
Astra for Law 6.2 se lleva el primer puesto en el benchmark legal de Harvey. La tasa de alucinación es la verdadera noticia.
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 89 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 97 tok/s
- orcaNUEVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaNUEVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 88 tok/s
- OrcaNUEVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 134 tok/s
- OrcaNUEVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 88 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 119 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 por 1M de tokens · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencia
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencia
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 920 tok/s
OpenAI lanzó una nueva versión de Astra for Law el 17 de noviembre de 2026 —la configuración jurídica construida sobre GPT-6.2 Astra, el buque insignia que presentó el día anterior— y debuta en el primer puesto de la clasificación Harvey LAB-AA que mantiene Artificial Analysis: el 20,8 % de 120 encargos jurídicos completados con puntuación completa, frente al 15,0 % de GPT-6.2 Astra y el 13,1 % de Muse Wonder Full, la mejor entrada que no pertenece a OpenAI. La cifra que merece más su atención está dos columnas a la derecha. Astra for Law promedió 0,03 alucinaciones materiales por encargo. Claude Opus 5.5, el modelo no de OpenAI con la segunda cifra más baja en esa medida, promedió 0,59.
Ambos números describen la misma ejecución de 120 asignaciones, y eso es lo que hace que valga la pena leerlos juntos: una configuración que completa toda la tarea con una frecuencia ligeramente mayor que cualquier otra cosa probada, e inventa una afirmación sustantiva con una frecuencia aproximadamente veinte veces menor que su rival no-OpenAI más fuerte. Esto es lo que ha cambiado desde septiembre, dónde se sostienen las afirmaciones, dónde no, y cómo se ve realmente el acceso esta semana.
Los mismos pesos, un índice más grande y un nuevo nombre que buscar
Nada de esto es un modelo nuevo en el sentido de nuevos pesos. Astra for Law es una configuración de GPT-6.2 Astra: el modelo base, más un índice de búsqueda jurídica ampliado, más instrucciones para investigar una cuestión, sopesar las autoridades y redactar la respuesta. Esa es la misma construcción que OpenAI utilizó en septiembre, cuando la capa se asentaba sobre GPT-6 Astra. La mejora es triple: un modelo base más reciente, un índice más grande y otros dos meses de ajuste con los comentarios de profesionales.
El índice es la parte concreta. OpenAI lo aumentó un 34 % desde septiembre, añadiendo más de 80 millones de URL, hasta un total de más de 310 millones, y amplió la cobertura al Reino Unido, Australia y Canadá. En el caso de EE. UU., afirma tener más del 99,9 % de la jurisprudencia publicada con valor precedente, según los datos de cobertura de CourtListener. Las instrucciones son invisibles e imposibles de verificar; el tamaño del índice es una cifra de la que al menos se puede pedir cuentas.
Un detalle práctico antes de que algo de esto sea útil: el producto tiene cuatro nombres. La publicación de OpenAI lo llama Astra for Law. Artificial Analysis incluye la entrada de la clasificación como Astra for Law 6.2 (Max). El id del modelo —la cadena que seleccionas en ChatGPT una vez que se habilita el acceso— es gpt-6.2-astra-law. Las búsquedas de «GPT-6.2 Astra for Law» devuelven el mismo producto. Si vas a informar a un equipo de adquisiciones, dales el id del modelo y la etiqueta de la clasificación juntos, porque de lo contrario no se encontrarán entre sí.
Qué significa el 20,8 % y por qué no es lo mismo que "equivocarse el 79 % de las veces"
LAB-AA es la ejecución por parte de Artificial Analysis del Legal Agent Benchmark de Harvey: 120 tareas en 24 áreas del derecho, desde redactar esquemas de declaraciones hasta revisar arrendamientos comerciales o definir estrategias para cambios de propiedad en adquisiciones. La puntuación es de todo o nada de una manera que importa. Una respuesta solo obtiene el crédito completo si cumple todos los requisitos de la tarea y no contiene ninguna alucinación material. Si se incumple un solo subrequisito, o se sostiene una sola afirmación no respaldada, la tarea obtiene cero.
