OpenAI משפרת את Astra for Law: פי 20 פחות הזיות
OpenAI משיקה גרסה מעודכנת של Astra for Law, שמדורגת ראשונה במבחן Harvey LAB-AA, עם ניקוד מלא ב־20.8% מהמשימות. המספר המעניין באמת: 0.03 הזיות מהותיות למשימה, לעומת 0.59 של Claude Opus 5.5 — שיעור הנמוך פי 20, עם 54% פחות טוקני פלט. הגישה נפתחת לכל לקוחות ChatGPT Enterprise דרך ה־API.

OpenAI משפרת את Astra for Law: פי 20 פחות הזיות מהמתחרים
אם יש משהו שעורך דין באמת מפחד ממנו בבינה מלאכותית, זה לא מודל שמפספס סעיף בחוזה — זה מודל שממציא פסק דין שלא קיים ומגיש אותו לבית המשפט. OpenAI החליטה לתקוף בדיוק את הפחד הזה, ובגרסה המעודכנת שלה של Astra for Law היא מציגה מספרים שנועדו לגרום לעורכי דין להרגיש בנוח יותר — או לפחות פחות לא בנוח.
הגרסה החדשה של Astra for Law, שהחברה משיקה היום, מדורגת ראשונה במבחן Harvey LAB-AA — מבחן שמכסה 24 תחומי משפט — ונמנית עם המובילים במבחן LAB: USCL, שפותח במשותף על ידי Harvey ו-Grubel, ובמבחן המחקר המשפטי של Vals AI. אבל השורה התחתונה המעניינת היא לא הדירוג, אלא מה שמסתתר מאחוריו.
אז מה בעצם קרה כאן?
Astra for Law היא לא מודל חדש בפני עצמה — היא תצורה של GPT‑6.2 Astra, המודל החדש והחזק ביותר של OpenAI, שמחברת יחד כמה רכיבים: אינדקס חיפוש משפטי ייעודי והוראות שמנחות את המודל לחקור שאלה, להעריך את משקלן של אסמכתאות משפטיות ולכתוב את התשובה. במילים של עולם ההייטק הישראלי: לא סתם פרומפט, אלא מוצר ארוז עם שכבת retrieval משפטית מעל המודל הבסיסי.
ההבדל הזה לא קטן. במבחן LAB-AA, התצורה הזו קיבלה ניקוד מלא בשיעור גבוה בכמעט 40% מהשיעור של GPT‑6.2 Astra לבדו, בלי התצורה המשפטית. כלומר, השכבה הייעודית — האינדקס וההוראות — היא לא קישוט.
מה בעצם נמדד שם?
מבחן הסוכנים המשפטיים של Harvey (LAB) בודק אם מודל יכול לבצע משימה משפטית מתחילתה ועד סופה. LAB-AA הוא הגרסה של Artificial Analysis למבחן הזה, והוא מעמיד את המודלים מול 120 משימות שפיתחה Harvey — מהכנת מתווים לגביית עדות מוקדמת, דרך סקירת חוזי שכירות מסחריים ועד גיבוש אסטרטגיה לשינויי בעלות במסגרת רכישות.
כדי לקבל ניקוד מלא, התשובה צריכה לעמוד בכל דרישות המשימה בלי הזיות — כלומר, בלי טענה מהותית שאינה נתמכת במסמכי המקור. Astra for Law דורג ראשון וקיבל ניקוד מלא ב־20.8% מהמשימות, לפני GPT‑6.2 Astra עם 15.0% ו-Muse Wonder Full עם 13.1%. כן, 20.8% נשמע נמוך — אבל זה מבחן שמציב רף כמעט בלתי אפשרי, והנתון שמעניין כאן הוא הפער מהמקום השני.
פחות טוקנים, פחות כסף
יש כאן עוד נתון שמעניין במיוחד צוותים משפטיים שמשלמים לפי שימוש: Astra for Law השיג את הציון המוביל גם עם פחות ממחצית הפלט של המודל בעל הציון הגבוה ביותר שאינו של OpenAI. הוא הפיק בממוצע כ־64,000 טוקני פלט למשימה, לעומת 139,000 של Muse Wonder Full — וקיבל ניקוד מלא בשיעור גבוה יותר, 20.8% לעומת 13.1%.
