法律 AI 的竞争焦点，正在从“能不能写”转向“写得够不够懂案子”。
发生了什么
OpenAI 发布了一则合作消息：法律 AI 公司 Harvey 正在使用 GPT-6 Astra 来强化其文书起草能力。按照官方摘要，GPT-6 Astra 能产出结构更清晰、更贴合上下文的法律文档，从而把律师从重复性的草拟工作中释放出来，专注于策略层面的判断。
这里的关键词有两个：一是“结构化”，二是“上下文感知”。前者指向法律文书固有的格式与逻辑要求，后者指向 Harvey 长期积累的领域数据与工作流。
为什么重要
法律行业对大模型的态度，一直介于兴奋与谨慎之间。原因不难理解：法律文书对准确性、引用规范和逻辑严密性的要求极高，通用模型早期那种“看起来很像、细看全是坑”的输出，在这个场景里几乎不可用。
Harvey 的定位正是解决这个落差——它不试图做一个通用助手，而是把法律场景的上下文（案卷、先例、客户材料、内部模板）组织起来，再交给模型。此次与 GPT-6 Astra 的结合，说明底层模型在长上下文理解与结构化输出上的进步，已经足以支撑这类专业工作流。
另一个值得注意的信号是合作方的选择。OpenAI 把法律这一垂直场景的标杆案例交给 Harvey，等于在对外释放一个判断：专业服务领域的 AI 落地，靠的不是模型单点能力，而是“模型 + 领域上下文”的组合。
影响与看点
对法律行业而言，短期内最直接的变化是草稿环节的效率。文书初稿的生成速度提升，意味着律师可以把时间重新分配到谈判、风险评估和策略设计上——这也正是 OpenAI 摘要中强调的方向。
对开发者与企业来说，这条消息的价值在于它示范了一种模式：垂直 AI 产品的护城河，往往不在模型本身，而在上下文工程。谁能把行业数据、模板、合规约束和用户反馈组织成模型可用的结构，谁就更难被替代。
需要保持克制的是，官方目前只给出了方向性描述，没有披露具体的准确率、评测方式或客户案例。法律场景对错误容忍度极低，模型输出是否可追溯、引用是否可靠、责任如何界定，仍是这类产品必须回答的问题。
一个独立的判断是：GPT-6 Astra 在 Harvey 上的落地，真正的看点不是“AI 写法律文书”这件事本身，而是专业服务 AI 正在从辅助检索、辅助问答，走向承担实际产出。这一步跨过去，行业的分工方式会被重新定义。
