OpenAIは更新版のAstra for Lawを公開しました。最新のモデル構成(model configuration)は、複数のベンチマークで上位の成績を収めています。Astra for Lawは、Harvey LAB-AAにおいて最先端であり、LAB: USCL(HarveyとGrubelが共同開発)およびVals AIのLegal Research Benchにおいても上位の成績を収めています。すべてのChatGPT Enterprise顧客は、API経由を含め、Trusted Access Programを通じてAstra for Lawへのアクセスを申請できるようになりました。

Astra for Lawの最新のモデル構成は、複数のベンチマークで上位の成績を収めました。OpenAIの最新で最も強力なフロンティアモデルであるGPT-6.2 Astraのモデル構成がAstra for Lawです。今回のAstra for Lawの構成は、LAB-AAのテストで満点を獲得した頻度が、次点のGPT-6.2 Astraより40%近く多かった。

LAB-AAの内容、満点の条件と結果

Harveyが作成したLegal Agent Benchmark (LAB)は、モデルが法務の課題を最初から最後まで遂行できるかを試すものです。Artificial AnalysisによるそのテストのバージョンであるLAB-AAでは、Harveyが開発した24の法分野にわたる120の課題でモデルを評価します。課題には、証言録取(deposition)アウトラインの作成、商業賃貸借契約の審査、買収における所有権変更の戦略立案などが含まれます。LAB-AAで満点(full credit)を得るには、回答が課題のすべての要件を満たし、かつハルシネーション(hallucinating)がない必要があります。ここでのハルシネーションとは、元の文書に裏付けられていない重要な主張をすることを指します。

LAB-AAでは、Astra for Lawが課題の20.8%で満点を獲得して1位となり、GPT-6.2 Astraの15.0%、Muse Wonder Fullの13.1%を上回りました。Astra for Lawは、OpenAI以外のモデルで最高得点だったMuse Wonder Fullより、約59%多い頻度で満点を獲得しています。Astra for Lawは、評価の中で最高スコアだったOpenAI以外のモデルであるMuse Wonder Fullより課題あたりの出力が54%少なく、平均約64,000出力トークンでこの1位のスコアを得ました。Muse Wonder Fullは139,000でした。各モデルの構成を示す散布図において、Astra for Lawのスコアに、より少ない出力トークンで並んだものはありませんでした。利用量に応じて支払う法務チームにとって、この差は予算内に収まるか予算を超えてしまうかの違いになりえます。

ハルシネーションの発生率の比較

法律業務では、たった一つの捏造された引用が、弁護士にとってクライアントからの信頼や法廷での信憑性、そして長年築き上げた評判を失わせる原因になり得ます。Astra for Lawはハルシネーションの低減を優先事項としてきました。

法律業務ではハルシネーション(hallucination)は許されません。でっち上げの引用(citation)が1件あるだけで、弁護士は依頼人の信頼、法廷での信用、長年かけて築いた評判を失う可能性があります。準備書面(brief)の作成は、法務の中でも最も複雑な長期的プロセスの1つであり、明確な推論、リサーチ、文章作成を組み合わせて優れた主張を作る必要があります。

Artificial Analysisによる最新のLAB-AA比較において、Astra for Lawは重大なハルシネーション(material hallucinations)の発生率が最も低く、GPT‑6と並んで課題(assignment)あたりのハルシネーション数(hallucinations per assignment)は0.03でした。Artificial Analysisによる最新のLAB-AA比較において、Astra for Lawは重大なハルシネーションの発生率が1課題あたり0.03で、GPT‑6と並んで最も低く、OpenAI以外のモデル(non-OpenAI model)で次に低いClaude Opus 5.5の0.59を下回りました。また、すべての要件を満たしたタスクについては、Astra for Lawの重大なハルシネーションはゼロでした。

