เปิดตัว Astra for Law: OpenAI วางดัชนีการค้นหาด้านกฎหมายไว้เบื้องหลัง GPT-6 Astra

Astra for Law ถูกประกาศเมื่อวันที่ 17 กันยายน 2026 — เป็นการตั้งค่าสำหรับงานด้านกฎหมายที่สร้างขึ้นบน GPT-6 Astra ซึ่งเป็นโมเดลเรือธงที่บริษัทเปิดตัวไปเมื่อสองสัปดาห์ก่อน คือวันที่ 3 กันยายน มันไม่ใช่โมเดลใหม่ แต่เป็นน้ำหนักชุดเดียวกันที่อยู่หลังประตูหน้าคนละบาน ได้แก่ ดัชนีค้นหาทางกฎหมายโดยเฉพาะ คำสั่งที่เจาะจงด้านกฎหมาย และชุดเครื่องมือที่มุ่งเป้าไปที่การค้นคว้าคำพิพากษาของสหรัฐอเมริกา ความแตกต่างนี้สำคัญกว่าที่กรอบการเปิดตัวชี้ให้เห็น เพราะตัวเลขทุกตัวในประกาศวัดการตั้งค่านี้เทียบกับโมเดลฐาน ไม่ใช่ความสามารถใหม่ — และการตั้งค่านี้เป็นตัวทำงานเกือบทั้งหมด

ข้อกล่าวอ้างหลักคือ Astra for Law ผ่านการตรวจสอบความถูกต้องโดยรวมใน 54.0% ของคำถามวิจัยทางกฎหมายของสหรัฐฯ จำนวน 200 ข้อที่ดึงมาจากชุด validation แบบปิดของ Legal Research Bench ของ Vals AI เทียบกับ 38.7% สำหรับ GPT-6 Astra เมื่อใช้การค้นเว็บเพียงอย่างเดียว ซึ่งเป็นการปรับปรุงเชิงสัมพัทธ์ 40% ตามที่ OpenAI ระบุ นี่เป็นตัวเลขที่ผู้ขายรายงานเองบนชุดข้อมูลแบ่งส่วนแบบปิด และยังไม่มีห้องปฏิบัติการอิสระใดทำซ้ำตัวเลขเหล่านี้ได้ สิ่งที่ตรวจสอบได้อย่างอิสระกลับมีประโยชน์มากกว่า: การเปรียบเทียบสาธารณะของ Vals AI เองระบุว่า GPT-6 Astra อยู่ที่ 39.42% ±3.40 บนเบนช์มาร์กนั้น ซึ่งโดยพื้นฐานแล้วคือเส้นฐานที่ OpenAI กำลังวัดเทียบด้วย ช่องว่างดังกล่าวมาจากดัชนีการค้นหาทางกฎหมายและคำสั่ง ไม่ใช่มาจากการที่โมเดลกลายเป็นทนายความที่เก่งขึ้น

นี่คือสิ่งที่ปล่อยออกไปแล้ว สิ่งที่ได้รับการวัดจริง และสิ่งที่ยังขาดอยู่

Astra for Law จริง ๆ แล้วคืออะไร

มีสามสิ่งถูกเพิ่มเข้าไปบน GPT-6 Astra และไม่มีสิ่งใดเลยที่เป็นการเปลี่ยนแปลงค่าน้ำหนัก ในการแถลงข่าวต่อสื่อมวลชน Jason Boehmig — ผู้ร่วมก่อตั้ง Ironclad ซึ่ง OpenAI จ้างมาในเดือนมิถุนายน 2026 — และวิศวกร Sherwin Wu อธิบายว่าการเปิดตัวครั้งนี้เป็นการกำหนดค่าคำสั่งเฉพาะโดเมน การตั้งค่าต่าง ๆ เช่นความยาวคำตอบ และเครื่องมือสำหรับอุตสาหกรรมกฎหมาย ซึ่งคาดว่าจะขยายเพิ่มขึ้นเมื่อเวลาผ่านไป

• Legal Search Index — ชั้นการสืบค้นที่ครอบคลุมคำพิพากษาของสหรัฐฯ กฎหมาย ระเบียบ กฎของศาล และคำวินิจฉัยทางปกครอง ซึ่งมีมากกว่า 230 ล้าน URL โดยมีแหล่งข้อมูลเพิ่มเติมทุกวัน

