同样是评测,为什么裸模型打赢了专业产品?通用AI与法律AI的悖论

【法律 AI 评测系列 · 04】

法律 AI 市场有一个持续了两年的争论，到底是通用大模型直接上阵就够了，还是必须用经过法律领域专门训练的产品？这个争论之所以没有定论，是因为两边的证据都挺硬的。

2026年6月某法律 AI 平台发布了一份综合评测。结果让很多人意外，纯通用大模型，没有任何法律产品包装，裸模型直接参赛，超越了 Harvey、CoCounsel、Legora 等所有法律专用产品。一个通用模型，在没有法律知识库、没有工作流编排的情况下，在综合评测中打赢了所有法律 AI 产品。

同一个 Harvey，在一个评测中输给了裸模型，在另一个评测中碾压所有竞品。这不是数据矛盾，是评测口径不同。

综合评测测的是“模型能不能正确回答法律问题”。在这个口径下，最强通用大模型的推理能力本来就领先，直接上阵确实可以打赢很多法律专用产品。第三方产品评测测的是“产品能不能在真实工作流中完成任务”。在真实工作流中，律师不只是问一个问题等一个答案，他们需要批量处理文档、跨系统协作、引用可溯源的法条出处、保证数据安全合规。这些能力，裸模型一个都给不了。换句话说，一个是测引擎，一个是测整车。引擎好不等于车好，但车再好也需要好引擎。悖论的本质，是评测维度不同导致的不同结论。

在知识问答和合同起草这类任务上，通用模型的表现已经接近甚至超越法律专用产品。在“给一个问题、出一个答案”的模式下，通用大模型的法律能力已经够用。

但在以下三个维度，法律专用产品的优势是通用模型无法复制的。

第一，工作流编排。真实的法律工作不是问答，是任务链。律师收到合伙人指令后，需要阅读文档集、识别关键条款、检索相关判例、起草交付物、交叉验证。工作流能力是裸模型不具备的。

第二，知识库与检索增强。在近两年变更的法律上，有检索增强和无检索的差距达60个百分点。法律专用产品的知识库不只是一个附加功能，而是决定性的能力分水岭。特别是近两年新颁布或修改的法律，这些数据资产是通用模型训练数据无法覆盖的。

第三，安全合规与可审计性。法律行业的特殊性决定了，工具不只是要好用，还要能在受监管、高责任的环境中放心使用。这些安全合规层是通用模型不会提供也不应该提供的，因为通用模型的设计目标是服务所有行业，不可能为法律行业的合规要求做专门的架构设计。

一个值得关注的趋势是，法律专用产品和通用大模型之间的界限正在模糊。未来的竞争焦点在“谁的封装层做得更好”，谁的工作流编排更顺畅、谁的知识库更全面、谁的安全合规更可靠、谁的引用溯源更精确。

对从业者来说，选择标准不应该停留在“通用还是专用”的层面，而应该细化到具体场景。如果你的需求是偶尔查一个法律问题、起草一份标准合同，通用大模型可能就够了。如果你的需求是批量文档审阅、跨辖区法律研究、团队协作和审计追溯，法律专用产品的价值就不可替代。真正值得关注的问题是“在什么场景下谁在赢”。