7月30日，OpenAI下调GPT-5.6 Luna与Terra的API价格，并把不同型号的速度、推理能力和单位任务成本放在同一套产品叙事中。更值得法律行业关注的并不是某个百分比，而是小型模型已经能够使用工具、完成多步骤流程。过去只有少量高价值事项值得调用先进模型，如今合同归类、条款抽取、材料初筛等高频工作也可能进入规模化预算。
这会改变法律AI采购中的一个老问题：团队不必再寻找一款包办所有工作的“最强模型”，而应判断每一道工序需要多少智能、允许多大误差，以及哪一步必须交给律师。
低价不等于可以取消复核
厂商公布的通用评测显示，新模型在单位成本和处理速度上取得进展；Clio与Legora提供的早期反馈也涉及法律检索、交易文件分析、结构化起草和先例审查。但这些数字大多来自各自测试集，不能直接证明模型在某一法域、某类合同或某家机构的模板上同样可靠。
尤其是法律任务，错误成本并不与文本长度成正比。漏掉一处控制权变更条款，可能比写错十段普通摘要更严重；检索到真实判例，也不代表它仍然有效或足以支持所述命题。模型降价之后，省下的预算更适合投入样本建设、人工复核和持续评测，而不是简单扩大无人审核的调用量。
把一个工作流拆成不同风险层
实际部署可以先按输出用途分层，再决定模型，而不是反过来。一个相对稳妥的起点是：
- 低风险层：文档去重、格式整理、已知字段抽取，可使用低成本模型并抽样检查；
- 中风险层：合同差异比较、尽调问题清单、检索词扩展，应保留来源定位和逐项复核；
- 高风险层：法律结论、诉讼文件、最终谈判立场，应调用更强模型，并由有权限的律师作实质审查和签发。
同一事项也可以动态路由。例如先让轻量模型识别文档类型和异常项，只有置信度不足、涉及关键条款或出现来源冲突时，才升级到更强模型。这样节省的是无差别使用高算力的成本，而不是专业判断。
评测指标应落到“合格结果成本”
单看每百万Token价格容易产生错觉。法律团队真正支付的还包括返工时间、律师复核、错误升级、系统集成与数据治理。更有用的指标是：完成一份达到内部验收标准的结果，总共花了多少钱和多少人工时间。
测试时可以固定一组真实但已脱敏的事项，记录准确率、关键问题召回率、引证可核验率、人工修改分钟数和升级比例。若便宜模型生成十份材料，却有三份需要重做，它未必比单价更高但一次通过率稳定的模型划算。评测还应按任务分别统计，避免平均分掩盖某个高风险环节的明显短板。
采购合同也要为模型切换留出空间
价格与能力快速变化后，法务在采购阶段应确认数据用途、日志保存、子处理者、模型版本变更通知和退出机制，并要求供应商说明不同任务实际调用的模型。内部系统则要保留版本、提示词、输入来源、工具调用与复核人的记录，便于出现争议时还原过程。
模型越来越便宜，会让法律AI从少数人的试验走向日常基础设施。真正稳健的做法，是把低成本能力放在边界清楚、能够验证的位置，把高风险判断继续留给负责任的人。本文仅作行业信息交流，不构成针对具体事项的法律意见。
参考线索
