GPT-6 Astra 审三份合同：为什么还不能交客户？

上一篇《6 款 AI Agent 审完 3 份合同：直播分数之外，哪一份 Word 真的敢交给业务？》的最后，我留下了一个问题：

当 Agent 使用不同的合同审核 Skill，风险识别、依据论证、条款修改和人工接管，会发生什么变化？

直播预告｜9 月 6 日 19:30
今晚，朱玲凤和 Cece 会在视频号「那一片数据星辰」现场横评全球开源合同审核 Skill。入选项目审核同一份合同，最后直接打开 Word 检查结果。预约海报在文末。

图：无需专家预先列出风险清单，GPT-6 Astra 的风险识别已接近本组样本上限。

但在今晚正式横评全球开源合同审核 Skill 以前，一个更强的变量突然出现了：GPT-6 Astra。

我把上一篇的三份合同原封不动拿了回来，这次放进 ChatGPT Work，模型切换为 GPT-6 Astra。任务提示只保留了一段普通委托。

提示里只交代代表方、交易处境和最希望守住的目标。风险清单、审查步骤、法源和具体条款都没有预设。

Astra 最终识别到专家答案（Gold）的 58/59，风险发现覆盖率达到 98.3%。猎头合同是 19/19，外包合同是 24/24，市场推广合同只漏了 1 个加权点。

放在这三份合成合同和当前 Gold 范围内看，Astra 的风险识别已经接近上限。这项结果的价值来自输入条件：这 58 分背后的风险地图，过去由专家先写进任务卡，这一次主要由模型自己画了出来。

过去，专家经验是输入；这次，专家经验更像验收标准。

上一轮，专家先告诉 Agent 应该看用工、付款、数据、退出等哪些风险区，Agent 再沿图执行；这一轮，Astra 没拿到风险清单，却从代表方、交易处境和业务目标中，自行恢复了几乎同一张风险地图，并把大部分风险处置写回合同。

在这三份合同的风险识别与常见风险处置上，Astra 已经大幅缩小了“专家是否预先列出风险清单”带来的差距：发现 58/59，严格闭环 50/59，都进入上一轮专家级任务卡条件下的第一梯队。

风险看得多，仍要继续检查能否写成可执行的合同保护。Astra 的严格闭环是 50/59，最后通过法律 Gate 的合同是 1/3。

标题所说的“能交付”，指合同通过本轮法律 Gate，可以进入下一步人工签发。另两份已经完成了大部分风险识别和修订，但关键闭环仍需法律人员接手。

模型走到这一步，合同审核 Skill 还剩多少空间？

答案取决于我们拿什么尺子来量。

一、我们怎样判断一份 AI 审核稿“真的能用”

本轮沿用上一篇的评测框架，并在法律交付层继续细分。

第一层：五维端到端执行观察

上一篇的 100 分制观察五件事：

1. Agent 是否理解了任务与我方立场；
2. 是否正确使用合同资料、法源与工具；
3. 是否识别关键风险；
4. 是否交付可继续编辑的 Word 原生修订与批注；
5. 过程和结果是否可验证、可控制。

这层回答的是：Agent 能不能把一项合同任务从读文件一路执行到可审阅的 Word。

图：沿用上一篇的五维执行观察；质量分与时间、Token、工具调用等运行资源分开记录。

上一篇的 88、99、98 或 85、81、89 记录的是同一任务内的端到端执行表现。它们不能解释为抽象的“法律正确率”，也不适合跨合同求平均排总冠军。

第二层：六节点法律交付判断

上一篇直播后，我们又按法律专家审核真实合同的责任链，逐份重开 18 份 Word：

1. 委托识别：是否站对代表方，理解交易目标和谈判地位；
2. 事实识别：是否分清合同事实、外部事实、假设与未知；
3. 风险识别：是否抓住会影响履约、经营、监管、责任和退出的问题；
4. 依据与论证：是否解释风险为何成立，证据来自哪条合同、哪项事实或哪条规则；
5. 策略转化：是否把风险写成可执行、可谈判的条款，避免停在“建议完善”；
6. 责任闭环：是否把事实补充、商业参数、残余风险与最终批准交回有权的人。

