Contractbench 测评：七款大模型合同审查准确率全部低于 60%

Artificial Lawyer 在 10 月 23 日报道了 Contractbench 的结果。这个由 Ivo 团队构建的基准包含 350 项合同审查任务，参评的 7 款模型中 Grok 4.7 以 58.3% 排名第一，Claude Opus 5.5 以 58.1% 紧随其后，全部模型的准确率都低于 60%。

这组数字的价值在于它测的不是问答，而是审查：在长文档里定位有风险的条款、判断缺了什么、给出可执行的修改意见。这类任务对错误近乎零容忍，而 58% 左右的成绩意味着模型目前只能作为辅助筛查，不能替代律师出具意见。基准由法律科技创业公司构建，样本与判分口径需要以其发布页为准。

把它放进本月的其他读数里更清楚：法律 AI 公司 Legora 在 10 月 21 日完成 5.5 亿美元 E 轮、投后估值 88 亿美元；而 10 月 26 日 Anthropic 公开的 S-1 文件显示其高客单企业客户规模持续扩张。资本定价的是自动化潜力，基准测出的是当前上限，两者之间存在明显缺口。