2026-06-04 · 场景化选型
法律人用什么 LLM？合同审查 / 案例检索 / 文书起草场景选型
法律场景对 LLM 的要求和写小说、做客服完全不一样——不能瞎编法条、不能漏看合同条款、要懂中文法律术语、最好国内直连。本文从 SuperCLUE 中文实测 + Vectara 摘要幻觉率 + 官方 API 价格三个独立数据源交叉，分四档给出推荐。
一句话结论
- 能翻墙 + 不计成本——Gemini 3.1 Pro Preview（SuperCLUE 总分 75.73 全球第一，幻觉控制 87.23），或 Claude Opus 4.8（幻觉控制 87.48 全场最高）。
- 国内直连 + 综合最强——DeepSeek V4 Pro（国内总分 70.48 第一，幻觉控制 79.14，输出 $0.87/M），合同审查和法规解读都能打。
- 长文档（百页合同）——Gemini 3.1 Pro（1M 上下文 + 精确指令遵循 56.19 全场最高）或 DeepSeek V4 Pro（1M 上下文 + 国内直连）。
- 极致性价比（律所批量处理）——DeepSeek V4 Flash（输出 $0.2/M，国内总分 67.49），日产 50 份合同摘要成本不到 $1。
法律场景看哪五个维度
- 幻觉控制（最重要）——法条编号、赔偿金额、诉讼时效，编一个就完蛋。SuperCLUE 幻觉控制分越高越靠谱。
- 长上下文——合同动辄 30-100 页，判决书更长。上下文 < 100k 的模型连一份完整合同都喂不进去。
- 精确指令遵循——"按以下格式输出：争议焦点 / 法律依据 / 风险评估"，能不能照做。全场最高才 56.19，意味着没有任何模型能 100% 按格式输出，需要人工复核。
- 国内可用性——律所网络环境通常不能翻墙，国内 API 直连是硬需求。海外模型走中转的实际价格是官方 1.2-1.5 倍，且稳定性差。
- 价格扛得住批量——一个中等律所每天处理几十份合同、上百份文书，output 单价差几毛钱就是几百块差距。
数据来源：SuperCLUE 通用基准（2026-05，2026-07-02T04:24:39.365863+08:00 更新）+ Vectara HHEM-2.3（ 更新）+ 各厂商官方 API 价目表（2026-07-11 复核）。三源独立，未做综合分汇总。
法律场景综合 Top 10
排序按"法律权重分"——SuperCLUE 总分 35% + 幻觉控制 40% + 精确指令遵循 25%。这是本场景下的视角排序，不是 SuperCLUE 官方榜。
| # | 模型 | 总分 | 幻觉控制 | 指令遵循 | 输出价 $/M |
|---|---|---|---|---|---|
| 1 | Gemini-3.1-Pro-Preview(high) 海外 Google | 75.73 | 87.23 | 56.19 | $12.00 |
| 2 | GPT-5.5(high) 海外 OpenAI | 74.27 | 87.26 | 53.33 | $30.00 |
| 3 | Claude-Opus-4.7(high) 海外 Anthropic | 73.52 | 81.11 | 56.19 | $25.00 |
| 4 | Claude-Opus-4.8(high) 海外 Anthropic | 73.93 | 87.48 | 44.76 | $25.00 |
| 5 | Gemini-3.5-Flash(high) 海外 Google | 71.51 | 86.16 | 44.76 | $9.00 |
| 6 | DeepSeek-V4-Pro(max) 国内 深度求索 | 70.48 | 79.14 | 48.57 | $0.87 |
| 7 | Doubao-Seed-2.0-pro-260215(high) 国内 字节跳动 | 69.96 | 79.92 | 43.81 | — |
| 8 | Qwen3.6-Max-Preview(Thinking) 国内 阿里巴巴 | 67.04 | 85.14 | 32.38 | — |
| 9 | Qwen3.7-Max(Thinking) 国内 阿里巴巴 | 70.22 | 82.91 | 31.43 | $3.75 |
| 10 | ERNIE 5.1 国内 百度 | 63.12 | 76.81 | 47.62 | — |
国内直连档：律所首选
大多数律所的网络环境走不了代理，国内 API 直连是刚需。下面这些模型都能国内直接调用，按法律场景得分排序：