• ที่มาของคลังข้อมูล — ดัชนีนี้ใช้ข้อมูลจาก CourtListener ซึ่งเป็นไลบรารีที่ดูแลโดยองค์กรไม่แสวงหากำไร Free Law Project ซึ่ง OpenAI กล่าวว่าครอบคลุมคำพิพากษาที่เป็นบรรทัดฐานของสหรัฐฯ ที่เผยแพร่แล้วมากกว่า 99.9% และยังช่วยเสริมเนื้อหาที่ได้รับอนุญาตจากผู้ให้บริการ ซึ่งรวมถึง Thomson Reuters

• คำแนะนำทางกฎหมาย — ชุดคำแนะนำเฉพาะด้านสำหรับการนำผลการวิจัยไปใช้กับข้อเท็จจริง การพัฒนาข้อโต้แย้งหรือข้อกำหนดของดีล และการเปิดเผยจุดอ่อนหรือความไม่แน่นอนในจุดยืน

การสาธิตในการบรรยายสรุปนั้นเป็นรูปธรรมมากกว่านามธรรม: Wu ร่างคำร้องขอให้ยกฟ้องให้กับโรงพยาบาลที่กำลังเผชิญข้อกล่าวหาเรื่องการเลือกปฏิบัติต่อผู้พิการและการตอบโต้ ต่อสู้กับข้อท้าทายของผู้ถือหุ้นต่อการขายสินทรัพย์ในช่วงสุดสัปดาห์ที่มีวันหยุด และจัดการข้อพิพาทเกี่ยวกับคำมั่นในการขาย ไม่มีสิ่งใดในนั้นเป็นความสามารถใหม่สำหรับโมเดลระดับแนวหน้า สิ่งที่ใหม่คือครึ่งหนึ่งของงานที่เป็นการค้นคืนข้อมูลไม่ได้ผ่านการค้นหาเว็บทั่วไปอีกต่อไป

เกณฑ์มาตรฐาน อ่านอย่างละเอียด

ตัวเลขสี่ตัวปรากฏออกมาจากการเปิดตัว ล้วนเป็นของ OpenAI ล้วนอยู่บนชุดตรวจสอบความถูกต้องส่วนตัวชุดเดียวกัน และล้วนควรค่าแก่การแยกออกจากกัน:

• ความถูกต้องโดยรวม — 54.0% สำหรับ Astra for Law เทียบกับ 38.7% สำหรับ GPT-6 Astra เมื่อใช้การค้นหาเว็บ ที่ระดับความพยายามในการให้เหตุผลสูงสุด

• พบแนวคำพิพากษาอ้างอิง — มากกว่า 24% สำหรับคำถามที่เน้นแนวคำพิพากษา อีกครั้งที่ระดับความพยายามในการใช้เหตุผลสูงสุด

• ข้อความที่เกี่ยวข้องที่ถูกดึงมา — มากกว่าถึง 54% จากความเห็นของศาลที่ถูกต้อง ด้วยความพยายามในการใช้เหตุผลเท่ากับค่าพื้นฐาน

• ความยาวคำตอบ — โดยเฉลี่ยแล้วยาวขึ้นประมาณสองเท่าในการตั้งค่าการให้เหตุผลที่ทดสอบ

ตัวเลขสุดท้ายนั่นคือตัวที่ควรนำมาเทียบกับตัวแรก การตรวจสอบความถูกต้องโดยรวมที่ให้น้ำหนักกับความครอบคลุมนั้นผ่านได้ง่ายกว่าด้วยคำตอบที่ยาวขึ้น และส่วนหนึ่งของคะแนนที่เพิ่มขึ้น 15.3 จุดก็มีความเป็นไปได้ว่ามาจากชั้นการดึงข้อมูลที่เพียงแค่นำเนื้อหามากขึ้นมาไว้ตรงหน้าโมเดล นี่ไม่ใช่การวิจารณ์ผลลัพธ์ — การพบเคสอ้างอิงเพิ่มขึ้น 24% นั้นเป็นการปรับปรุงจริงที่ระบุไว้แยกต่างหาก — แต่มันหมายความว่าควรอ่านตัวเลขรวมและตัวเลขการดึงข้อมูลควบคู่กัน ไม่ใช่ตัวเลขรวมเพียงอย่างเดียว

