Harvey AI 评测：功能、价格及是否值得法律团队采用
Harvey AI 是一款专为律师构建的企业级生成式 AI 平台。本次 Harvey AI 评测的结论是：它目前是市场上功能最全面的通用型法律 AI 平台——但其定价结构和准入门槛明确指向大型律师事务所，而非独立执业者。在申请演示之前，您可以先了解法律 AI 工具的整体市场格局，以便做出更充分的决策。2026 年 9 月，Harvey 完成了 5.5 亿美元融资，估值升至 155 亿美元，累计融资总额超过 15 亿美元——这一市场信号值得所有采购决策团队认真考量。
Harvey 于 2022 年由前诉讼律师 Winston Weinberg 与曾任职于 Google DeepMind 及 Meta 的研究员 Gabriel Pereyra 联合创立，依托 OpenAI、Anthropic 和 Google 构建多模型技术栈，目前已覆盖约 80% 的 Am Law 100 律师事务所。平台采用按席位定价模式，通过询价流程销售，有效最低承诺额度使众多小型律所望而却步。
本文将系统梳理 Harvey 的功能、实际成本、准确性与安全性，并将其与 CoCounsel 和 Lexis+ AI 进行比较，明确哪些机构适合购买、哪些不适合。
本文仅供参考，不构成法律意见。
Harvey AI 是什么？
Harvey AI 是一款专为律师打造的企业级生成式 AI 平台，由 Winston Weinberg 和 Gabriel Pereyra 于 2022 年创立，总部设于旧金山。与将通用聊天机器人改造为法律工具的方案不同，Harvey.ai 从设计之初便以法律专业人士的特殊需求为核心，内置了领域专属的检索能力、引用处理机制、安全架构以及合规控制功能。
法律 AI 平台，而非通用聊天工具
Harvey 法律 AI 构建于基础模型之上，但在此基础上叠加了原始 ChatGPT 所不具备的多个层次：可信来源锚定、法律级检索增强、结构化工作流执行以及细粒度访问控制。这一差异在实践中至关重要——消费级聊天机器人会生成听起来合理的文本，而 Harvey 的设计目标是提供带引用的结论、标记不确定性，并通过经过验证的数据集来路由任务。
该平台覆盖法律工作的全业务周期，而非局限于单一任务。核心使用场景包括：
- 法律研究与监管分析
- 合同起草、审查与谈判
- 尽职调查与并购文件分析
- 诉讼支持（诉状、备忘录、证据开示）
- 以权威来源为基础的税务与合规问答
如需了解 Harvey AI 的创立背景和市场定位，可参阅维基百科相关条目。
Harvey 的创始人
Winston Weinberg 在创立 Harvey 之前，曾是 O’Melveny & Myers 律师事务所的证券与反垄断诉讼律师，这段经历赋予他从执业律师视角审视法律工作低效环节的能力。Gabriel Pereyra 则带来了深厚的技术背景，在联合创立公司之前，他先后担任 DeepMind 和 Meta AI 的研究科学家。”执业律师 + AI 研究员”的创始组合，使产品始终聚焦于解决真实的法律工作流程问题，而非炫技式地展示 AI 能力。
Harvey 获得了 OpenAI Startup Fund 的早期支持，这使其得以优先访问 GPT-4，并奠定了其作为面向企业的严肃 AI 替代方案的市场声誉。总部位于旧金山，使其与 AI 研究社区及湾区法律市场保持紧密联系，但其企业客户群已遍及全球。
Harvey AI 的功能与产品
本次 Harvey AI 评测显示，平台通过模块化产品套件覆盖了法律研究、起草、文件审查和尽职调查等全流程，产品线包括 Assistant、Vault、Agents、Knowledge 和 Contract Intelligence。每款产品均针对法律工作的特定阶段进行设计，无需律师事务所为引入这一工具而彻底重构整体工作流程。
| 产品 | 主要应用场景 | 核心能力 |
|---|---|---|
| Harvey Assistant | 起草、摘要、问答 | 跨案件事项的记忆与个性化 |