課題あたりの平均ハルシネーション数を比較すると、Astra for Lawは重大なハルシネーションが0.03件、軽微なハルシネーション(minor hallucinations)が0.06件でした。これに対し、Claude Opus 5.5の平均は重大なハルシネーションが0.59件、軽微なハルシネーションが0.51件であり、Opus 5.5はAstra for Lawに比べて重大なハルシネーションが約20倍、軽微なものが8.5倍でした。重大なハルシネーションの指標では、テストされたOpenAIのどの構成も、OpenAI以外のモデルで最良の結果だったClaude Opus 5.5よりハルシネーションが少なかったです。Opus 5.5は課題あたり平均0.59件であり、Astra for Lawの約20倍でした。

Artificial Analysisは120件の課題を通じて、実質的な論点で読み手を誤解させうるハルシネーションの主張を数えました。Astra for Lawは課題あたり平均0.03件で、比較の中で最も低い水準に並びました。これは通常のGPT‑6.2 Astraの0.06の約半分にあたります。

構成の中身とLAB: USCLの結果

Astra for Lawは、GPT-6.2 Astraに拡張した法務検索インデックス(legal search index)と、質問の調査、典拠の比較検討、回答の執筆に関する指示を組み合わせたモデル構成です。OpenAIは、最高の知能を最高の弁護士の手に渡すために、法律を研究上の優先事項としています。弁護士は、商取引を動かす契約の交渉、法廷での人々の権利の擁護、法律の起草など、社会のほぼすべての仕組みを形作っているためです。世界が複雑になるにつれて、弁護士の役割はますます重要になっています。

HarveyとGrubelは、モデルが実際の米国連邦裁判所の事件で準備書面をリサーチして書けるかを試すため、LAB: USCLを共同開発しました。各モデルは、準備書面が提出される直前の時点に介入し、同じ当事者のために同じ論点について書きます。LAB: USCLの一方の版では、モデルが関連する判例を自分で見つけなければなりません。もう一方の版では、モデルに記録(record)と、元の弁護士が引用した先例(precedents)が与えられます。

LAB: USCLでは、弁護士がレビューして較正した基準を使い、AI採点者が準備書面を直接対決の形で比較します。Astra for Lawは両方の版で最高水準のスコアの1つを獲得しました。モデルが自分で法律をリサーチした版では、Astra for Lawが1,844、Opus 5.5が1,817でした。先例が与えられた版では、Astra for Lawが1,883、Opus 5.5が1,882で実質的に同等でした。モデルが自分でリサーチする第1の結果(「Research and draft」)では、各モデルがどの判決が重要かを見極め、裁判所が追える主張を書く必要があり、Harveyの採点者は今回のAstra for Lawの準備書面を、Opus 5.5やGemini 4 Argonなど他の主要フロンティアモデルのものより好みました。法務リサーチの向上が今回のリリースの中核的な改善の1つであるため、「Research and draft」の結果は重要です。訴訟弁護士が正しい判例の一覧を最初から持っていることはまれなため、OpenAIはこの結果の改善に注力しました。

OpenAIは法務(law)を研究の優先分野と位置づけ、フロンティアの法的知能(frontier legal intelligence)の革新を加速するため、研究者のチームを充てています。Vals AIのLegal Research Benchでは、実務弁護士が米国の連邦法・州法に関する問題を作成します。回答は、必要なポイントをすべて網羅し、出典チェックに合格しなければなりません。このベンチマークで、法務リサーチ(legal research)回答のすべてのチェックに合格した割合は、2か月未満で約46%から53.8%に上昇しました。Astra for Lawは9月には約46%の問題で満点を獲得していましたが、Vals AIの11月16日の評価では208問中112問(53.8%)で満点を獲得し、2か月足らずで約8パーセンテージポイント向上しました。全問題を通じては、部分点を含めて得られる点の90.9%を獲得しています。

