Astra for Law vs GPT-6 Astra: Dezelfde gewichten, één extra zoekindex

Astra for Law en GPT-6 Astra zijn geen twee modellen, en de keuze als een rechtstreekse confrontatie voorstellen is het eerste dat je goed moet aanpakken. Astra for Law is GPT-6 Astra met een juridische zoekindex voor de Verenigde Staten die aan het retrievalpad is vastgeschroefd, een set instructies voor juridisch opstellen die erbovenop is gelegd, en juridische tooling die eraan is gekoppeld. De gewichten zijn identiek. De echte vraag is dus niet welk model slimmer is — maar of de juridische zoekindex het waard is om er een meerprijs voor te betalen, en op basis van de tot nu toe beschikbare gegevens hangt het antwoord vrijwel volledig af van of je werk bestaat uit het opzoeken van jurisprudentie of uit documentbeoordeling.

Dat is van belang omdat OpenAI geen prijs heeft gepubliceerd voor de juridische configuratie, de API daarvoor niet open is, en de enige directe vergelijking met het basismodel van OpenAI zelf afkomstig is, op een besloten validatieset. Deze pagina behandelt wat daadwerkelijk bekend is, wat de onafhankelijke cijfers zeggen, en aan welke kant van de vergelijking een gegeven juridische workload thuishoort.

Wat onderscheidt hen precies?

Er zijn drie dingen toegevoegd, en ze zijn niet allemaal even moeilijk te repliceren.

• Juridische zoekindex — het doorzoeken van Amerikaanse jurisprudentie, wetgeving, regelgeving, procesregels en bestuursrechtelijke beslissingen, meer dan 230 miljoen URL's, dagelijks worden er bronnen toegevoegd. Dit is het onderdeel dat je niet met een prompt kunt bouwen.

• Corpus — gebouwd op CourtListener, de bibliotheek van het Free Law Project die meer dan 99,9% van de gepubliceerde precedentrechtelijke Amerikaanse jurisprudentie bestrijkt, aangevuld met gelicentieerde content van aanbieders waaronder Thomson Reuters. De publieke helft is gratis; de gelicentieerde helft en de dagelijkse verversing zijn niet iets wat een individueel kantoor zelf kan reproduceren.

• Instructies en instellingen — instructies voor juridische analyse en juridisch schrijven, plus instellingen zoals responslengte. Deze bevinden zich op prompt- en configuratieniveau. Een competent juridisch-engineeringteam kan vandaag met het basismodel een aanzienlijk deel ervan benaderen.

Alleen bij GPT-6 Astra verloopt retrieval via algemeen webzoeken. Dat is het hele verschil in het onderzoekspad, en het is de as die elk cijfer hieronder meet.

De enige rechtstreekse confrontatie die bestaat

OpenAI testte beide zijden op 200 Amerikaanse juridische onderzoeksvragen uit de private validatieset van Vals AI's Legal Research Bench. Bij de hoogste redeneerinspanning slaagde Astra for Law voor de algemene correctheidscontrole bij 54,0% van de vragen, tegenover 38,7% voor GPT-6 Astra met zoeken op het web — 15,3 punten, beschreven als een relatieve verbetering van 40%. Ondersteunende cijfers uit dezelfde run: 24% meer referentiezaken gevonden bij vragen over jurisprudentie, tot 54% meer relevante passages opgehaald uit correcte rechterlijke uitspraken bij gelijke redeneerinspanning, en antwoorden die gemiddeld ongeveer twee keer zo lang waren.

Op die cijfers horen drie kanttekeningen, en geen ervan is een reden om ze terzijde te schuiven. Ten eerste zijn ze van OpenAI, op een split die OpenAI zelf in handen heeft, en niets onafhankelijks heeft ze gereproduceerd. Ten tweede is het de moeite waard om de verdubbelde antwoordlengte naast de samengestelde score te leggen, omdat een correctheidscontrole die dekking beloont gemakkelijker te halen is met een langer antwoord — de retrievalcijfers (24% meer zaken, 54% meer passages) zijn het zuiverdere bewijs van wat de index werkelijk toevoegt. Ten derde laat de publieke versie van dezelfde benchmark de sprong niet zien: de eigen vergelijkingspagina van Vals AI vermeldt GPT-6 Astra op 39,42% ±3,40 op Legal Research Bench, met Gemini 3.8 Flash op 38,94% ±3,39. Dat is het basismodel, zonder de index, dat in wezen uitkomt waar de baseline van OpenAI zit.

