OpenAI 于 2026 年 10 月 6 日发布与 Ironclad 的合作说明，核心只有一层信息：双方在复杂合同工作流上训练并评测 AI 智能体，目的是把计算机使用推进到专业工作。公开材料没有模型名称、任务数量和任何准确率。对这篇日报，能写实的只有方向，不能把一句话摘要扩写成技术报告。
训练和评测被放在同一条线上
摘要同时写了训练与评测，说明合同流程不只是演示舞台，而是被当成可优化、可打分的任务。合同工作常见形态是长链路、多系统、强约束：智能体要在真实软件里阅读文件、填写字段、核对条款并推动审批，而不是只生成一段文本。OpenAI 把进展放在推进计算机使用的标题下，等于用专业工作来定义下一阶段能力，而不是再用更宽泛的会点按钮来叙述。对关注智能体的人，重点是评测对象变了：从能否操作电脑，收到能否在行业流程里把事情做完。
合同场景是压力测试，不是交付声明
材料没有说明 Ironclad 提供了哪些系统权限、多大规模的真实合同，以及人工如何标注对错。能确定的事实只有：场景是复杂合同工作流，用途是专业工作。这类流程容错成本高，步骤依赖上下文和权限，适合检验智能体是只会演示，还是能在长链路里稳定操作。训练和评测并列，也意味着双方至少在收敛什么叫做对——字段是否正确、流程是否闭环，都会比单纯点击成功率更硬。具体指标未公布，因此不能把这次更新读成合同智能体已经可以规模替换人工。
我的判断
价值在于把计算机使用的考场搬进真实合同流程，并且训练、评测一起做，这比单独放一段演示更接近工程问题。适用边界很窄：这是 OpenAI 与特定行业客户的合作，不等于通用法务智能体已经就绪，也不能外推到其他专业软件。最大局限是公开信息过薄，没有误差分析，没有和既有计算机使用基准的对照，进展幅度无法判断。更稳妥的读法是当方向信号，不当成绩单。对开发者真正有用的，是后续会不会给出可核对的任务定义和评测方法。