ปัญหาชุดข้อมูลแบบ private split เป็นปัญหาที่ใหญ่กว่า ชุดตรวจสอบที่ OpenAI เก็บไว้และไม่เผยแพร่ ไม่มีใครสามารถรันซ้ำได้ และกระดานผู้นำสาธารณะของเบนช์มาร์กเดียวกันกลับเล่าเรื่องที่ดูราบเรียบกว่า: หน้าสาธารณะของ Vals AI เองระบุว่า GPT-6 Astra อยู่ที่ 39.42% ±3.40 บน Legal Research Bench โดย Gemini 3.8 Flash อยู่ที่ 38.94% ±3.39 ไม่ว่าอะไรก็ตามที่ทำให้กระโดดไปถึง 54.0% จะไม่ปรากฏบนกระดานสาธารณะ เพราะกระดานสาธารณะกำลังให้คะแนนโมเดลฐานโดยไม่มีดัชนีกฎหมายแนบอยู่

การไทเอาต์ของ Legora และตัวเลขที่อยู่ข้างในนั้น

หลักฐานจากบุคคลที่สามที่มีเนื้อหาสาระมากที่สุดในการรายงานข่าวการเปิดตัว คือการทดสอบเวิร์กโฟลว์จาก Legora ซึ่ง Percevale Perks วิศวกรกฎหมายของบริษัทได้ดำเนินการกระทบยอดงบการเงิน (financial-statement tie-out) — จับคู่ตัวเลขในบัญชีฉบับร่างกับงบทดลอง ตารางการรวมบัญชี และบัญชีของปีก่อนหน้า เอเจนต์ของ Legora ทำการกระทบยอดเสร็จสิ้นครอบคลุมเอกสาร 41 ฉบับในการรันครั้งเดียว ภายในไม่กี่นาที โดยบันทึกทุกการตรวจสอบและสร้างบันทึกทีละบรรทัดเพื่อการตรวจสอบ เอเจนต์พบข้อผิดพลาดทั้งสี่รายการที่ Legora ฝังไว้ในบัญชี รวมถึงส่วนต่าง £500,000 ที่ซ่อนอยู่ในหมายเหตุรายได้ คงการตรวจสอบทั้งหมดที่โมเดลก่อนหน้าผ่านไว้ และเพิ่มอีกประมาณห้าสิบรายการ

นั่นเป็นผลลัพธ์ที่ดีจริง ๆ จากชุดเอกสารที่ยากจริง ๆ และนี่ก็เป็นจุดที่ตัวเลขที่มีประโยชน์ที่สุดในรอบการเปิดตัวทั้งหมดถูกฝังอยู่ ในการวัด Benchmark for Agentic Reasoning ของ Legora ซึ่งครอบคลุมงานกฎหมายแบบครบวงจรจริง การปรับปรุงในเวิร์กโฟลว์งบการเงินอยู่ที่ประมาณ 40% — และการปรับปรุงเฉลี่ยในงาน BAR ทั้งหมดอยู่ที่ประมาณ 3% ทั้งสองตัวเลขเป็นของ Legora ทั้งคู่อธิบายโมเดลเดียวกัน และมีเพียงตัวเดียวเท่านั้นที่ถูกนำไปพูดถึง หากคุณกำลังประเมินเรื่องนี้ให้กับสำนักงานกฎหมาย 3% คือตัวเลขที่ควรใช้ในการวางแผนตั้งรับ และ 40% คือตัวเลขที่ควรหวังให้เกิดขึ้น

การทดสอบโดยอิสระชี้ไปที่รูปแบบความล้มเหลวที่แตกต่างออกไป

การประเมินอิสระสองชิ้นน่าจะนำมาเทียบเคียงกับตัวเลขการเปิดตัวได้ โดยมีข้อแม้ว่าทั้งสองชิ้นมีขนาดเล็กและมาจากแหล่งข้อมูลเดียว

HAQQ ทดสอบ GPT-6 Astra กับคำถามกฎหมายจริง 41 ข้อ ครอบคลุม 20 สาขาการปฏิบัติทางกฎหมาย ที่ระดับการให้เหตุผลปานกลาง Astra นำในด้านเนื้อหาสาระทางกฎหมายด้วยคะแนน 17.63 จาก 20 — โดยห่างกันไม่ถึงหนึ่งคะแนน โดยมีค่าใช้จ่าย $0.2622 ต่อคำตอบ ประมาณสิบเอ็ดเท่าของค่าใช้จ่ายต่อคำตอบของ GPT-5.6 Luna Pro เพื่อแลกกับคะแนนรวมที่เพิ่มขึ้นไม่ถึงหนึ่งคะแนน ข้อวิเคราะห์ของ HAQQ เองก็เฉียบคม: ข้อได้เปรียบไม่ใช่ว่าโมเดลฉลาดกว่า หากแต่มันหยุดเขียนต่างหาก การทดสอบเดียวกันพบว่าการปรับระดับความพยายามในการให้เหตุผลจากต่ำเป็นสูงทำให้ต้นทุนเพิ่มขึ้นประมาณ 1.5 เท่า และความหน่วงเพิ่มขึ้นประมาณ 1.8 เท่า ขณะที่คุณภาพที่ประเมินได้ลดลง 0.17 คะแนน — คันโยกด้านต้นทุนที่แต่งตัวเป็นคันโยกด้านคุณภาพ และเป็นเหตุผลที่ควรตรึงค่าความพยายามไว้ มากกว่าปล่อยให้อยู่ที่สูงสุด

