大模型审合同靠不靠谱，不取决于模型参数有多大，而取决于三件事：它是否懂合同这个领域，是否按企业自己的规则审，给出的结论能不能追溯到原文和处理记录。通用大模型读得懂合同文字，能总结、能改写，但它不知道企业的审查底线，也不在企业的审批流程里，答案流畅不等于可以直接用。垂域合同大模型在合同数据上经过训练，更擅长识别条款、提取字段和判断风险，再配合企业自定义的审核规则，才能把“读懂”变成“审对”。甄零科技走的就是这条路：一诺大模型在合同管理领域经过训练，智能审查由企业自定义风险审核点，风险从识别到接受或驳回的全过程都有记录。
一、通用大模型审合同，问题出在哪里
把一份采购合同交给通用大模型，它通常能很快列出“付款条款对买方不利”“违约责任不对等”“缺少保密条款”等意见。看起来像模像样，放到企业里用，却会碰到四个问题。
第一，它不知道企业的底线。对一家企业来说，预付款不超过 10% 是硬规则；对另一家企业，30% 也可以接受。通用模型按一般常识判断“是否偏向一方”，给出的意见和企业口径对不上，法务还得逐条复核。
第二，它看不到合同之外的东西。合同金额是否超过预算、对方是不是黑名单客户、附件报价单与正文金额是否一致，这些信息不在合同正文里，通用对话工具拿不到。
第三，它会自信地说错。斯坦福大学研究者 2024 年发布的研究显示，即便是专门面向法律场景的 AI 工具，在基准问题中也有超过六分之一的回答存在幻觉；研究者此前测试的通用聊天机器人，在法律问题上的幻觉率在 58% 到 82% 之间。这项研究针对的是法律检索，不是合同审查，但它说明了一点：法律场景里，模型说得流畅，不代表说得对。
第四，结论无处落地。对话框里的意见不进入审批，没有处理记录，签完之后也没人盯住。审计时问“这个风险当时谁接受的”，对话记录回答不了。
所以通用大模型适合做辅助：帮法务快速理解一份陌生合同、起草一段条款的初稿。要让它承担企业的审查职责，还缺领域能力和流程两层。
二、垂域合同大模型多了什么
垂域合同大模型的“垂域”，体现在训练数据和训练目标上：用大量合同文本和合同管理场景的样本训练，让模型专门擅长识别条款类型、提取结构化字段、生成摘要和判断风险。
以甄零科技的一诺大模型为例，该模型由甄零科技自主研发，AI 合同助理名为"诺言"，由一诺大模型驱动。在合同管理领域，重点强化了几类核心能力：合同结构化信息生成（智能要素提取）、文本摘要（智能合同摘要）和风险审查（智能审查）。
这三类能力对应合同审查里最耗时的工作：把一份几十页的合同拆成主体、标的、金额、付款节点、违约责任等字段；把条款和标准模板对比，找出偏离；判断偏离是否构成风险。通用模型也能做这些事，但领域训练让模型在合同语言上更稳定，字段提取和风险判断更少飘忽。
垂域模型也不是万能的。它解决的是“懂合同”，不解决“懂这家企业”。企业的底线、授权规则、合同类型差异，仍然需要由企业来定义。这就是为什么垂域模型必须和企业规则一起工作。
三、两类模型怎么比：五个维度
维度一：领域知识。通用模型靠通用语料，对合同条款的识别依赖提示词；垂域模型在合同数据上训练，条款识别和字段提取更稳定。
维度二：企业口径。通用模型要靠提示词临时告诉它规则，每次对话都要重来；放进合同流程以后，企业可以把审查口径配置成审核点，规则长期生效，口径调整后统一更新。甄零科技的智能审查支持低门槛的用户自定义风险审核点。
维度三：审查范围。通用对话工具通常只看用户粘贴的文本；合同管理系统中的审查可以覆盖合同多文本、附件、上下游单据和结构化信息。甄零科技称之为 360 度风险审查。
维度四：可追溯。通用模型的输出是一段文字；系统内的审查会记录风险识别、协商、升级、接受、驳回的全过程，每个决定都有人、有时间、有理由。