这层回答的是：这份 Word 能否继续进入业务谈判，还是必须被法律 Gate 拦下。

图：发现风险但没有把保护写进合同，不能算作 Critical 已完成。

这次新增四个可复核指标

为了避免“报告写到了”被误当成“合同已经解决”，本轮把第二层继续拆成四项：

本组三份合同的 Gold 共包含 29 个加权问题，合计权重 59；另有 11 个负向控制。一个问题记为：F 已发现并闭环，P 已发现但保护不完整，D 只在分析或补问中出现，M 未发现。发现分累计 F/P/D，严格闭环只累计 F。

上一篇的 100 分观察端到端执行，本轮的 59 分逐项核对法律问题有没有落进最终合同。两套分数会在本文中分别出现，99 和 50 之间不存在可计算的高低关系。

二、两轮用的是同一批合同

两轮使用的是同一组三份合成合同样本：智能手表新品市场推广合同、猎头服务合作协议、客户运营支持外包服务协议。合同内容和难度没有变化，也不含真实客户信息。

但两轮任务条件并不完全相同，而且差异本身很重要。

上一轮：专家级提示词与完整任务脚手架

上一篇中，三组适合继续对照的 Agent 配置如下：

上一轮使用的完整任务卡，本质上是一套专家级提示脚手架。它写明委托立场和交易目标，也规定了输入、输出、只读合同库、法律 MCP、Word 原生修订、批注、assumptions 和运行留痕。第三份外包合同还直接点出了用工与派遣、人员管理与社保、结算验收付款、数据保密违约退出等关注点，并允许沿用前一份合同形成的工作方式。

比如，上一轮外包合同的任务卡直接写道：

本次我们购买客户运营支持外包服务，谈判地位均衡。请特别关注：
避免被认定为劳动关系、劳务派遣或事实用工；
服务人员管理权、替换机制、社保和劳动争议责任；
结算口径、验收条件、付款条件、发票、争议款项和费用调整；
服务质量、数据、保密、违约和退出保障。
请沿用上一轮已经确认有效的工作方式、Word 修订标准、本地合同库使用方式和 MCP 使用策略。

这段提示已经把主要风险区域、工作方法和交付方式交给了 Agent。Astra 本轮收到的提示只有委托方角色、交易处境和业务目标，没有上述风险清单。

上轮考察的是不同 Agent 在完整任务脚手架下的端到端交付能力。

这两轮最关键的差别，可以压缩成一条链：

这组对照要观察的是：没有专家预先列出的风险清单时，模型能不能自行完成原本依赖专业经验的 issue spotting 和初步处置。

这一轮：ChatGPT Work + Astra + 极简业务提示

本轮使用 ChatGPT Work，并将模型切换为 GPT-6 Astra。提示不再规定工具、风险点、输出路径或 Word 技术标准，只保留正常委托中不可缺少的业务信息。

例如第一份合同的完整提示是：

你代表甲方审核所附《智能手表新品市场推广合同》。甲方谈判地位较弱，但必须确保新品按甲方要求的时间、指定渠道发布。

图：P1-001 界面截图直接显示 GPT-6 Astra Extra High；提示中没有风险清单、审查步骤或输出格式。

猎头合同只增加“预算有限，费用和付款应与实际服务价值匹配”；外包合同只说明“我方是合同乙方，但购买合同项下服务，双方谈判地位均衡”。

本轮关注的是：去掉专家级提示词和大部分任务脚手架以后，Astra 能否自行恢复原本由任务卡提示的法律结构。上一轮的 99 分不参与这次计算。

三、结果：风险发现接近上限，三份中仍有两份无法直接交付

这组结果不能排进上一篇的 Agent 百分制榜。两轮使用的任务提示、产品环境和总分结构不同，没有可信的公式能把旧 100 分 直接换成新的 59 分。

法律质量仍然可以横向比较。我们因此重新打开上一轮六大 Agent 的 18 份冻结 Word，逐项映射到同一套 R2 Final Gold。比较对象只限最终输出的法律质量：发现、严格闭环、Critical Gate 和负向控制；上一篇的端到端执行总分不进入这张表。

统一重映射后的结果如下：

负向控制没有并入 59 分。Astra 是本次对照里唯一 11/11 全部严格通过的组合。上一轮最常见的边界问题，是把人员流失、招聘困难或主要分包商停服一概写成“绝不构成不可抗力”，忽略极端事实仍需按不可预见、不可避免、不可克服及合同风险分配判断；DeepSeek 还无充分依据地把 20% 说成猎头费率的常见上限。这些不会抬高发现分，却会制造新的法律风险。