Twee onafhankelijke lezingen maken het beeld nog ingewikkelder. Legora voerde in één keer een afstemming van financiële overzichten over 41 documenten uit en vond alle vier de geplante fouten, waaronder een discrepantie van £500.000 in de omzettoelichting, en voegde daarmee ongeveer vijftig controles toe die het eerdere model had gemist — ongeveer 40% verbetering op die workflow. Op Legora's Benchmark for Agentic Reasoning als geheel was de gemiddelde verbetering over alle taken echter ongeveer 3%. Ondertussen zette HAQQ's 41-vragentest over 20 rechtsgebieden Astra's voorsprong in juridische inhoud op 17,63 van de 20, minder dan een punt voorsprong op goedkopere modellen, tegen $0,2622 per antwoord. Als je ze samen leest, is de eerlijke samenvatting dat de voorsprong van de configuratie groot en herhaalbaar is bij retrieval-intensief Amerikaans jurisprudentiewerk, dun bij algemene juridische redenering, en grotendeels ongetest voor niet-Amerikaans recht — waar dezelfde test vaststelde dat alle drie de modellen de juiste bepaling citeerden maar verkeerd weergaven wat erin staat.

Wat elke partij daadwerkelijk kost per juridisch antwoord

Astra for Law heeft geen gepubliceerde prijs. De tariefkaart van GPT-6 Astra is openbaar, en dat is het getal waarop de vergelijking moet worden gebaseerd, omdat de juridische configuratie hetzelfde model plus retrieval is en redelijkerwijs niet minder kan kosten dan het model dat het omvat.

• Standaard — $10,00 per miljoen invoertokens, $50,00 per miljoen uitvoertokens.

• Gecachte invoer — $1,00 per miljoen, een korting van 90%, en de hefboom die het meest van belang is voor een kantoor dat vaste instructies en standaardteksten van precedenten hergebruikt.

• Cache-schrijfacties — $12,50 per miljoen, gefactureerd tegen 1,25× het tarief voor niet-gecachte input; caching loont vanaf het tweede hergebruik.

• Boven 272.000 inputtokens — 2× input- en cachetarief en 1,5× output, toegepast op het volledige verzoek, niet alleen op de tokens boven de drempel. In de praktijk betekent dat $20.00 input en $75.00 output per miljoen voor elk lang verzoek.

• Batch — 50% van Standard. Snelle modus — 2× Standard, en niet beschikbaar voor GPT-6 Astra met EU-gegevensresidentie.

Die 272K-drempel is geen voetnoot bij deze vergelijking; hij vormt de kern ervan. Een afstemming van 41 documenten, een volledige set transcripten van getuigenverhoren of een transactiedossier dat meerdere jaren beslaat, overschrijdt regelmatig 272.000 tokens, wat betekent dat het realistische juridische tarief de lange-contextrij is — $20,00 in en $75,00 uit — niet het in het oog springende $10/$50. Voor een kantoor dat de omvang van een pilot bepaalt, is het verschil tussen die twee rijen het verschil tussen een project dat binnen een budget past en een dat erbuiten valt, en het is een reden om uw werkelijke tokenvolume per zaak te meten vóór u zich vastlegt, in plaats van daarna.

Nog twee kostennotities uit onafhankelijke tests. HAQQ mat $0,2622 per antwoord op Astra, ongeveer elf keer de kosten per antwoord van GPT-5.6 Luna Pro voor minder dan een punt samengestelde winst — maar merkte ook op dat het verschil deels komt doordat Astra ongeveer 3,5× minder tokens schrijft dan Claude Opus 5, waardoor het voor die werklast per antwoord goedkoper is dan Opus 5. En diezelfde test vond dat de reasoning-effort-instelling zich gedraagt als een kostenhefboom in plaats van een kwaliteitshefboom: van laag naar hoog vermenigvuldigde de kosten met ongeveer 1,5× en de latentie met ongeveer 1,8×, terwijl de beoordeelde kwaliteit met 0,17 punten daalde. Zet de effort-instelling vast; laat deze niet standaard op maximaal staan.

Wanneer het basismodel de betere koop is

Het pleidooi voor GPT-6 Astra op zich is sterker dan de framing rond de lancering doet vermoeden, en het berust op drie observaties.

• Uw werk is niet het opzoeken van Amerikaanse jurisprudentie. De index is alleen voor de VS. Voor het opstellen van contracten, het herstructureren van clausules, intake, het opbouwen van een chronologie of het samenvatten van documenten die u al in handen hebt, is wat Astra for Law toevoegt grotendeels zonder effect.

• Je betaalt al voor primair juridisch onderzoek. Een kantoor met Westlaw- of LexisNexis-abonnementen betaalt tweemaal voor dezelfde precedentdekking als het ook extra betaalt voor een retrieval-laag die het niet kan auditen.

• Je wilt het retrievalpad dat jij beheert. Een samengestelde documentenset in base GPT-6 Astra voeren geeft je citeerbare herkomst die je kunt inspecteren, en geen afhankelijkheid van de indexverversing van een leverancier.

Er is bewijs van derden dat het basismodel niet de zwakke schakel is. Op het APEX-Agents-leaderboard voor bedrijfsjuristen van Mercor scoorde een GPT-6 Astra-configuratie 73,4% Pass@1 over 160 taken — een resultaat van derden op een juridische-agentworkload, naast de gemiddelde winst van 3% die Legora in zijn eigen benchmarksuite mat. Geen van beide getallen gaat over de zoekindex, en beide suggereren dat het onderliggende model al het meeste juridische werk doet.