Leído así, la brecha entre 20,8 % y 15,0 % es mayor de lo que sugieren cinco puntos porcentuales: es la diferencia entre completar limpiamente una de cada cinco asignaciones legales y una de cada siete. La propia aritmética de OpenAI cuadra —20,8 frente a 15,0 es una ganancia relativa del 39 %, que su frase «casi un 40 % más a menudo» describe con exactitud, y 20,8 frente a 13,1 es 59 %, de nuevo como se afirma.
Las dimensiones que deciden si esto merece una partida presupuestaria:
• Crédito completo en LAB-AA — Astra for Law 20.8% vs GPT-6.2 Astra 15.0% vs Muse Wonder Full 13.1%
• Tokens de salida por asignación — aproximadamente 64.000 frente a 139.000 para Muse Wonder Full, una reducción del 54 % con una tasa de aprobación más alta
• Alucinaciones de material por tarea: 0,03 frente a 0,06 de GPT-6.2 Astra y 0,59 de Claude Opus 5.5
• Alucinaciones leves por asignación — 0,06 frente a 0,51 de Claude Opus 5.5, aproximadamente 8,5 veces más
• Coste por asignación de LAB-AA con esfuerzo máximo: 7,33 $ frente a 6,35 $ de GPT-6.2 Astra y 17,93 $ de Claude Opus 5.5, según Artificial Analysis
• Cero alucinaciones materiales en tareas que cumplieron los criterios de aprobación total, que es la subafirmación que impide que las aprobaciones se compren con citas inventadas

La línea de costos merece una segunda mirada porque va contra el patrón habitual. Con la misma configuración de razonamiento Max, la configuración legal cuesta $0.98 más por asignación que su propio modelo base, mientras obtiene 5.8 puntos más de crédito completo y genera 54% menos tokens de salida que el modelo al que superó. Aquí no estás pagando por verbosidad; estás pagando por una capa de recuperación que permite que el modelo se detenga antes. Para un equipo que cobra el trabajo legal por hora, esa es la única aritmética que importa, y es el único número del lanzamiento que un competidor no puede copiar lanzando un modelo más grande.
La tasa de alucinación es la afirmación con la vida media más larga.
Artificial Analysis contabilizó las alucinaciones materiales —afirmaciones que podrían inducir a error a un lector sobre un punto sustantivo— en las mismas 120 tareas. Astra for Law promedió 0,03 por tarea, empatado con GPT-6 en la tasa más baja de la comparación y aproximadamente la mitad de la tasa del GPT-6.2 Astra normal, situada en 0,06. Claude Opus 5.5 promedió 0,59, que es la cifra de "unas 20 veces" que cita OpenAI, y la proporción se mantiene: 0,59 dividido por 0,03 es 19,7.
Una salvedad merece exponerse claramente en lugar de quedar sepultada, porque tiene doble filo. Con estas magnitudes, los recuentos son minúsculos —0,03 por encargo en 120 encargos supone un puñado de alucinaciones sustanciales en total—, así que una sola respuesta mala desplaza la tasa de forma sustancial. La proporción de 20 veces es una diferencia real entre dos ejecuciones medidas, no una constante física estable, y no debería citarse a un cliente como garantía de nada. Lo que sí establece es la dirección y el tamaño aproximado, y en una tarea donde una sola cita inventada puede acabar con una relación, la dirección y el tamaño aproximado valen más que una estimación puntual.
También hay que separar la procedencia. Artificial Analysis realizó la evaluación, así que las cifras no son de OpenAI, pero Harvey escribió el benchmark y OpenAI trabajó con Harvey en el despliegue de septiembre. LAB-AA es independiente del proveedor, no del autor del benchmark. No existe un recuento de alucinaciones de terceros sobre un conjunto de tareas en el que OpenAI no haya intervenido; esa es la laguna en la evidencia, y es una laguna mayor de lo que sugiere el titular del 0,03.

