-AA — версии теста Harvey от Artificial Analysis — модели решают задачи от планов допроса до проверки договоров аренды. Полный балл ставят, только если выполнены все требования и нет существенных выдумок. Astra for Law получила его в 20,8% заданий. У обычной GPT-6.2 Astra результат 15,0% (разница почти 40%), у лучшей сторонней Muse Wonder Full — 13,1% (разница около 59%). Для бюджета важен и расход.

Что известно по теме: как использовать и о чём помнить?

OpenAI описывает сценарии из своей юридической команды. Юрист по конкуренции просит модель отстоять противоположную трактовку закона, опираясь на историю законодательства и судебные решения. Юрист по продукту строит карту правил для незнакомой отрасли, чтобы первый разговор с внешним консультантом начинался с настоящих вопросов. Менеджер юридической программы превращает регуляторные процедуры в рабочий процесс: когда запросить данные, когда закрыть обращение, когда передать юристу.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Единое AI-пространство · Nomad

Протестируйте новые LLM и мультимодальные модели в одном окне

Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…