这篇文章解决什么问题
7月30日，OpenAI 更新 GPT-5.6 Luna 与 Terra 的 API 定价。接口费下降后，合同归类、条款抽取和材料初筛更容易推广；但采购和流程设计仍要看人工核对、返工和版本追溯成本。文章梳理了任务分层、内部验收样本和供应商合同应关注的事项。
相关工具：合同审查助手 Skill 腾讯电子签 Skill MCP-Doc Word 文档处理
7月30日，OpenAI 更新 GPT-5.6 Luna 与 Terra 的 API 定价，并说明不同型号在速度、推理能力和单位任务成本上的差异。对通过 API 搭建法律工作流的机构，合同归类、条款抽取、材料初筛等高频工序的调用成本降了，推广起来更容易。模型之间的成本差，也会更直接地落到采购测算和流程设计里。
价格表不能替团队作判断。一份合同初筛的调用成本即便很低，律师若还要花二十分钟查遗漏、核对引文、重做格式，省下的接口费很快就会被返工吃掉。问题在于：哪些步骤可以交给低成本模型，哪些步骤一旦出错，平均表现再好也无济于事。
接口费低，不等于总成本低
厂商和合作机构的评测可以帮团队缩小候选范围。OpenAI 提到新模型在处理速度和单位成本上的改进；Clio、Legora 等法律科技公司也提供了法律检索、交易文件分析、结构化起草和先例审查方面的早期反馈。不过，这些结果来自特定测试集，未必适用于某个法域、某类合同，也未必符合机构自己的写作标准。
更贴近实际的算法，是把一份成果送达内部验收线的全部成本都算进去：接口费之外，还包括律师核对原文的时间、发现错误后的返工、系统集成和流程升级的开销。低价模型若经常漏掉控制权变更条款，或把不适用的判例列入检索结果，最后的成本可能高过单价更高、但通过率稳定的模型。
按任务分工，不按模型价格分层
不少法律团队把“轻量模型做低风险活、强模型做高风险活”写成原则，实际工作却没有拆开。文档去重、格式整理、已知字段提取，可以交给成本较低的模型；合同差异比较、尽调问题清单、检索词扩展，应放在能定位原文的工作流里；涉及法律结论、诉讼文件或最终谈判立场的交付物，仍由有权限的律师处理。
同一份材料也不必从头到尾只用一个模型。轻量模型先识别文件类型、整理常规信息、标出异常位置；遇到置信度不足、关键条款或多源冲突，再切换到能力更强的模型和专业人员。这样安排，是把成本较高的能力留给需要判断的环节，也避免低价模型在不该拍板的位置替团队作决定。
验收样本和追溯记录要留在内部
机构可以选取一组真实但脱敏的历史事项，分别记录准确率、关键问题召回率、引证能否回到原文、人工修改时间和需要升级处理的比例。平均分容易掩盖少数严重错误。对可能影响交易条件、诉讼策略或监管判断的任务，验收标准应单独设定，不能被整体平均值稀释。
采购合同要问得更细。价格和能力都在持续变化，法务需要知道：供应商如何使用数据、日志保留多久、子处理者有哪些、模型版本变更是否通知、不同任务实际调用了哪一个模型。内部系统也应能回看当时使用的版本、提示词、输入来源、工具调用和人工修改。目的不是把每一步都存档，而是在结果被质疑或需要复盘时，知道从哪里查起。
价格下降给了法律团队更多试错空间，不必急着把它理解为“全量换模型”的信号。先挑一条样本稳定、返工可以量化、交付责任清楚的流程跑起来，往往比按模型档位重分所有任务更有用。
资料来源
引用与继续阅读
GPT-5.6 降价后，法律团队先算返工成本｜AIILAW.cn｜2026-08-01｜https://aiilaw.cn/legal-ai-risk-tiered-model-routing-20260801/