2026年11月17日、OpenAIはAstra for Law 6.2を発表するとともに、Harvey LAB-AA v1.1ベンチマークにおける評価結果を公開した。120項目の非公開法律タスクを対象とし、24の実務分野を網羅する同ベンチマークにおいて、全タスク通過率20.8%で全参加モデル中第1位を獲得した。これは同一ベンチマークにおける過去最高の公開スコアである。同じ基盤モデルを使用する汎用版GPT-6.2 Astraは同評価で15.0%のスコアを記録しており、差は5.8ポイントとなっている。ChatGPT Enterpriseの顧客は現在、OpenAIの信頼アクセスプログラムを通じて利用申請が可能だ。
その正体と「兄弟モデル」を上回った理由
Astra for Lawはまったく新しいモデルではなく、GPT-6.2 Astraの法律特化型構成である——汎用基盤モデルの上に、法律シナリオ向けのシステムプロンプト、ツール呼び出しチェーン、および出力フォーマット制約を重ねたものと理解できる。このアーキテクチャの違いが評価数値に直接反映されており、同一基盤モデルを使いながら、法律特化構成は汎用構成より約39%高いスコアを記録した。これは、プロンプトエンジニアリングとタスク特化アライメントが法律シナリオにおいて想定をはるかに超えるレバレッジ効果を持つことを示している。
Harvey LAB-AA v1.1の評価設計はかなり厳格だ。タスクセットは法律AI企業のHarveyが設計しており、M&Aにおける所有権移転戦略の策定から、商業賃貸借契約のレビュー、訴状の概要起草まで、実際の弁護士の日常業務を幅広くカバーしている。採点は二値基準を採用しており、各タスクのすべての評価基準を満たした場合のみ「全通過」とみなされ、部分点は認められない。全通過率20.8%とは、100タスクのうち約21タスクのみ、3人のAI評価者全員が「完全に基準を満たした」と判断したことを意味する。この数字は一見低く見えるが、法律業務の厳格な文脈においては、現在公開されているモデルの中で最高水準に達している。
通過率に加え、今回の評価でより注目を集めた指標はハルシネーション率だ。複数の独立した情報源によれば、Astra for Law 6.2の素材性ハルシネーションはタスクあたり0.03回で、参加モデル中最低値を記録した。換算すると100タスクあたり約3回の素材性誤りが発生する計算となる。この検証の具体的な範囲は、モデルの出力と提供された事件文書を照合し、文書に裏付けられていない記述を確認するものである——判例法の引用が正確かどうかの検証は含まれないが、「文書に基づいて書類を作成する」ことを核心とする法律代理業務においては、最も重要なエラー類型をカバーしている。
各関係者の得るものと失うもの
法律実務者にとって、ツールをワークフローに組み込めるかどうかを決める真の閾値はハルシネーション率であり、通過率のランキングではない。弁護士のコア職業リスクは、依頼人や裁判所に誤った事実を提出することにある。安定して低いハルシネーション率で書類起草を行えるツールは大量の初稿作業を引き受けられる一方、ハルシネーション率が高いモデルは使用のたびに完全な確認作業が必要となり、実際に節約できる時間は限られる。この観点からすれば、素材性ハルシネーション率0.03は、今回のAstra for Lawの発表における最も実質的なデータポイントだ。
ChatGPT Enterpriseを既に導入している企業ユーザーにとって、アクセス経路は即座に利用可能ではなく、申請手続きが必要となる。この設計には二つの合理的な説明が考えられる。一つは、OpenAIが容量をコントロールし、法律シナリオでの高リスクな出力が大規模なコンプライアンス問題を引き起こすことを防ぐため。もう一つは、申請プロセスを通じてユースケースを絞り込み、追跡可能な実際のフィードバックを蓄積するためだ。同時に、HarveyやLegoraなどの法律テックパートナーはAPIを通じてアクセスする予定であり、これらのプラットフォームのユーザーが将来もう一つの主要な利用チャネルとなることを意味している。
競争環境に対しては、今回の発表が一つの構造的な圧力ポイントをもたらした。汎用基盤モデルが法律シナリオにおける実用可能な閾値に近づいており、法律事務所向けに特化した垂直型法律AI企業の差別化余地が縮小しつつあるのだ。GPT-6.2 Astraの汎用版自体が15%の全通過率を達成している状況では、「法律のために特別に設計された」という売り文句は、漠然とした精度の約束ではなく、より具体的な実用上の優位性によって裏付けられる必要がある。
一つのベンチマークが示せる範囲
Harvey LAB-AAは唯一の法律AI評価フレームワークではなく、複数のベンチマーク結果を並べると、全体像はより複雑になる。報道によれば、別のHLABベンチマークではGPT-6.2 Astraは11位に過ぎず、法律調査ベンチマークでは30位にとどまっている。Vals AIの法律調査ベンチマークでは、Astra for Law 6.2は2026年11月16日時点で満点率53.8%を記録し、推定では2か月前のベースラインから約8ポイントの改善とされているが、同ベンチマークの総合ランキングではトップには位置していない。
このようなベンチマーク間の分散は珍しいことではないが、慎重に解釈する必要がある。Harvey LAB-AAはタスク型エージェント能力——特定の素材を与えられ、具体的な法律文書を完成させる能力——を評価するものである。一方、法律調査ベンチマークは判例の検索・引用や法的適用の論証能力をより重視している。いずれの能力も法律業務において同様に重要だが、トレーニングの最適化方向は異なり得る。Harvey LAB-AAにおけるAstra for Lawの第1位は、書類起草タスクにおいて明確な特化型アライメントが施されていることを示しているが、それは全能型法律AI能力において全面的にリードしていることとイコールではない。
Harvey LAB-AAのタスクセットはHarveyが設計したものであり、HarveyはOpenAIの法律分野のパートナー企業でもある商業的な法律AIカンパニーだ。評価の独立実施はArtificial Analysisが行っているが、タスク設計と採点基準の策定権はHarveyに帰属しており、論理的には利害関係者がベンチマーク設計に関与するという構造的問題が存在する。これはデータの捏造を意味するわけではないが、「第1位」を解釈する際には「Harveyが設計したタスクセットにおける」という限定的な文脈のもとで理解する必要がある。
今後注目すべき点
インフラ層を見ると、GPT-6.2 Astraは11月17日に同日付けでAmazon Bedrockに正式に提供開始となった。APIの料金は入力100万トークンあたり8ドル、出力100万トークンあたり40ドルで、前世代のGPT-6 Astraより20%低い価格設定となっている。これは企業の技術チームが標準的なクラウドサービスを通じて同基盤モデルを呼び出せるようになったことを意味し、OpenAIの直接インターフェースに完全依存する必要がなくなった。Astra for Lawの企業向けアクセスと基盤APIの提供開始が同時に実現したことは、エンジニアリング展開の観点からは一体化された体制が整ったと言える。
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接