ข้อค้นพบที่ควรเผยแพร่ไปไกลที่สุดไม่ใช่เรื่องค่าใช้จ่าย ในเขตอำนาจศาลนอกสหรัฐฯ โมเดลทั้งสามที่ทดสอบอ้างบทบัญญัติที่ถูกต้อง แต่ระบุเนื้อหาของบทบัญญัตินั้นผิดพลาด Astra ถูกต้องทางกฎหมายใน 66.7% ของรายการเหล่านั้น; Claude Opus 5 ถูกต้อง 100% เครื่องตรวจสอบการอ้างอิงยอมรับคำตอบนั้น เพราะการอ้างอิงมีอยู่จริงและเป็นอันที่ถูกต้อง แต่ลูกค้าไม่ยอมรับ นี่คือรูปแบบความล้มเหลวที่ดัชนีค้นหาทางกฎหมายมีความพร้อมน้อยที่สุดในการจัดการ เนื่องจากดัชนีเป็นแบบเฉพาะสหรัฐฯ และข้อผิดพลาดอยู่ที่การอ่าน ไม่ใช่การค้นคืน

สิ่งที่คุณจะได้รับจริง ๆ และเมื่อไหร่

Astra for Law ยังไม่เปิดให้ใช้ทั่วไป การเข้าถึงเริ่มต้นผ่านโปรแกรม Trusted Access โปรแกรมใหม่ที่มุ่งเป้าไปที่บริษัทใน Am Law 200 โดยให้บริการผ่าน ChatGPT และ Codex มีการระบุว่า API จะมาเร็ว ๆ นี้ภายใต้รหัสโมเดล gpt-6-astra-law ซึ่งจะปรากฏในตัวเลือกโมเดลเป็น "GPT-6 Astra Law"; Harvey และ Legora ถูกระบุชื่อเป็นลูกค้า API ที่จะพัฒนาต่อยอดบนโมเดลนี้ ยังไม่มีการเผยแพร่ราคาสำหรับการตั้งค่าด้านกฎหมาย ซึ่งเป็นคำถามเปิดที่ใหญ่ที่สุดเพียงข้อเดียวสำหรับใครก็ตามที่จัดงบประมาณโดยอิงกับสิ่งนี้

{{1}}Trusted Access{{/1}} ครอบคลุมข้อกำหนดด้านข้อมูลสองประการ: {{2}}Zero Data Retention{{/2}} บน API และการยกเว้นการใช้งาน ChatGPT Enterprise จากการตรวจสอบโดยมนุษย์โดยค่าเริ่มต้น เมื่อถูกถามในที่ประชุมสรุปข่าวเกี่ยวกับข้อยกเว้น Boehmig ไม่ได้อ้างว่านโยบายนี้เป็น absolut: "มันซับซ้อนกว่าหนึ่งประโยคนั้นอย่างแน่นอน" เขากล่าว โดยระบุว่าข้อตกลงฉบับเต็มมีความยาวประมาณ 30 หน้า และเสริมว่า OpenAI มั่นใจว่า 30 หน้านั้นเพียงพอต่อความต้องการ OpenAI กล่าวว่ากำลังร่วมงานกับ Latham & Watkins ด้านสิทธิ์การเข้าถึงข้อมูล กำแพงจริยธรรม คำสั่งของลูกค้า และการกำกับดูแลของบริษัท