בתרגום לתקציב: המודל של OpenAI קיבל ניקוד מלא לעיתים קרובות יותר, תוך יצירת 54% פחות פלט למשימה. עבור משרד שמשלם לפי טוקנים, זה יכול להיות ההבדל בין לעמוד בתקציב לבין לחרוג ממנו משמעותית. וזה משהו שכל מי שעבד עם מודלים ארוכי־נשימה בעבודה יומיומית מכיר מקרוב.
ההזיות: המספר שגרם לכולם להרים גבה
אין מקום להזיות בעבודה משפטית. אסמכתה מומצאת אחת עלולה לעלות לעורך דין באמון הלקוח, באמינות בבית המשפט ובמוניטין שנבנה לאורך שנים. לכן צמצום ההזיות היה בעדיפות גבוהה בפיתוח Astra for Law — והמספרים כאן חדים.
בהשוואת LAB-AA האחרונה של Artificial Analysis, Astra for Law השיג, יחד עם GPT‑6, את השיעור הנמוך ביותר של הזיות מהותיות: 0.03 למשימה, לעומת 0.59 של Claude Opus 5.5 — המודל בעל השיעור הנמוך ביותר מבין אלה שאינם של OpenAI. זה שיעור הנמוך בערך פי 20. בהזיות קלות הפער עומד על 0.06 מול 0.51 — שיעור הנמוך פי 8.5 בקירוב.
חשוב לציין: במשימות שבהן Astra for Law עמד בכל הקריטריונים בהערכה הזו, לא נמצאו הזיות כלל — כך שהפחתת הניקוד בגין הזיות לא הורידה את הציון שלו. ובמבחן Harvey עצמו, GPT‑6 Astra עמד בכל הדרישות ב־4.6% מהמשימות, בעוד GPT‑6.2 Astra השלים 14.6% באותם תנאים. שיפור של פי שלושה בקירוב, לפני שמדברים בכלל על התצורה המשפטית הייעודית.
גם הסיכומים המשפטיים
כתיבת סיכומים משפטיים היא אחד התהליכים הממושכים והמורכבים ביותר בתחום. היא מחייבת שילוב של reasoning בהיר, מחקר וכתיבה כדי לגבש טיעון מצוין. Harvey ו-Grubel פיתחו יחד את LAB: USCL כדי לבדוק אם מודל יכול לבצע מחקר ולכתוב סיכומים בתיק אמיתי שהתנהל בבית משפט פדרלי בארה״ב.
איך זה עובד? כל מודל נכנס לתמונה ממש לפני הגשת הסיכומים, וכותב בשם אותו צד ובאותה סוגיה. בגרסה אחת, המודל צריך למצוא בעצמו את פסקי הדין הרלוונטיים. בגרסה השנייה, הוא מקבל את חומרי התיק ואת התקדימים שעורך הדין המקורי ציטט. מעריכי AI משווים את הסיכומים זה לזה לפי קריטריונים שעורכי דין בדקו וכיילו.
Astra for Law השיג את אחד הציונים הגבוהים ביותר בשתי הגרסאות. כשהמודלים ביצעו את המחקר המשפטי בעצמם, Astra for Law קיבל ציון של 1,844 לעומת 1,817 של Opus 5.5. כשהתקדימים סופקו להם, התוצאות היו כמעט זהות: 1,883 ו־1,882. טווחי אי־הוודאות חופפים בשני המבחנים — כלומר, בפער הזה אין מנצח ברור, לפחות לא סטטיסטית.
התוצאה הראשונה — מחקר וניסוח — חשובה יותר ממה שנדמה, כי שיפור המחקר המשפטי הוא אחד השיפורים המרכזיים בגרסה הזו. עורכי דין העוסקים בליטיגציה כמעט אף פעם לא מתחילים עם רשימה מוכנה של פסקי הדין הנכונים. כאן, כל מודל היה צריך לזהות אילו החלטות רלוונטיות ולהשתמש בהן כדי לנסח טיעון שבית המשפט יוכל לעקוב אחריו. במשימה הזו, המעריכים של Harvey העדיפו את הסיכומים של הגרסה הנוכחית של Astra for Law על פני אלה של מודלים מובילים אחרים, כמו Opus 5.5 ו-Gemini 4 Argon.
