AI代理跑合同流程快一半，近半要求却没接住

把合同工作流变成训练任务

OpenAI的头一个合作对象是合同管理软件公司Ironclad。双方把真实的合同工作流转成AI代理的训练任务，一共11项。

任务覆盖法律、商业和采购，比如设置保密协议、创建采购审批流程。还包括更新可复用的法律条款，让它反映请求者选的司法管辖区。

Ironclad的员工，还有OpenAI内部用Ironclad的人，都参与了任务识别。Ironclad还提供了自家产品的托管环境，让模型在里面反复练手。研究人员围绕典型工作流开发了合成训练任务。强化学习让模型通过练习和反馈一步步改进。

更快了，得分还差一截

GPT-6 Astra是首个在Ironclad任务上训练的前沿模型。11项研究任务里，Astra平均分55.0%，上一代GPT-5.6 Sol只有41.6%。平均每次尝试的估计时间从37.0分钟降到19.2分钟，少了近一半。

单项数据更直观：Astra约20分钟、满足约94%标准；Sol约32分钟、满足约85%。

OpenAI估计，这些活，有经验的用户平均每项要花30到40分钟。评估标准按任务复杂度，从8个到50个不等。平均55%意味着，复杂流程里接近一半的要求，Astra没接住。

人还得留在流程里

Ironclad在合作中的角色，正是老客户熟知的挑战。合同流程要处理例外情况，同时保留业务依赖的规则。OpenAI也强调，代理在复杂合同任务上做得更好之后，人类监督依然重要。完整的合同平台，也还是必需品。

对做合同的人来说，这次评估里这类繁琐设置的耗时被明显压了下来。关键规则仍要人来确认。

更强的是内部模型，落地时间没给

训练Astra用到的内部模型，在这些任务上拿到63.7%，更高一截。OpenAI打算把这部分增益带给未来模型。

这些改进什么时候进产品，OpenAI没说。会不会延伸到财务、人力资源这类专业领域，这次发布也没提。

OpenAI同时邀请少量软件公司直接与研究团队合作。条件是能拿出具体例子：要代理做什么、失败证据是什么、怎么判断成功。合作伙伴还得能带来深入了解工作的人员、安全的测试环境、可安全用于研究的数据。