Astra 真正改变的，是专家提示出现的位置

Astra 的绝对发现分没有碾压上一轮。Claude 是 59/59，Codex + Luna 与 Astra 都是 58/59；严格闭环方面，Claude、豆包和 Astra 同为 50/59。如果只盯着分数，会错过本次最重要的变化。

上一轮 Agent 拿到的是专家级任务卡，外包合同甚至直接点出了用工、人员管理、结算、数据和退出四组风险。专家先完成“该看什么”的判断，Agent 主要负责继续分析和落文。Astra 只拿到代表方、交易处境和一个业务目标，却仍进入同一法律质量第一梯队。

所以本次证据支持的准确说法是：Astra 没有在绝对分数上全面打败六大 Agent；它更重要的突破，是在无人提前交付风险清单时，自行重建了专家通常会画出的风险地图，并给出第一轮常见处置。模型升级正在把一部分专家经验，从必须写进提示词的“前置输入”，变成模型的“默认能力”。

在本组三份合同里，这种抹平已经覆盖三类可观察工作：发现应审问题、识别相邻条款的联动关系、把常见保护写进正文或附件。它没有抹平的是更靠后的专业判断：补齐合同外事实、控制保护尺度、处理少数例外，以及决定剩余风险是否允许签约。

Claude 通过 2/3 份合同 Gate，Astra 仍只有 1/3。高发现分仍不足以支持直接交付。

三份修订稿已经落进 Word，共保留 1,016 处插入、615 处删除和 85 条批注。三份底稿加三份修订版共 109 个渲染页面，核验中未见乱码、截断或文件损坏。

数字先放在这里。下面逐份打开合同，看 Astra 改对了什么，又留下了什么。

四、市场推广合同：发布链补齐了，解禁时刻还空着

发布日已经写了，合同却允许提前一天公开

这份合同的商业目标很具体：新品要在 2026 年 10 月 15 日，按照指定媒体和 KOL 节奏发布。

原合同第 8.4 条要求 KOL 在“统一解禁时间”前不得发布，却没有定义这个时间。附件二又把部分核心媒体窗口写成“上市日 ±1 日”，字面上允许 10 月 14 日提前公开。第 5.2 条让乙方到“上线日前”才说明媒体拒稿，甲方可能已经来不及替换。第 4.4 条的“等期顺延”还可能把固定上市窗口一起顺延。

上一篇里，三个对照 Agent 已经表现出不同强项：

• Codex + Luna 用批注 C1001/C1002 锁定指定渠道和关键窗口，把时间、证据、替代与费用责任写成可核验交付，但又把付款改成 30%/30%/40%，整体偏强硬；R2 Final 是发现 15/16、闭环 10/16；
• WorkBuddy 用 C1039/C1042/C1051 把上市窗口定义为核心事项，增加窗口关闭前的替代履行，同时保留 40% 首付款并增加付款条件；R2 Final 是 13/16、5/16，因为解禁、附件和顺延没有同时闭合；
• 豆包抓到了“等期顺延”、媒体拒稿预警过晚、一般迟延违约金不足以及责任上限可能吞掉发布失败损失；R2 Final 是 12/16、10/16。

图：上一篇公开的实际 Word 证据。上轮 Agent 已经具备处理发布窗口的能力，不能用本轮结果反推旧模型。

上轮已经能处理发布窗口。本轮观察的是 Astra 在极简提示下能否自行重建同一条控制链。

Astra 补出了一条发布控制链

Astra 在正文第 2.1 条新增：

“按附件及发布执行确认单约定的指定渠道、北京时间、确认版本完成发布，为本合同核心交付条件。”

它在第 8.4 条补充：

“统一解禁时刻以附件一及发布执行确认单明确的北京时间为准；稿件审核通过、寄送样机或进入排期不视为同意解禁，媒体、供应商应承担相同义务。”

它还新增发布执行确认单，要求逐项填写媒体或账号、最早和最迟公开时刻、关键发布项、不可替代属性、初稿与终稿节点、备选资源和履约证明；把 30 分钟异常报告、2 小时补救或移交、5 个工作日退款以及关键发布项专项责任串进了合同。

图：Astra 实际修订版第 22 页。黄色为 Word 修订；“待甲方确认具体时刻”同时构成本轮 Critical FAIL 的直接证据。

这比“建议明确发布时间”强得多。它已经理解：发布日期、解禁、资源锁定、证据、替代履行和付款杠杆必须作为一条链处理。

一个占位符挡住了签约

最终附件写的是：

“统一解禁时刻：北京时间 2026 年 10 月 15 日【待甲方确认具体时刻】。”