Wanneer de configuratie zijn meerprijs waard is

Het pleidooi voor Astra for Law is beperkter en, waar het van toepassing is, doorslaggevend. Als uw werklast bestaat uit het vinden en toepassen van Amerikaanse gezaghebbende bronnen — het opstellen van de lijst met zaken voor een memorie, controleren of een standpunt een reeks uitspraken overleeft, het uitvoeren van een onderzoek naar regelgeving in alle vijftig staten — dan zijn 24% meer referentiezaken en tot 54% meer relevante passages geen marginale verbetering, maar het verschil tussen een assistent die gezaghebbende bronnen mist en een die dat niet doet. De Legora tie-out is de best beschikbare illustratie van hetzelfde effect op documenten in plaats van op rechtspraak: het in één doorgang kruisverwijzingen aanbrengen tussen 41 bestanden is precies het vergelijkingswerk met lange contexten en grote volumes waarbij meer opgehaalde context zich opstapelt.

De eerlijke kanttekening bij beide: de prijsstelling is niet openbaar, de toegang is beperkt tot Am Law 200-kantoren via het Trusted Access-programma, en geen enkel onafhankelijk laboratorium heeft de rechtstreekse vergelijking opnieuw uitgevoerd. Er wordt van u gevraagd om een meerprijs te betalen op basis van een leveranciersbenchmark en de workflowtest van één partner.

Beide via één endpoint laten lopen

De routeringsvraag hier is een volgordeprobleem, niet een keuze. gpt-6-astra-law zit nog in geen enkele API, de onze inbegrepen — OpenAI heeft gezegd dat het binnenkort komt en heeft geen datum genoemd — dus vandaag is de enige helft van deze vergelijking die je daadwerkelijk kunt aanroepen het basismodel. Wat nu beschikbaar is, is openai/gpt-6-astra op OrcaRouter tegen 0% opslag, waarbij de lijstprijs van de provider ongewijzigd wordt doorgegeven, dus de rijen $10/$50 en $20/$75 hierboven zijn wat je betaalt en een prijswijziging van een leverancier gaat dezelfde dag in. Meer dan 200 modellen zitten achter één sleutel, met automatische failover tussen providers.

De routing-DSL is het onderdeel dat aansluit bij deze specifieke beslissing. Omdat het verschil tussen de twee producten een retrievalstap is, kun je het zelf samenstellen — routeer het basismodel met je eigen documentretrieval in één aanroep en vergelijk de uitvoer met dezelfde vraag die alleen via websearch is gesteld. Dat is een goedkope manier om te meten hoeveel van de kloof van 54,0% versus 38,7% je eigen corpus reproduceert, voordat je je vastlegt op een afgeschermd premiumproduct. Modelfusie, waarbij een panel van modellen over één prompt wordt uitgevoerd, dekt de andere helft: als je zorg is dat één enkel model een bepaling verkeerd leest, zoals HAQQ constateerde bij niet-Amerikaans recht, dan brengt een panel de onenigheid aan het licht in plaats van die te verbergen. Omdat routing beide zijden op één sleutel houdt, is het wisselen van het model-id wanneer gpt-6-astra-law opengaat een configuratiewijziging, geen herintegratie.

Eén voorbehoud dat het vermelden waard is in plaats van het te begraven: een gerouteerd verzoek valt niet automatisch onder OpenAI's Zero Data Retention-goedkeuring, die per organisatie wordt verleend, dus een bedrijf dat ZDR nodig heeft, moet de dekking bevestigen voor de route die het gebruikt. En een router is nog een extra schakel in het datapad — een reële kost voor geprivilegieerd materiaal, zelfs als die failover oplevert.

Waar dit landt

Als je vandaag kiest, kies dan het basismodel. Astra for Law kan nog niet worden gekocht, de meerprijs is onbekend, en het onafhankelijke bewijs zegt dat GPT-6 Astra al op hoog niveau presteert bij juridische agent-workloads zonder de index. Bouw nu op openai/gpt-6-astra, meet je eigen retrieval-gap, en laat de tokenboekhouding je vertellen of je 272K vaak genoeg overschrijdt om je iets aan te trekken van de long-contextrij.

Kom er dan op terug wanneer drie dingen bekend zijn: de prijs van gpt-6-astra-law, de vorm van de API-voorwaarden en een onafhankelijke herhaling van de head-to-head met 200 vragen op een split die iemand anders dan OpenAI beheert. Als de prijs in de buurt van het basistarief uitkomt en de retrievalwinsten standhouden buiten de validatieset van OpenAI, wordt deze configuratie de voor de hand liggende standaard voor onderzoeksintensief werk in de VS en blijft het basismodel de juiste keuze voor al het andere. Tot die tijd is de verdedigbare bewering de beperkte: een index van Amerikaanse jurisprudentie plus juridische instructies doet het wat betreft retrieval wezenlijk beter dan algemeen webzoeken bij Amerikaanse juridische vragen. Daar is het de moeite waard iets voor te betalen. Hoeveel is nog een open vraag.