OpenAI 联手 Ironclad 把合同流程变成智能体练习场：GPT-6 Astra 在 11 项任务上得分 55%，较 GPT-5.6 Sol 高约三成

这件事意味着什么

【要点】

OpenAI 在北京时间 2026 年 10 月 6 日 18:00 发布文章，介绍与合同管理软件公司 Ironclad 的研究合作：双方把真实的合同流程改造成训练和评测任务，用来提升智能体操作专业软件的能力。Ironclad 是这个计划的第一家合作方。

具体做法分三块。Ironclad 员工和 OpenAI 内部的 Ironclad 用户一起挑出 11 个法务、商务和采购任务，比如搭建保密协议流程、设置采购审批规则、让一条可复用的法律条款随申请人所选司法辖区自动变化；OpenAI 估计熟练用户做一个任务平均要 30 到 40 分钟。每个任务按复杂度配 8 到 50 条评分标准。Ironclad 还提供了托管的产品环境，让模型在里面反复练习，OpenAI 再围绕这些流程生成合成训练任务，用强化学习训练。

结果方面，GPT-6 Astra 是第一个用 Ironclad 任务训练过的前沿模型。在这 11 个任务上，Astra（Max 推理）平均得分 55.0%，GPT-5.6 Sol（High 推理）为 41.6%；估算的单次用时从 37.0 分钟降到 19.2 分钟。研发 Astra 过程中的一个内部模型拿到 63.7%。OpenAI 同时公开招募少量软件公司加入，要求对方带来智能体目前做不好的具体任务、失败证据、评判标准、懂业务的人和安全的测试环境。

【可核验】

一手页面：https://openai.com/index/advancing-computer-use-with-ironclad

OpenAI RSS 标注的发布时间为 2026 年 10 月 6 日 10:00（GMT），分类为 Company。文末脚注写明：结果只覆盖这 11 个研究任务，不代表 Ironclad 的全部流程；用时是按假定的模型处理和生成速度推算的模拟值，不是实测的客户节省时间；训练和评测用的合同来自美国证监会 EDGAR 公开文件并做了去个人信息处理，没有使用 OpenAI 客户数据或 Ironclad 的非公开客户合同。评测集、评分细则和完整结果没有公开，目前没有第三方复现。

【我们的判断】

这篇值得看的是方法，而不是那个 32% 的提升。OpenAI 在把垂直软件公司变成强化学习的「练习场」供应商：对方出业务专家、任务定义、评分标准和可操作的产品环境，OpenAI 出训练，换来的是模型在对方软件里更会干活。过去训练电脑操作主要靠通用网页和桌面任务，现在开始按行业、按具体软件去采集「做对一件事」的标准，这比堆通用基准更接近企业真正付费的场景，也意味着谁能提供高质量的环境和评分标准，谁就能影响下一代模型擅长什么。

但证据还很薄，所以放在最新动态，不进本周重要变化。11 个任务样本太小；Astra 本身就是用 Ironclad 任务训练的，再在同类任务上评测，训练和考题的距离有多近外界无从判断；55% 的平均得分也说明离「放心交给它跑完」还差得远，用时又是模拟估算。和此前的 Astra for Law 放在一起看，OpenAI 正在把法律和合同当作专业智能体的先行赛道。后面值得盯两件事：有没有更多软件公司加入、覆盖哪些行业；以及 OpenAI 会不会把这类行业任务做成公开评测，让外部能核对进步到底有多大。