| 模型 | 总分 | 幻觉控制 | 输出价 | 适用场景 |
|---|---|---|---|---|
| DeepSeek-V4-Pro(max) 深度求索 | 70.48 | 79.14 | $0.87 | 合同审查 + 法规解读综合最强 |
| Doubao-Seed-2.0-pro-260215(high) 字节跳动 | 69.96 | 79.92 | — | 文书起草 + 口语化表达 |
| Qwen3.6-Max-Preview(Thinking) 阿里巴巴 | 67.04 | 85.14 | — | 通用法律场景 |
| Qwen3.7-Max(Thinking) 阿里巴巴 | 70.22 | 82.91 | $3.75 | 长文档 + 法条引用 |
| ERNIE 5.1 百度 | 63.12 | 76.81 | — | 通用法律场景 |
| Doubao-Seed-2.0-lite-260428(high) 字节跳动 | 66.12 | 78.86 | — | 文书起草 + 口语化表达 |
| Kimi-K2.6-Thinking 月之暗面 | 68.66 | 78.66 | — | 超长文档（200k+） |
| DeepSeek-V4-Flash(max) 深度求索 | 67.49 | 70.90 | $0.17 | 通用法律场景 |
DeepSeek V4 Pro 是国内法律场景的综合最优解——总分 70.48 国内第一、幻觉控制 79.14 够用、输出 $0.87/M 价格可接受、1M 上下文能吞百页合同。除非你对幻觉控制有极端要求（比如做司法解释级别的精确引用），否则 DeepSeek V4 Pro 是律所起步的最佳选择。
长文档档：百页合同 / 判决书 / 尽调报告
法律文档的长度很容易超过普通模型的上下文上限。一份中等规模的并购合同 50-100 页（约 30k-80k token），一份判决书 20-50 页（约 10k-40k token）。下面是上下文 50 万 token 以上的当代模型：
| 模型 | 上下文 | 输入价 | 输出价 | 国内可用 |
|---|---|---|---|---|
| Llama 4 Scout Meta | 10M | $0.1 | $0.3 | 需代理 |
| Grok 4.20 xAI | 2M | $1.25 | $2.50 | 需代理 |
| Grok 4.20 Multi-Agent xAI | 2M | $1.25 | $2.50 | 需代理 |
| GPT-5.4 OpenAI | 1.1M | $2.50 | $15.00 | 需代理 |
| GPT-5.5 OpenAI | 1.1M | $5.00 | $30.00 | 需代理 |
| GPT-5.5 Pro OpenAI | 1.1M | $30.00 | $180.00 | 需代理 |
| GPT-5.6 Sol OpenAI | 1.1M | $5.00 | $30.00 | 需代理 |
| GPT-5.6 Sol Pro OpenAI | 1.1M | $5.00 | $30.00 | 需代理 |
| GPT-5.6 Terra OpenAI | 1.1M | $2.50 | $15.00 | 需代理 |
| GPT-5.6 Terra Pro OpenAI | 1.1M | $2.50 | $15.00 | 需代理 |
| GPT-5.6 Luna OpenAI | 1.1M | $1.00 | $6.00 | 需代理 |
| GPT-5.6 Luna Pro OpenAI | 1.1M | $1.00 | $6.00 | 需代理 |
| OpenRouter Owl Alpha OpenRouter | 1M | $0 | $0 | 已下线 |
| DeepSeek V4 Flash DeepSeek | 1M | $0.08 | $0.17 | 可用 |
| DeepSeek V4 Pro DeepSeek | 1M | $0.43 | $0.87 | 可用 |
| Gemini 3 Flash Preview Google | 1M | $0.5 | $3.00 | 不稳定 |
| Gemini 3.1 Flash Lite Google | 1M | $0.25 | $1.50 | 不稳定 |
| Gemini 3.1 Pro Preview Google | 1M | $2.00 | $12.00 | 不稳定 |
