一句话看懂：OpenAI 于 9 月 23 日发布案例，法律 AI 公司 Harvey 使用 GPT-6 Astra 把案件材料、判例检索和律所文档等法律语境注入起草流程，输出结构更完整、格式更规范的法律文书，让律师把精力从排版整理转向策略判断。
事件核心：发生了什么
Harvey 是一家面向律所和公司法务部门的北美法律科技初创公司，业务覆盖诉讼、并购等复杂法律工作流，核心能力是把海量材料转化为法律文书。根据 OpenAI 公布的案例，Harvey 将 GPT-6 Astra 接入其起草环节，用它分析并综合法院信息、律所内部文档、判例研究等来源，生成初稿。Harvey 联合创始人兼总裁 Gabe Pereyra 表示，新模型让团队可以“给模型更多上下文，产出结构越来越好的输出”。相比此前使用的模型，Harvey 在文档格式和上下文感知上看到明显提升。
另一个具体变化是 Harvey 的 memory panel：律师可以把个人偏好直接写入起草流程，例如要求使用编号列表、优先调用 EDGAR 作为信息源、按优先级对争议点做颜色标注。这些偏好会和原始材料、草稿备忘录并列显示，形成可引导的输出路径。
为什么重要
这则案例的重点不在“AI 写法律文书”本身，而在上下文容量与结构化输出正在成为大模型竞争的新战场。法律场景的特点是材料多、格式要求严、错误成本高，过去模型即便推理能力够用，也常因上下文窗口有限或格式不稳而难以直接进入生产环节。GPT-6 Astra 若能稳定处理更长的法律语境并保持文档结构，就意味着闭源大模型的竞争点正从单纯跑分转向“能否吃下真实业务流程”。对 OpenAI 而言，Harvey 这类高价值垂直客户是其 API 商业化的重要样本；对法律科技赛道而言，模型能力的提升会压缩自建模型或微调的必要性，让更多公司转向调用外部 API。
对用户/开发者/创作者的影响
对法律从业者，这类工具的价值是减少在格式整理和材料汇编上的时间，把精力留给策略与判断，但输出仍需人工复核，尤其在引用 EDGAR 等外部信息源时。对开发者，值得关注的是 Harvey 把“用户偏好”做成独立面板并参与推理输入，这是一种可复用的产品模式：把个性化配置从提示词中抽离，变成结构化上下文的一部分。对内容创作者和企业采购方，信号是 API 层面的上下文能力正在成为选型标准，评估模型时除了价格和延迟，也应测试长文档注入后的格式稳定性与信息保真度。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 GPT-6 Astra 的上下文上限、定价和 API 可用范围是否公开，这决定中小团队能否复制 Harvey 的用法。二是 Harvey 的格式化与上下文感知提升是否有可量化的基准数据，目前公开信息显示只有定性描述。三是法律行业的合规与数据隔离要求是否会限制这类云端 API 的部署范围，尤其是跨境律所和受监管的金融法务场景。
来源：OpenAI News