הקפיצה של Vals AI
אחד המדדים הראשונים להתקדמות של OpenAI בתחום הוא מבחן המחקר המשפטי של Vals AI, שבו עורכי דין פעילים מנסחים שאלות על הדין הפדרלי והמדינתי בארה״ב. כל תשובה צריכה להתייחס לכל הנקודות הנדרשות ולעבור את בדיקות המקורות.
בספטמבר, Astra for Law עבר בהצלחה כ־46% מהשאלות. הגרסה שמתפרסמת היום עונה בהצלחה על 54.81% מהשאלות — קפיצה של כ־9 נקודות אחוז בתוך פחות מחודשיים, ופער של פחות מנקודת אחוז אחת מהציון המוביל שפורסם.
איך עושים את זה? בשורה התחתונה, זה שילוב של שלושה מהלכים. הראשון: שילובו של GPT‑6.2 Astra בתצורה. השני: שכלול ההוראות שמנחות את הניתוח המשפטי שלה. השלישי, ואולי המשמעותי ביותר: הרחבת אינדקס החיפוש ביותר מ־539,000 מקורות משפטיים מארה״ב ויותר מ־98,000 מקורות מבריטניה, מאוסטרליה ומקנדה — כשהחברה החלה להוסיף חקיקה ופסיקה ממדינות אלה.
תוספות אלה מרחיבות אינדקס חיפוש משפטי שכבר בהשקה כלל יותר מ־230 מיליון כתובות URL, מתוך אוסף המכסה יותר מ־99.9% מהפסיקה התקדימית שפורסמה בארה״ב. במונחים של העולם שאנחנו מכירים, זה נראה כמו לעשות crawl לאתר של כל בית משפט פדרלי ומדינתי בארה״ב — ואז להבין מה יש בו.
מי מרוויח מזה, ומה זה אומר לשוק
השאלה המעניינת מבחינת התעשייה היא לא מי ניצח בבנצ'מרק, אלא מי מקבל גישה. Astra for Law אולי התחיל בספטמבר עם קבוצה קטנה של משרדי עורכי דין, ובהם Cooley, Ropes & Gray ו-Sullivan and Cromwell. עכשיו OpenAI פותחת את הגישה לכל לקוחות ChatGPT Enterprise במסגרת תוכנית הגישה המהימנה, כולל דרך ה־API.
מבחינת OpenAI, זה מהלך אסטרטגי ברור: היא הופכת את המשפט לאחד האנכיים הראשונים שבהם היא בונה מוצר אנכי מלא ולא רק מודל כללי. מבחינת משרדי עורכי דין וצוותי משפט פנימיים בחברות — במיוחד כאלה שמשלמים לפי שימוש — ההבטחה אינה רק "חכם יותר", אלא "פחות טוקנים ופחות הזיות".
שימו לב למתח המוזר: 20.8% ניקוד מלא הוא עדיין פחות מרבע מהמשימות. אף אחת מהתצורות שהוצגו לא הגיעה לציון של Astra for Law תוך שימוש בפחות טוקני פלט, אבל גם היא לא פתרה את הבעיה. המבחן הזה הוא לא הוכחה שהמודל מוכן להחליף עורך דין — הוא הוכחה שהמודל מוכן יותר מבעבר לשבת לצידו, עם פיקוח.
ולמי שעוקב אחרי שוק ה־AI המשפטי, יש כאן גם מסר למתחרים: המירוץ עבר מבנצ'מרקים כלליים לבנצ'מרקים ייעודיים, עם שליטה של חברות כמו Harvey שמגדירות את הסטנדרט. מי שיכתוב את המבחן הבא — יקבע גם מי ינצח בו.
בשורה התחתונה, Astra for Law הוא לא מהפכה, אלא עוד מדרגה בעקומת השיפור: פחות הזיות, יותר מקורות, פחות טוקנים. וזה כנראה בדיוק מה שעורכי דין צריכים בשלב הזה — לא מודל שמדבר יפה, אלא כזה שמפסיק להמציא פסקי דין.