大模型落地专业领域，最难的从来不是"能不能聊"，而是"在高压场景里靠不靠谱"。9 月 17 日，OpenAI 给出了一份法律行业的样本：基于 GPT-6 Astra 的法律垂直版 Astra for Law。
把 2.3 亿判例喂进去
Astra for Law 接入了约 2.3 亿条美国判例索引，让模型在回答法律问题时能引用真实案卷，而不是凭空生成看起来合理的条文。在内部评测中，它的法律问题正确率达到 54%，比通用版 Astra 提升了约 15 个百分点。
这个正确率放在日常聊天场景不算高，但放到"法律问答"这个容错极低的领域，已经是垂直化改造后的实质进步——通用模型在专业性上本来就不该被信任，垂直版的意义正是把差距缩小到可用区间。
谁在用
法律科技头部公司 Harvey 已经接入。这说明 OpenAI 走的不是"自己做个法律 SaaS 抢饭碗"，而是把能力作为底座开放给已经在行业里跑通工作流的专业服务商。对律所和法务团队来说，形态更可能是"在熟悉的工具里多一个更懂判例的助手"，而不是换一套系统。
为什么法律先动
法律是文档密度最高、检索需求最强、且结果可验证的专业领域之一：一个引用是否真实、一个条款是否适用，都有明确对错。这种"输入结构化、输出可核验"的特征，正好契合当前大模型最稳的落地姿势——先在不容出错但容得下辅助的场景里做增强，而不是直接取代人。
一点判断
Astra for Law 代表的方向很清晰：通用大模型的价值兑现，越来越依赖"垂直版 + 行业数据 + 既有工作流"的三件套。模型能力是入场券，真正决定能不能进专业现场的，是谁把领域知识和可信边界补上了。法律只是第一块石头，医疗、金融、税务的同类改造大概率会紧随其后。