OpenAI与AI合同管理公司Ironclad在10月6日联合发布了一份重磅研究报告：GPT-6 Astra在合同工作流专项评测中平均得分55%，比前代GPT-5.6 Sol高出32%，单次任务平均耗时从37分钟压缩至19.2分钟，效率提升48%。这项研究代表了AI智能体在专业法律领域评估的最新基准。
为什么合同工作流是AI能力的试金石
合同管理是企业中出错代价最高的流程之一。一份采购合同漏掉财务审批阈值，可能导致未经授权的采购；一份保密协议未按司法辖区更新，可能产生法律效力瑕疵。传统上，这类工作由熟悉业务流程的法务人员完成，平均每项任务耗时30-40分钟。
OpenAI在2026年9月底发布GPT-6 Astra时，已展示模型操作电脑完成文档准备、网页测试等专业场景的能力。与Ironclad的合作则将难度推向更高层级：让AI在真实的合同管理软件环境中，理解一家公司的业务规则，执行多步骤审批流程，并验证最终结果是否符合原始需求。
11项任务、多维度评分：如何量化AI合同能力
OpenAI与Ironclad共同设计了覆盖法务、商务和采购三个领域的11项合同任务，每项任务对照8-50个评分维度进行考核，替代传统的「通过/不通过」二元判断。这种精细化评分可以准确反映模型在哪些环节正确、哪些环节失误。
任务类型包括：配置保密协议条款、搭建采购审批流程、按申请人选择的司法辖区更新可复用法律条款等。Ironclad提供了托管版软件环境供模型练习，并派出内部法务人员和在OpenAI内部使用Ironclad的员工，共同定义「成功」的标准。
评测结果：GPT-6 Astra全面领先GPT-5.6 Sol
评测结果见下表（数据来源：OpenAI官方研究博客）：
| 指标 | GPT-5.6 Sol（High推理） | GPT-6 Astra（Max推理） | 差距 |
|---|---|---|---|
| 平均评分 | 41.6% | 55.0% | +32% |
| 单次任务平均耗时 | 37.0分钟 | 19.2分钟 | -48% |
| 内部开发模型得分 | — | 63.7% | （参考） |
同一任务案例中，GPT-6 Astra在约20分钟内满足约94%的评分标准，而GPT-5.6 Sol在约32分钟内满足约85%的标准。这说明新一代模型不仅更快，准确性也明显更高。
Ironclad加入OpenAI：从客户到「评估标准」制定者
这项合作并非偶然。Ironclad自2023年起就在产品中集成OpenAI模型（最初为GPT-4），后来将合同数据接入ChatGPT。2026年，Ironclad联合创始人Jason Boehmig直接加入OpenAI，担任新方法务垂直业务负责人。这次研究合作的评估标准，正是由他带领的Ironclad团队参与制定的。
对OpenAI而言，这种「让垂直领域专家定义成功标准」的范式，正在成为训练专业AI智能体的标准路径。OpenAI在公告中表示，正面向更多软件公司开放类似合作通道，要求合作方提供具体失败案例、领域专家、测试环境以及可安全用于研究的数据。
55%得分意味着什么：优势与局限
55%的平均得分意味着GPT-6 Astra在合同任务上的表现已显著超越随机水平，但也意味着约一半的评分维度仍未被满足。在实际法务场景中，没有总法律顾问会批准AI在无监督状态下独立完成合同工作。
局限性包括：评测任务由Ironclad与OpenAI联合设计，GPT-6 Astra在训练中接触过类似任务，跨企业的泛化能力尚待独立验证；合同流程因行业、司法辖区、企业规模不同存在巨大差异；55%的得分对应的是简化后的研究任务，商业部署的真实环境远比评测环境复杂。
展望：AI合同智能体的下一步
OpenAI已明确表示，GPT-6 Astra是首个在Ironclad合同任务上训练的前沿模型，而内部开发模型63.7%的得分说明这一方向仍有很大提升空间。OpenAI正在向更多专业软件公司发出邀请，将高难度、高价值的专业任务转化为AI训练课题。
对法律科技行业而言，这一评测结果的含义清晰：AI智能体进入专业领域的速度比预期更快，但「进入」不等于「替代」。未来数年内，AI更可能的角色是法务团队的「超级助手」——接管标准化流程，让人类专注在例外处理和战略判断上。
FAQ
GPT-6 Astra在合同任务上的得分55%是什么水平？
55%是11项合同任务上的平均得分，对照每项任务8-50个评分维度计算而来。代表模型在约一半的维度上达到合格标准，仍无法独立完成完整合同流程，但在辅助场景下已具实用价值。
GPT-6 Astra与GPT-5.6 Sol的主要差距在哪里？
核心差距体现在两个方面：一是理解业务规则并将其转化为软件配置的能力；二是跨步骤保持上下文一致性的能力。GPT-5.6 Sol在单步操作上接近Astra，但在需要多步协调的场景下失误率显著更高。
企业现在可以用GPT-6 Astra做合同自动化吗？
不建议在没有人工审核的情况下完全依赖AI完成合同工作。55%的平均得分意味着近半数评分维度未满足，实际部署中需要人工复核环节。更现实的路径是AI处理标准化流程，人类专注例外和决策。
相关阅读
- OpenAI「疯狂28天」首日翻车：GPT-6提速50%遭群嘲
- OpenAI Code Studio×ModRetro：动动嘴就能造Game Boy游戏
- OpenAI安全团队再动荡：System Card负责人离职
- OpenAI Pro 500美元/月值不值：用量分层与竞品对比
延伸阅读
- 澳大利亚政府网站遭 OpenAI 智能体入侵：全球首例，6 月事发 9 月才证实2 周前
- OpenAI Code Studio 发布：动动嘴就能造 Game Boy 游戏7 天前
- OpenAI 被曝按吨囤 Mac mini：几万台全拿去训 AI 了1 月前
- OpenAI GPT-Live-1 上线 API：端到端全双工语音，电话语音智能体延迟再降一档2 周前