| Gemini 3.5 Flash Google | 1M | $1.50 | $9.00 | 不稳定 |
| Llama 4 Maverick Meta | 1M | $0.15 | $0.6 | 需代理 |
| MiniMax M3 MiniMax | 1M | $0.3 | $1.20 | 可用 |
| MiMo-V2.5 Xiaomi | 1M | $0.1 | $0.28 | 可用 |
| MiMo-V2.5-Pro Xiaomi | 1M | $0.43 | $0.87 | 可用 |
| GLM 5.2 Z.ai (智谱) | 1M | $0.42 | $1.32 | 可用 |
| Claude Fable 5 Anthropic | 1M | $10.00 | $50.00 | 需代理 |
| Claude Opus 4.7 Anthropic | 1M | $5.00 | $25.00 | 需代理 |
| Claude Opus 4.7 Fast Anthropic | 1M | $30.00 | $150.00 | 需代理 |
| Claude Opus 4.8 Anthropic | 1M | $5.00 | $25.00 | 需代理 |
| Claude Opus 4.8 Fast Anthropic | 1M | $10.00 | $50.00 | 需代理 |
| Claude Sonnet 4.6 Anthropic | 1M | $3.00 | $15.00 | 需代理 |
| Claude Sonnet 5 Anthropic | 1M | $2.00 | $10.00 | 需代理 |
| Gemini 3.1 Pro Image Google | 1M | $2.00 | $12.00 | 需代理 |
| NVIDIA Nemotron 3 Super NVIDIA | 1M | $0.08 | $0.45 | 需代理 |
| NVIDIA Nemotron 3 Ultra NVIDIA | 1M | $0.5 | $2.20 | 需代理 |
| NVIDIA Nemotron 3 Ultra (free) NVIDIA | 1M | $0 | $0 | 需代理 |
| OpenRouter Fusion OpenRouter | 1M | $-1000000 | $-1000000 | 需代理 |
| Qwen3.6 Plus Alibaba (阿里云百炼) | 1M | $0.33 | $1.95 | 可用 |
| Qwen3.7 Max Alibaba (阿里云百炼) | 1M | $1.25 | $3.75 | 可用 |
| Qwen3.7 Plus Alibaba | 1M | $0.32 | $1.28 | 可用 |
| Sakana Fugu Ultra Sakana AI | 1M | $5.00 | $30.00 | 待确认 |
| Grok 4.3 xAI | 1M | $1.25 | $2.50 | 需代理 |
| Claude Fable (latest) Anthropic | 1M | $10.00 | $50.00 | 需代理 |
| Grok 4.5 xAI | 500k | $2.00 | $6.00 | 需代理 |
实操建议：能翻墙的律所首选 Gemini 3.1 Pro（1M 上下文 + 精确指令遵循 56.19 全场最高，按格式输出最稳）。国内场景首选 DeepSeek V4 Pro（1M 上下文 + 国内综合最强）。Llama 4 Scout 1000 万上下文 + $0.3 输出价是断档便宜，但中文法律术语理解不如商业模型，需要更多 prompt 工程。
极致性价比档：批量合同审查 / 文书初稿
中小型律所或法务部门每天处理几十份标准化合同（NDA、劳动合同、租赁合同），用模型做初筛和摘要——这种场景价格是硬约束。output 单价不超过 $1/M 且 SuperCLUE 总分 60 分以上的国内模型：
| 模型 | 总分 | 幻觉控制 | 输入价 | 输出价 |
|---|---|---|---|---|
| DeepSeek-V4-Flash(max) 深度求索 | 67.49 | 70.90 | $0.08 | $0.17 |
| DeepSeek-V4-Pro(max) 深度求索 | 70.48 | 79.14 | $0.43 | $0.87 |
DeepSeek V4 Flash 输出 $0.2/M 是批量场景无悬念冠军——日均处理 100 份合同摘要（每份约 5k token 输出）成本不到 $0.05。但幻觉控制 70.90 偏低，必须配人工复核，不能做最终交付。