ส่วนของระบบนิเวศมีขนาดใหญ่กว่าส่วนของโมเดล: ปลั๊กอินจากผู้ขาย 26 รายการ ซึ่งรวมถึง Thomson Reuters, Harvey, Legora, iManage, Relativity, Clio, Intapp และ DeepJudge; ปลั๊กอินจากชุมชน 9 รายการจากกลุ่มวิศวกรรมด้านกฎหมาย; และทักษะแบบกำหนดเอง 47 รายการที่สร้างโดยผู้ใช้ด้านกฎหมายระดับสูง ChatGPT for Word ยังเปิดให้ใช้งานทั่วไปอย่างเป็นทางการสำหรับการตรวจพิสูจน์อักษร การแนะนำการแก้ไข และการแจ้งเตือนการจัดรูปแบบ วิศวกร OpenAI ที่ประจำการหน้างานได้ทำงานร่วมกับ Sullivan & Cromwell ในเครื่องมือวิเคราะห์ข้อตกลง, Ropes & Gray ในงานตรวจสอบสถานะ (due diligence) ด้าน M&A และ Cooley ใน GO Public

เพื่อให้เห็นภาพว่าตอนนี้ช่องทางนี้แออัดแค่ไหน: Anthropic เปิดตัว Claude for Legal ไปเมื่อเดือนพฤษภาคม 2026 ก่อนที่ Astra for Law จะมีตัวตนขึ้นมาถึงสามเดือน

ความเสี่ยงที่ไม่มีเกณฑ์มาตรฐานใดในหน้านั้นครอบคลุม

ไม่มีสิ่งใดในเอกสารเปิดตัวที่ตอบคำถามด้านธรรมาภิบาลสองข้อที่ที่ปรึกษากฎหมายทั่วไปของบริษัทจะถามเป็นข้อแรก ณ เดือนกันยายน 2026 ยังไม่มีการเผยแพร่การรับรอง SOC 2, ISO หรือ HIPAA สำหรับ GPT-6 Astra และไม่มีรายละเอียดที่เผยแพร่เกี่ยวกับการแยกเก็บข้อมูลเฉพาะบริษัท การติดตั้งใช้งานภายในองค์กร หรือถิ่นที่อยู่ของข้อมูล การไม่มีข้อมูลดังกล่าวไม่ใช่หลักฐานของความล้มเหลว — เป็นเพียงกรณีที่ยังไม่มีการบันทึกเป็นเอกสาร ซึ่งเป็นปัญหาที่แตกต่างออกไป และเป็นปัญหาที่บริษัทต้องเป็นผู้แก้ไขก่อนที่จะนำเอกสารที่ได้รับเอกสิทธิ์เข้ามา

ในด้านจริยธรรม กฎที่ใช้บังคับคือ ABA Model Rule 1.6 ว่าด้วยการรักษาความลับ ซึ่งควบคุมว่าสำนักงานกฎหมายจะแบ่งปันข้อมูลใดกับผู้ให้บริการบุคคลที่สามได้ และอาจกำหนดให้ต้องมีการเปิดเผยข้อมูลฉบับปรับปรุงและการให้ความยินยอมโดยได้รับข้อมูลอย่างครบถ้วน และ Rule 5.3 ว่าด้วยการกำกับดูแลผู้ช่วยที่ไม่ใช่นักกฎหมาย ซึ่งเป็นจุดที่ผลลัพธ์จาก AI เข้ามาตกอยู่ เหตุผลที่ทั้งสองข้อนี้ยังคงใช้ได้จริง而非เป็นเพียงทฤษฎีก็คือMata v. Avianca ซึ่งทนายความถูก sanction ฐานยื่นฟ้องคดีที่ AI สร้างขึ้นและไม่มีอยู่จริง ดัชนีค้นหาทางกฎหมายที่สร้างจากคำพิพากษาจริงช่วยลดโอกาสที่ความล้มเหลวในลักษณะเฉพาะนั้นจะเกิดขึ้น แต่ไม่ได้ทำให้เป็นไปไม่ได้เลย และไม่ได้ช่วยอะไรเลยกับความล้มเหลวจากการอ่านบทบัญญัติผิด ซึ่ง HAQQ ได้บันทึกไว้