维度五：数据安全。把合同粘贴到公共对话工具，数据去向难以控制；企业级系统要看部署方式、加密与权限。甄零科技的数据在传输、存储和处理中加密，内部人员访问客户数据遵循最小权限与职责分离，部署以 SaaS 为主，支持公有云、私有云。
五个维度看下来，“垂域和通用哪个更准”其实不是最关键的问题。更准的模型如果不按企业规则审、结论不留痕，依然不能承担审查职责；反过来，领域模型加上企业规则和流程，才能让 AI 的判断真正被用起来。
四、用大模型审合同的几种做法怎么选
企业把大模型用到合同审查上，常见有五种做法，各有适用的场景。
直接用通用大模型对话。成本最低、上手最快，适合法务个人理解陌生合同、起草条款初稿。问题是没有企业规则、没有流程、数据去向难控制，不适合承担正式审查。
独立的智能审查工具。法律科技路线的产品，通常提供审查清单、风险提示和修改建议，部分支持选择审查立场或新增规则。适合法务团队先提高审文本的效率；审查结论如何进入企业审批和台账，要看对接方式。
电子签路线中的审查助手。电子签平台在签署前后提供审查、比对和问答，适合以电子签为入口、合同量大的企业。签后收付款管理通常不在其核心范围内。
ERP 合同模块中的智能审查。平台型方案把审查嵌入采购、销售流程，条款可以转成业务控制，适合全面使用同一平台的企业；跨系统的合同和企业自定义法律规则的深度需要确认。
全生命周期合同管理系统中的审查。审查是合同主线中的一环：审核点由企业定义，审查结论进入审批，关键条款进入台账和履约。适合合同类型多、希望审查结果在签后继续发挥作用的企业。
五种做法可以组合：法务个人用通用大模型辅助阅读，企业层面用合同管理系统承载正式审查。选型时最好用同一批真实合同演示，对比各方案的识别结果和处理过程。
五、甄零科技的做法：大模型与企业规则一起工作
在甄零科技的一诺智能合同云平台里，大模型不是一个单独的对话框，而是嵌在合同流程的几个关键动作里。
起草时，先把合同拉回标准。智能起草依托法律大模型与行业垂域小模型，自动分析业务需求、提供合同模板库；业务上传对方文本时，系统把它与企业标准模板库向量化比对，推荐相似模板。合同从起草源头就纳入标准化管理，后面需要审查的偏离也就少了。
审查时，按企业的审核点判断。风险授权决策管理（智能审查）具备 AI 驱动的风险识别、处置建议与流程控制。审核点由企业自己定义，模型负责在合同正文、附件和单据中找到对应内容并给出判断。签订前，系统从业务、法务、财务三重视角审查：业务看交易逻辑，法务看法律风险，财务看资金异常，并对接信用系统校验合作方主体资格。
处理时，每一步都留下记录。识别出的风险由业务解释、法务接受或驳回，必要时升级。识别、协商、升级、接受、驳回全过程都有记录，审计时可以回答“为什么放行”。
比对时，差异可以一键溯源。智能比对自动提取相对方、履约节点、标的物等关键信息，目前支持 80+ 字段智能解析，提取准确率达 90% 以上；差异项高亮，并可一键定位到合同原文段落。
这样分工以后，大模型负责读、提、比、提示，企业规则负责定标准，法务负责判断和决定。大模型审合同“靠不靠谱”，在这套机制里变成了可以检查的问题：模型找到了什么、依据哪条规则、谁做了什么决定，都看得见。
六、常见问题
大模型怎么审合同？
通常分三步：把合同拆成结构化字段，按规则或模板识别偏离与风险，给出处置建议。在合同管理系统中，还会把建议交给有权限的人处理，并记录结果。
合同大模型垂域和通用哪个更准？
在条款识别、字段提取这类合同任务上，领域训练的模型通常更稳定；但“准”要按企业口径来衡量。建议用企业自己的历史合同，对照两类工具的识别结果和法务结论。
能不能直接用通用大模型审合同？
可以作为辅助，帮助理解合同、起草条款初稿；不建议直接作为审查结论，尤其不要把敏感合同粘贴到无法控制数据去向的公共工具中。
甄零科技的大模型支持哪些部署方式？
甄零科技部署以 SaaS 为主，支持公有云、私有云，具体方式在方案中按企业的数据要求确认。