五个法律细分场景的具体选型
- 合同审查（NDA / 劳动合同 / 并购协议）——需要长上下文 + 精确指令遵循 + 低幻觉。首选 DeepSeek V4 Pro（1M 上下文 + 国内综合最强），能翻墙的用 Gemini 3.1 Pro（精确指令遵循 56.19 全场最高，按格式输出风险点最稳）。不要用 reasoning 模型做合同审查——思维链会让它过度"分析"而非"按 checklist 逐项核对"。
- 案例检索与类案分析——需要理解法律术语 + 准确引用法条。首选 GPT-5.5（SuperCLUE 总分 74.27，智能体 86.56 最高，做多步检索最稳），国内用 Qwen3.7 Max（阿里生态有法条数据库对接）。关键提醒：模型引用的法条编号必须人工核验，再强的模型也会把《民法典》第 1165 条和第 1166 条搞混。
- 法律文书起草（起诉状 / 答辩状 / 律师函）——需要中文语感 + 格式规范。首选 Claude Opus 4.8（幻觉控制 87.48 全场最高，行文最严谨），国内用 豆包 Seed 2.0 Pro（字节系对中文公文格式理解最好）。Kimi K2.6 也行，但指令遵循只有 30.48，格式容易跑偏。
- 批量合同摘要与初筛——纯粹拼价格质量比。DeepSeek V4 Flash（$0.2 输出）无悬念。日均 100 份合同的成本不到一杯奶茶钱。但必须配人工复核，不能作为交付物直接使用。
- 法规解读与合规建议——幻觉率是命门。首选 Gemini 3.1 Pro（总分 75.73 + 幻觉控制 87.23），国内用 DeepSeek V4 Pro（幻觉控制 79.14 + 总分 70.48）。所有合规建议必须标注"仅供参考，不构成法律意见"——这是执业风险，不是模型能力问题。
法律场景六个最常见坑点
- 法条编号会编——再强的模型也会虚构不存在的法条编号或把相近条文搞混。Claude Opus 4.8 幻觉控制 87.48 已经是最高的了，照样会出错。法条引用必须人工核验，这是执业底线。
- 赔偿金额和日期会编——合同审查时模型可能"合理化"缺失的赔偿条款，给出一个看似合理但实际不存在的数字。审查合同时必须逐条对照原文，不能只看模型摘要。
- reasoning 模型不适合 checklist 式审查——DeepSeek V3.2 Thinking、Kimi K2.5 Thinking 等开思维链后，倾向"分析利弊"而非"按 checklist 逐项勾选"。合同审查用非 reasoning 版本更稳。
- 上下文太长会"遗忘"中间条款——即使有 1M 上下文，模型对文档中间部分的关注度通常低于开头和结尾。百页合同建议分段喂入（先喂核心条款页），或要求模型逐页输出。
- 国内调用国际模型的隐形成本——Claude / GPT 走中转实际价格是官方 1.2-1.5 倍，加上延迟和不稳定。律所批量场景下先把 DeepSeek V4 Pro 用透，确实遇到瓶颈再上国际模型。
- "AI 生成"的合规风险——部分法院对 AI 生成的文书有披露要求，部分客户合同禁止用 AI 处理。使用前先确认内部政策和客户约定，不是所有场景都能上模型。
三步决策树
- 能不能翻墙？——能 → Gemini 3.1 Pro / Claude Opus 4.8 / GPT-5.5 三选一；不能 → 直接进入国内模型选择。
- 文档有多长？——< 50 页 → 任意国内 Top 5 都能处理；50-200 页 → 需要 500k+ 上下文（DeepSeek V4 Pro / Kimi K2.6）；> 200 页 → 必须 1M 上下文（DeepSeek V4 Pro / Gemini 3.1 Pro）。
- 日处理量多大？——< 10 份/天 → 任选；10-50 份/天 → DeepSeek V4 Pro；> 50 份/天 → DeepSeek V4 Flash 初筛 + 人工复核。
相关阅读
- LLM 幻觉率排行——HHEM + SuperCLUE 双榜深度对照
- LLM 长上下文排行——百万 token 时代的选型清单
- 一张图看清 LLM 性价比——智能 vs 价格散点图
- 国内 6 家 LLM API 开通教程——DeepSeek / 豆包 / 智谱等注册到调用
- DeepSeek V4 Pro 详情——国内法律场景综合首选
- DeepSeek V4 Pro vs Gemini 3.1 Pro——国内 #1 vs 国际长文档之王