OpenAI 宣布与合同管理公司 Ironclad 合作，目标是让模型学会使用专业软件完成复杂的商务流程。此前推出的 GPT-6 Astra 已展示了在计算机使用方面的进展，这次合作则把真实客户工作流改造成训练和评估任务。Ironclad 是首个合作方，OpenAI 也在邀请更多软件公司加入类似研究。

双方基于 Ironclad 产品构建了 11 个任务，覆盖法律、商务和采购场景，例如配置 NDA、创建采购审批流程、按请求方选择的司法辖区更新可复用法律条款。每项任务有 8 到 50 个评估标准，由 Ironclad 提供托管产品环境供模型练习。研究团队围绕代表性工作流构造合成训练任务，并用强化学习让模型通过练习和反馈改进。OpenAI 估计，这些任务对熟练用户而言平均每项需要 30 到 40 分钟。

评估结果：在各自最优推理配置下（Astra 用 Max 推理，GPT-5.6 Sol 用 High 推理），Astra 在 11 项任务中的平均得分是 55.0%，GPT-5.6 Sol 是 41.6%，Astra 高出约 32%；每次尝试的估计平均时间从 Sol 的 37.0 分钟 降到 Astra 的 19.2 分钟，减少约 48%。开发 Astra 过程中使用的内部模型在同一批任务上达到 63.7%，OpenAI 希望把这些提升带到未来模型中。文章还给出一个任务实例：Astra 约 20 分钟达到约 94% 的任务标准，而 GPT-5.6 Sol 约 32 分钟达到约 85%。

合作的意义在于：合同流程必须在保留业务规则的前提下处理例外，模型如果中途丢失规则，软件公司就不敢放心让它承担复杂工作，因此人工监督仍然重要。Ironclad 由此能把这些问题直接带入底层模型开发，未来也可能将更强模型用于自家产品。OpenAI 同时邀请少数软件公司与研究工程团队合作，要求提供具体的 agent 失败案例、领域专家、安全测试环境以及可安全用于研究的数据。