Donde no es el primero
El Legal Research Bench de Vals AI, evaluado el 16 de noviembre de 2026, ofrece una versión menos halagüeña. Astra for Law ocupa el sexto puesto con una tasa de aprobación total del 53,85 % en 208 preguntas que abogados en ejercicio escribieron sobre derecho federal y estatal de EE. UU., por detrás de Gemini 4 Carbon, con un 55,77 %, y de un triple empate al 55,29 % entre Muse Spark 1.3 Max, Claude Opus 5 y Claude Fable 5.1.
Sexto por 1,9 puntos, pero primero en lo económico dentro del grupo de cabeza:
• Precisión de aprobación total — Astra for Law 53,85 % frente a Gemini 4 Carbon 55,77 % y Gemini 4 Argon 54,81 %
• Coste por prueba: $2,75 frente a $8,74 de Gemini 4 Carbon, $6,76 de Claude Opus 5 y $23,06 de Claude Fable 5.1
• Tokens por prueba: 77.740 frente a 5,36 millones de Gemini 4 Carbon y 3,13 millones de Claude Opus 5
• Duración por prueba — 16 minutos 45 segundos frente a 51 minutos 53 segundos para Gemini 4 Carbon
Ese último par es la parte que no encaja con el titular. No solo es más barato por respuesta; es un orden de magnitud más ligero en tokens que los modelos que están por encima, lo cual es la misma señal que dio el recuento de tokens de LAB-AA.
También vale la pena revisar línea por línea el propio planteamiento de OpenAI sobre este benchmark. Informa 112 de 208 preguntas con crédito completo, una mejora de unos ocho puntos porcentuales frente a aproximadamente el 46 % en septiembre, y el 90,9 % de los puntos disponibles una vez contabilizado el crédito parcial. El 112 y el 90,9 % concuerdan con la tabla pública. El punto de partida del 46 % no aparece en ella, por lo que los «ocho puntos en menos de dos meses» son una comparación que OpenAI hace con su propia ejecución de septiembre y no pueden recalcularse a partir de lo que Vals publica hoy.
La cifra más útil de esa tabla es una que OpenAI no presentó primero. GPT-6.2 Astra, el mismo modelo base sin la capa legal, obtiene un 42,79 % y ocupa el puesto 31; GPT-6 Astra ocupa el puesto 42 con un 39,42 %. Así que, en un benchmark que ni OpenAI ni Harvey controlan, la configuración vale unos once puntos más que su propia base. Esa es la estimación independiente más limpia de lo que realmente aportan el índice legal y las instrucciones, y es considerablemente mayor de lo que implica la diferencia de 20,8 frente a 15,0 en LAB-AA.

Cuánto cuesta y la cifra que OpenAI no ha publicado
No hay un precio para la configuración legal. Eso no es una omisión en la publicación de lanzamiento; es la publicación de lanzamiento. El acceso es una solicitud, no una compra: cada cliente de ChatGPT Enterprise ahora puede solicitar Astra for Law a través del Trusted Access Program en la consola de administración, los equipos que ya lo tienen seleccionan gpt-6.2-astra-law en ChatGPT, y el acceso a la API se realiza mediante un formulario de contacto de ventas en lugar de una clave de autoservicio.
Para presupuestar, el modelo base es la única tarifa publicada: GPT-6.2 Astra figura a $8 por millón de tokens de entrada y $40 por millón de salida, con la entrada en caché a $0,40, una ventana de contexto de 1,05 millones de tokens, 128.000 tokens de salida como máximo y una fecha de corte de conocimiento del 18 de mayo de 2026. El registro de Artificial Analysis para la configuración legal maneja los mismos $8 y $40, pero se trata de la tarifa del modelo base trasladada, y debe considerarse una suposición de trabajo de ese laboratorio, no una cotización del proveedor. La cifra derivada es más honesta respecto al uso: $7,33 por asignación LAB-AA con esfuerzo Max, lo que refleja cuántos tokens gasta realmente la configuración, en lugar de cuánto cuesta nominalmente un token.