Astra for Lawは、Vals AIのLegal Research Benchで上位の成績を収める小さな一群に入っています。OpenAIは、LAB: USCLの「Research and draft」の結果と比較して、法務リサーチの改善はVals AIの評価でより顕著に見られると述べています。Astra for Lawをモデル構成として作ることで、フロンティアの最先端であるGPT-6.2 Astraに常に追随できます。その上で、実務家のフィードバックを受けて、Astra for Law固有の設定と指示を繰り返し改良し、熟練した弁護士のように推論し書く方法を教えています。

OpenAIは、法務検索インデックスなどのAstra for Lawのツールを継続的に磨いています。9月以降、このインデックスは34%拡大し、英国、オーストラリア、カナダなどの国際的な法域を含め、8,000万を超える新しいURLが加わりました。更新された法務検索インデックスは3億1,000万を超えるURLに及び、公表されている米国の判例法(precedential case law)の99.9%超をカバーしています。

HarveyのLegal Agent Benchmarkでは、全要件を満たした課題の割合は、GPT-6 Astraが4.6%、同じ条件のGPT-6.2 Astraが14.6%と3倍になり、法務向け構成(legal configuration)では16.2%に上がって、GPT-6.2 Astraより11%多くの問題を完了しました。このテストはHarvey独自のLAB(LAB-AAとは別)によるもので、満点の割合はGPT-6 AstraからGPT-6.2 Astraにかけて3倍超になり、法務向け構成ではさらに11%上昇しました。

初期ユーザーの活用例と利用申請の方法

Astra for Lawの最も興味深い可能性は、日々の業務で使っている弁護士たちによって形作られています。OpenAIの顧客である法律事務所や、OpenAI自身の法務チームなどの初期ユーザーは、自分の実務を軸にした参照資料を作り、自分たちの主張にいっそう厳しい反論を求め、法改正に対応する新しい方法を見つけています。

OpenAIの初期ユーザーである政策担当の弁護士は、監督法案で独立レビュー担当者(independent reviewer)にどれだけの権限があるかを知るためにAstra for Lawを使い、各義務を平易な英語で説明したものを法案の正確な文言の横に並べて、どの解釈を条文が支持するかを素早く判断しています。プロダクト担当の弁護士は、事業が不慣れな業界への参入を検討しているとき、提案された活動にどの規則が適用されるかを整理するためにAstra for Lawを使用し、最初の外部弁護士との打ち合わせを高水準の助言を求めることに費やす代わりに、実際に問題となっている点を外部弁護士に持ち込めます。リーガルプログラムマネージャーは、Astra for Lawを使って規制上の手続と社内ポリシーを同僚向けのワークフローに変換し、追加情報を求めるタイミングや案件を終了するタイミング、弁護士にエスカレーションするタイミングの自動化を実現しました。競争法の弁護士は、Astra for LawをChatGPTのサイト構築ツールと組み合わせ、チームが定期的に使う法令に注釈を付けました。この政策担当の弁護士は、レビュー担当者が修正を求めた場合に、開発者はそれを行わなければならないのか、という点も知りたいと考えていました。同僚は条項を読みながら、用語にカーソルを合わせて定義を見たり、その用語を説明する資料へのリンクをたどったり、その条項が前回問題になったときにチームが助言した内容を確認したりできます。このワークフローは、受け付けた案件を扱う同僚向けのものです。

OpenAIは本日より、すべてのChatGPT Enterprise顧客が、管理コンソールのTrusted Access Programを通じてAstra for Lawへのアクセスを申請できるようになったと発表しました。顧客はフォームから申請することで、自社のツールに組み込むためのAPIアクセスも申請できます。チームがすでにAstra for Lawへのアクセスを持っている場合は、ChatGPTで `gpt-6.2-astra-law` を選択します。OpenAIは、法曹界が転換点にあると述べています。技術が企業にできることを変え、世界がますます複雑で相互に結びつくなか、弁護士には、助言する企業だけでなく、自分たちが書くのを手伝う規則のもとで暮らす全員にとって、現在をどう理解するかを形作る前例のない機会があるとしています。OpenAIは、最高の弁護士が最高の知能を備えればその局面に応えられると考えており、まだ始まりにすぎないと述べています。