这个占位符诚实地保留了事实缺口，但条款仍未达到可签状态。首发项目少了日期、时刻或时区中的任何一项，都可能失去窗口控制。

它还漏掉了国庆假期对样机、人员值守、媒体排期、预制内容和审批缓冲的压缩；长期投流、电商、线下、经销商和剪辑复用只被列为待确认，没有扩进授权条款。后一项尤其说明：极简提示没有告诉它这项业务目标，而 Agent 也没有先停下来追问。

这份合同最能说明“专家经验不再必须先写进提示词”的地方，是 Astra 没有人提醒，仍自行恢复了“发布日期—解禁—资源锁定—异常预警—替代履行—付款与责任”这条控制链。过去需要专家先指出风险区，它现在能够自行完成第一轮识别与处置；但事实追问没有跟上，最终稿也就停在了签约前。

五、猎头合同：救济有了，尺度又收得太紧

付款、保证和退款互相打架

原第 4.1 条在候选人接受 Offer 时就产生 50% 服务费，即使候选人没有实际入职也不现金退款。第 7.3—7.5 条把免费替补设成唯一救济，替补失败仍只给未来抵扣。

更关键的是，第 7.2 条说候选人主动离职触发保证，第 7.6 条又说健康、家庭、继续深造、创业等主动离职不承担保证责任。同一件事在两条里给了相反答案。

上一篇中，WorkBuddy 已经把这组冲突标为极高风险，并形成“实际入职—阶段付款—保证期—替补或退款—替补失败现金退费”的完整路径；它和豆包在这份合同的端到端执行观察分都是 99。统一到 R2 Final 后，WorkBuddy 为发现 17/19、闭环 12/19；Claude、Codex、豆包与 Astra 都是 19/19、16/19，并且都因保证边界过满或举证规则不完整而没有通过 Critical Gate。Astra 沿着同一条风险链继续往下改，因此“首次发现”和“全面胜过上轮”都缺少证据。

图：上一篇已公开的付款、保证、替补与退款证据，说明上轮最佳 Agent 在本题已经很强。

救济链已经写进 Word

Astra 将保证期延长至 90 日，也把“候选人在保证期内提出离职、实际离职跨过期满日”纳入保证。免费替补之外，甲方可以在 45 日替补期届满后要求现金退款，退款期限为 10 个工作日。替补再次失败时，同样可以选择退款。

图：Astra 实际修订版第 6 页。它完成了救济链，也在第 7.6 条留下“个人原因仍适用保证”的尺度问题。

它找到第 7.2/7.6 条冲突后，又同步处理了付款、保证、替补期限和现金退出，相关条款之间没有留下新的缺口。

“个人原因一概兜底”保护过了头

Astra 把第 7.6 条改成：

“候选人因个人健康、家庭、继续深造、创业等个人原因主动离职的，仍适用保证责任。”

从采购方角度看，这很强；从专业判断看，却可能太满。猎头可以对推荐质量、尽调和虚假信息负责，但未必能够控制候选人所有突发健康或家庭事件。更成熟的写法，应当消除原有冲突，同时允许对确实不可控、能够举证、与猎头服务瑕疵无关的少数情形作合理排除。

这份合同的进步与局限同时落在第 7 条。Astra 没有人提醒，仍自行恢复了“付款—入职—保证—替补—退款”的完整结构；它抹平的是专家识别风险链和设计常见救济的前置经验。上轮 WorkBuddy 已经做出同类闭环，Astra 在绝对结果上没有建立确定优势。将所有个人原因纳入保证责任又显得过满，说明它尚未抹平专家对责任尺度、异常事实和合理例外的判断。

本轮猎头合同的 3 项负向控制全部通过，保证责任的合理边界仍然出了问题。现有负向控制只能覆盖预先写入测试集的错误类型，Critical Gate 仍需单独检查决定签约的核心条款。

六、外包合同：最清楚的进步出现在相邻条款里

“乙方”两个字很容易把审核带偏

我方在合同中叫“乙方”，但实际是购买客户运营服务的一方。原第 2.3 条允许乙方直接向驻场人员下达任务、确认班次并通过反馈影响绩效和人员调整；第 2.4 条又让乙方承担人员退出后的安置、经济补偿和待岗成本。