หากคุณต้องการต่อยอดจากสิ่งนี้ก่อนที่ API จะเปิดให้ใช้งาน

จุดยืนที่ตรงไปตรงมาในวันนี้ก็คือ gpt-6-astra-law ยังไม่มีอยู่ใน API ของใคร รวมถึงของเราด้วย — OpenAI บอกว่าเร็ว ๆ นี้ และไม่ได้ระบุวันเวลา สิ่งที่พร้อมใช้งานจริงคือโมเดลพื้นฐาน: openai/gpt-6-astraอยู่บน OrcaRouter ในราคามาร์กอัป 0% หมายความว่าราคาตามรายการของผู้ให้บริการของ OpenAI ถูกส่งผ่านไปโดยไม่เปลี่ยนแปลง ดังนั้นหากผู้ขายปรับราคาของโมเดลนั้น ก็จะสะท้อนให้เห็นภายในวันเดียวกัน คีย์เดียวเข้าถึงโมเดลมากกว่า 200 รายการ พร้อมระบบสลับสำรองอัตโนมัติข้ามผู้ให้บริการ และ routing DSL สำหรับประกอบหลายโมเดลให้เป็นการเรียกครั้งเดียว

ผลที่ตามมาในทางปฏิบัติสำหรับทีม legal engineering คือการแบ่งออกเป็นสองส่วน ทุกสิ่งในเวิร์กโฟลว์ Astra for Law ที่ไม่ขึ้นอยู่กับ Legal Search Index — การร่างจากข้อเท็จจริงที่คุณป้อน การปรับโครงสร้างชุดข้อสัญญา การจัดรูปแบบตามเทมเพลตของสำนักงาน การสร้างเช็กลิสต์สำหรับการตรวจทาน — คุณสามารถสร้างต้นแบบได้ตั้งแต่วันนี้บน GPT-6 Astra รุ่นฐาน และสลับ model id เมื่อรุ่น law เปิดให้ใช้งาน โดยไม่ต้องเปลี่ยนแปลงอินทิเกรชันของคุณ ทุกสิ่งที่ขึ้นอยู่กับดัชนีนั้น คุณไม่สามารถสร้างต้นแบบได้ เพราะดัชนีคือส่วนที่ยังไม่มีจำหน่ายในตอนนี้ มีข้อควรระวังสองประการที่ควรกล่าวอย่างตรงไปตรงมา: คำขอที่ส่งผ่านเราเตอร์ไม่ได้อยู่ภายใต้การอนุมัติ Zero Data Retention ของ OpenAI โดยอัตโนมัติ ซึ่งการอนุมัตินั้นให้เป็นรายองค์กร ดังนั้นสำนักงานที่ต้องการ ZDR ควรยืนยันความครอบคลุมบนเส้นทางเฉพาะที่ตนใช้; และเราเตอร์เป็นฮอปเพิ่มเติมในเส้นทางข้อมูล ซึ่งเป็นต้นทุนที่แท้จริงสำหรับเนื้อหาที่มีเอกสิทธิ์ แม้จะช่วยให้คุณมีระบบสำรองเมื่อเกิดความล้มเหลวก็ตาม

ดูอะไรดี

สามสิ่ง ตามลำดับว่าสิ่งใดจะเปลี่ยนภาพได้มากน้อยแค่ไหน วันที่ API สำหรับ gpt-6-astra-law เนื่องจากนั่นคือความแตกต่างระหว่างโครงการนำร่องกับผลิตภัณฑ์ ราคา เนื่องจากโมเดลฐานคิดราคา $10 ต่อล้านโทเค็นอินพุต และ $50 ต่อล้านโทเค็นเอาต์พุต ซึ่งมีการปรับราคาสำหรับบริบทยาวที่เกิน 272,000 โทเค็นอินพุต ซึ่งชุดเอกสารทางกฎหมายจะข้ามเกณฑ์นี้เป็นประจำ — และหากการกำหนดค่าทางกฎหมายมีราคาสูงกว่านั้น เศรษฐศาสตร์ของการกระทบยอดเอกสาร 41 ฉบับจะเปลี่ยนไปอย่างมีนัยสำคัญ และการรันคำถาม 200 ข้อเหล่านั้นซ้ำโดยอิสระบนการแบ่งชุดข้อมูลที่คนอื่นควบคุม จนกว่าจะมีสิ่งนั้น 54.0% เป็นตัวเลขของ OpenAI เกี่ยวกับการกำหนดค่าของ OpenAI และข้อกล่าวอ้างที่ป้องกันได้คือข้อที่แคบกว่า: ดัชนีคำพิพากษาของสหรัฐฯ บวกคำแนะนำทางกฎหมายให้ผลการค้นคืนที่ดีกว่าอย่างมีนัยสำคัญเมื่อเทียบกับการค้นหาเว็บทั่วไปในคำถามวิจัยทางกฎหมายของสหรัฐฯ ข้อกล่าวอ้างนั้นคุ้มค่าที่จะลงมือทำ ส่วนที่เหลือคุ้มค่าที่จะรอ