Si vas a construir tú mismo la capa de recuperación en lugar de comprar la configuración, los modelos base son accesibles con una sola clave a través de OrcaRouter, que incluye GPT-6 Astra y la línea de OpenAI que la rodea dentro de un catálogo de 215 modelos al precio de lista del proveedor con un 0 % de recargo y conmutación por error automática cuando un proveedor se queda bloqueado a mitad de la ejecución. Astra for Law no está en ese catálogo y no hay ningún endpoint público que permita acceder a él; nada en esta ruta es un atajo hacia la configuración. La capa de enrutamiento resulta útil para la parte que puedes controlar: un paso de investigación que no debe omitir una cita de forma silenciosa es un candidato razonable para que un segundo modelo revise al primero, y esa composición es una llamada al DSL de enrutamiento en lugar de dos integraciones con proveedores.
¿Cuánto de esto es la capa legal y cuánto es simplemente el modelo más nuevo?
OpenAI publicó una comparación que responde a la pregunta que su propio titular omite. En el Legal Agent Benchmark de Harvey —una prueba distinta de LAB-AA, ejecutada por Harvey en lugar de Artificial Analysis— GPT-6 Astra cumplió todos los requisitos en el 4,6% de las asignaciones, GPT-6.2 Astra triplicó esa cifra hasta el 14,6%, y la configuración legal la elevó al 16,2%.
Lee la secuencia, no el último número. Dos tercios del trayecto del 4,6 % al 16,2 % son progreso del modelo base: el salto de GPT-6 Astra a GPT-6.2 Astra, que cualquier cliente del modelo base obtiene sin solicitar acceso a nada. La configuración aporta los últimos 1,6 puntos, una mejora relativa del 11 % sobre la base. Esa es una ganancia real y es la ganancia que te están vendiendo, pero es una proporción menor del total de lo que implica la cobertura de lanzamiento —y es la parte con más probabilidades de ser replicada por las propias capas de recuperación de otros laboratorios en el plazo de un trimestre.
¿Quién debe solicitar acceso y quién debe esperar?
Si estás dentro de un inquilino de ChatGPT Enterprise y tus abogados ya hacen investigación en él, solicita acceso esta semana. El coste de la solicitud es un formulario, y lo primero útil que puedes hacer con él no es ejecutar el benchmark de Harvey, sino el tuyo propio: veinte encargos de tu propia práctica, puntuados como todo o nada con veto a las alucinaciones, que es una rúbrica que puedes construir en una tarde y que te dirá más sobre tu trabajo que un 20,8 % en el de otra persona.
Si estás fuera de Enterprise y fuera del programa de API, todavía no hay nada que comprar: ni tarifario, ni clave, ni disponibilidad a través de socios. Esperar no te cuesta nada que un trimestre de acceso no vaya a resolver, y la ausencia de un precio publicado es en sí misma información: el proveedor no ha decidido cuánto vale la capa legal independientemente del modelo base.
Si estás construyendo, el hallazgo transferible no es la posición en la clasificación. Es que la configuración con mejor puntuación en LAB-AA usó un 54% menos de tokens de salida que el modelo que queda justo debajo en la clasificación. La economía por tarea, no el precio por token, es donde se gana en la IA jurídica, y una capa de recuperación que permite al modelo dejar de generar antes resulta más barata que un modelo más inteligente que sigue generando.
Tres cosas que vigilar a continuación. Un precio publicado para la configuración, que dirá si OpenAI considera esto un producto premium o una función incluida en Enterprise. Disponibilidad de API más allá del formulario de solicitud, que determina si cualquiera puede reproducir las cifras de forma independiente. Y un recuento de alucinaciones fuera de EE. UU.: el índice ahora cubre Reino Unido, Australia y Canadá, pero cada cifra publicada mide la legislación estadounidense, y el modo de fallo que más duele en otras jurisdicciones —citar la disposición correcta pero malinterpretarla— es el que ninguna ampliación del índice corrige por sí sola.
Comparados en este artículo2
Detectado en este artículo · Benchmarks: Artificial Analysis · actualizado a diario