机械保护“乙方”，会继续强化采购方的直接管理权。只盯着“驻场”和“18 人”，又容易过早认定劳务派遣。审核时需要先分开服务结果控制和人员劳动管理，再检查指令链、退出成本、计价、行为隔离、重新定性责任及实际运营方式。

上一篇的完整任务卡已经明确提醒六个 Agent 关注用工、人员管理、结算、数据和退出。最终，WorkBuddy 和豆包都同时修改了第 2.3、2.4 条，端到端执行观察分均为 98；Codex + Luna 也处理了两条，得分 89。统一到 R2 Final 后，豆包是 24/24、24/24；WorkBuddy、Claude、Codex 均发现 24/24、闭环 20/24。Astra 本轮同样得到 24/24、24/24，它的价值在于用极简提示复现了上一轮最佳闭环。

图：上一篇以 Claude 的局部断链为失败证据，并对照 WorkBuddy、豆包和 Codex 的相邻条款处理。

极简提示下，它把两条一起改了

Astra 先把角色写清：乙方（客户/采购方）。随后把第 2.3 条改成：

“乙方通过甲方项目负责人提出当日业务任务、优先级及服务覆盖要求……甲方独立负责具体人员分工、考勤、请假、绩效、纪律、排班及人事调整。”

第 2.4 条又同步改成：

“甲方日常人员流动、违法用工、服务不合格及人员替换产生的成本由甲方承担。因乙方便利减少人员或提前终止服务产生的项目专属、实际发生且无法合理避免的未摊销净成本……应扣除可调配、可回收、已摊销或已获补偿金额，不得重复收取人员安置、经济补偿、待岗及资源退出费用。”

它保留了采购方应当承担的合理退出成本，同时把服务商的正常用工成本留在服务商一侧。补偿范围受“项目专属、实际发生、不可避免、先行减损、不得重复”几个条件约束。

图：Astra 实际修订版第 3 页。管理权与退出成本在相邻条款中同步处理。

极简提示里没有提数据和 AI，Astra 仍把相关限制写进正文。未经另行批准，业务数据及衍生信息不得用于通用模型训练、产品算法研发、营销和跨客户分析。AI 服务商也不得留存输入输出用于自身训练。合同终止后，服务商先返还可迁移数据，再删除副本并出具证明。

图：Astra 实际修订版第 8 页。数据使用、AI 服务商与模型训练边界进入合同正文。

最终，这份合同的角色、用工、人员退出、数据/AI、验收、责任、调价、续约、知识产权迁移、商业授权与不可抗力全部闭环，得到 24/24，Critical 与 5 个负向控制全部通过。

这次 24/24 经得起条款核对

因为上轮的 P1-003 已经在任务卡里明示了四组重点，还允许沿用先前工作方式；Astra 这次没有得到这些风险提示，却仍然从一段极简业务委托中恢复出同一条法律结构，并进一步处理了模型训练、转委托和退出迁移。

这份合同给出了本轮最清楚的升级信号。冷启动状态下，Astra 保持住了复杂角色，读懂了长合同中的相邻依赖，并把判断写回 Word。专家没有提醒它用工、退出、数据与 AI、迁移这些风险区，它仍恢复出完整审查结构。24/24 只是结果，更重要的证据是：原本需要专家先画出的风险地图，模型已经能够自行重建，相关条款还能彼此对上。

但仍要保持边界：这是单次运行，且两轮的系统提示、内置工具、会话状态没有全部锁齐，因此不能把差异宣称为实验室级“纯模型参数因果”。

七、Astra 把专家风险清单从前置条件变成了校验层

过去，专家经验是输入；这次，专家经验更像验收标准。

先看最直接的同环境参照。上一轮 Codex + GPT-5.6 Luna 在专家级任务卡下是发现 58/59、严格闭环 46/59、合同 Gate 1/3；Astra 在极简提示下是 58/59、50/59、1/3。发现持平，闭环增加 4 分，Gate 没变。

再看其他两组：相对豆包，Astra 的发现多 3 分、闭环持平、Gate 持平；相对 WorkBuddy，发现多 4 分、闭环多 13 分、Gate 仍持平。Claude 则提醒我们不要把结论写成“Astra 全面胜出”：Claude 的发现是 59/59，闭环同为 50/59，并且通过 2/3 份合同 Gate。

最稳定的变化出现在任务起点。上一轮给了专家级提示词、完整任务卡、Word 要求、合同库和 MCP；Astra 只拿到角色、处境和一个业务目标，仍然取得 58/59 的风险发现与 50/59 的严格闭环。它在猎头和外包两份合同上实现发现满分，合计风险覆盖达到 98.3%。

在这组三份合同里，专家关于风险识别和常见风险处置的经验，已经不再构成达到第一梯队结果的必要前置条件。 模型可以从业务目标反推风险，从风险定位相邻条款，再把多数保护写进合同。人类专家原来必须在任务开始前完成的相当一部分工作，已经被模型吸收。

外包合同给出的信号更具体。Astra 没有被“乙方”标签带偏，还把第 2.3 条的管理权、第 2.4 条的退出成本、第 9 条的数据与 AI、第 16 条的终止和附件迁移接在了一起。这种相邻条款联动，比多列一些孤立风险更接近实际审核。

Word 交付也向前走了一步。底稿、原生修订和批注可以直接生成，大部分问题已经进入正文和附件。与此同时，P1-001 的事实没有问全，P1-002 的尺度收得过紧，1,016 处插入也带来了较重的人工审阅负担。

Astra 强在没有拿到专家预先列出的风险清单，仍做出了过去需要专家先教它“看什么、怎么处理”才能达到的第一梯队结果。它大幅缩小了风险识别与常见处置的经验差，最后的事实确认、尺度判断和签约责任仍由专业人员承担。

八、模型越强，Skill 越不能只复制一份专家清单

如果强模型已经能自行重建通用风险地图，那么只会提醒模型逐条阅读、识别风险和提出修改建议的 Skill，价值空间正在迅速缩小。把专家常识再复述一次，未必还能产生可测的增益。

今晚的全球开源合同审核 Skill 横评，要盯住 Astra 尚未抹平的部分：审核开始前，项目有没有主动追问足以改变结论的业务事实？进入法律判断后，能否分清风险、商业偏好和合理例外？写回合同时，修改范围是否克制，Critical 缺口是否会阻断放行？

我们还会检查复核路径。法域和版本能不能固定，依据能不能回溯，Word 修改能不能复现，人工批准点是否清楚。Skill 需要进一步证明，它能否注入企业自己的 playbook、约束尺度、补齐证据并守住法律 Gate。

今晚 19:30，我们会把从全球开源生态中筛选出的合同审核 Skill 放到同一批合同、同一 Gold 和同一法律 Gate 下横评。具体项目、分数和完整排名将在直播中公布。

今晚留到现场揭晓的问题很具体：当强模型没有拿到专家预先列出的风险清单，已经做到风险发现 58/59、严格闭环 50/59，全球开源合同审核 Skill 还能带来哪些可验证的法律增益？它能否补上剩余的事实、尺度与 Gate，避免重复一张 Astra 已经会自己画的风险清单？

评测边界

• 数据采集与评分日期：2026-09-06。
• 三份合同均为合成测试材料；本文不构成对任何真实交易的法律意见。
• Astra 的六份 Word 产物（3 份审核底稿、3 份修订版）由用户确认为 Astra 生成；P1-001 截图直接显示 GPT-6 Astra Extra High，P1-002 与 P1-003 的完整型号后缀、推理档位没有独立截图固定。
• 三份合同各只有一次 Astra 运行，不能据此估计稳定性和方差。
• Gold 状态为内部专家校准，尚未完成第二位律师独立盲审；59 分只表示本组样本内覆盖，不能外推为现实世界准确率。
• 上一轮六大 Agent 的 18 份 Word 未重跑；本次由 Codex 依据冻结 Word 做事后证据映射，逐项底稿已保存；Critical 项与 P/F 边界仍需法律专家抽查。
• 上一轮 100 分制与本轮 59 分 Gold 是两把尺子；本文不将它们合并成跨轮总排名。
• 上一轮包含 Codex 等六款 Agent，本轮为 ChatGPT Work + GPT-6 Astra；两轮的产品环境、系统提示、内置工具和完整会话状态均未全部锁齐。因此，本文只能把差异表述为“模型与产品组合升级后的基线变化”，不能宣称已经证明纯模型参数的因果效应。

今晚 19:30，把全球开源合同审核 Skill 放到同一张卷子上

今晚会现场横评来自全球开源生态的合同审核 Skill。入选项目审核同一份合同，统一对照 Gold、Critical Gate 和最终 Word。各项目分数与完整排名将在直播中公布。

直播时间：9 月 6 日 19:30
预约方式：微信扫描下方视频号直播预约码

长按识别或使用微信扫码预约。