| Harvey Knowledge | 法律、监管、税务问答 | 基于权威可信来源的答案 |
| Harvey Vault | 大批量文件存储与审查 | 同时查询数千份文件 |
| Harvey Agents / Workflows | 多步骤自动化法律任务 | 端到端任务路由与执行 |
| Contract Intelligence | 合同审查与谈判 | 全合同组合洞察与条款对标 |
Assistant 与 Knowledge
Harvey Assistant 处理诉讼和交易实践中占用律师大量时间的日常起草与摘要工作。用户可以起草动议、摘要证词、生成协议初稿，并就某一案件事项的文件集提出开放式问答。记忆与个性化层能够让 Harvey 的回复始终符合律师事务所的风格指南、首选条款语言及历史输出——因此团队使用越多，平台就越精准。
Harvey Knowledge 是一款面向复杂法律、监管和税务问题的独立产品，专为需要可靠来源锚定的场景而设计。该产品并非从通用训练语料中生成回答，而是将答案锚定在可信数据集——包括一手法律来源、监管数据库以及律所批准的知识库——并在回答旁附上引用，供律师直接核验底层来源，而非被动接受摘要。这对于将要呈交客户或提交法院的工作成果而言至关重要。
Vault 大批量文件分析
Harvey Vault 提供安全、集中的大批量文件存储，支持用户同时查询数千份文件，而无需逐一审阅。在并购尽职调查中，这一功能的实际价值显而易见：团队可以上传整个数据室，同时对每份文件提出结构化问题，在几分钟内而非数周内发现异常、缺失陈述和非标准条款。
在法律 AI 文件审查领域，Vault 同样适用于大规模合同组合工作——年度合同审查、监管变化影响评估，以及收购后整合审计，这类场景下的文件量若通过传统方式处理，往往需要大规模临时审查团队。Vault 的安全架构将每份文件置于客户-案件事项访问控制之下，具体机制将在安全部分进一步说明。
Agents、Workflows 与 Contract Intelligence
Harvey Agents 专为端到端执行多步骤法律任务而设计，无需用户手动提示每个阶段。Workflows 定义任务序列——研究、起草、审查、标记——由 Agents 自动执行，在每个步骤将工作路由至合适的模型和数据源。这是 Harvey 与单任务法律工具差异最为显著的领域。
Contract Intelligence 通过整体分析合同组合来加速审查和谈判周期，识别特定条款在数百份协议中的表现并与市场标准进行对标。平台的附加功能还包括：Spaces（带有案件事项间伦理隔离控制的共享协作工作区）、面向法律运营和律所管理的 Command Center 分析工具、Horizon Scanning 监管动态追踪，以及随时随地访问的 Harvey Mobile 移动端应用。
哪些 AI 模型驱动 Harvey？
Harvey 运行着结合 OpenAI、Anthropic Claude 和 Google Gemini 的多模型技术栈，针对每项具体任务路由至表现最佳的模型，而非将所有任务发送至单一服务商。这一架构使 Harvey AI 平台在法律工作全业务范围内的能力，远超任何单模型产品。在这一多模型体系的支撑下，律师 AI 的整体使用体验也更加流畅稳定。
从 OpenAI 独家到多模型
Harvey 最初以独家使用 OpenAI 的产品形式推出——早期声誉建立在 GPT-4 访问权限和 OpenAI Startup Fund 的支持之上。2025 年 5 月 13 日，公司宣布将 Anthropic Claude、Google Gemini 以及 Mistral 加入技术栈，完成了向真正多模型基础设施的转型。用户可以让 Harvey 自动为每项任务选择最优模型，也可以在有特定偏好或案件事项层面的特殊原因时，手动选择特定基础模型。
多模型转型对评估该平台的律师事务所意义重大，因为它消除了对任意单一服务商的宕机、定价变化或能力短板的关键依赖风险。它还允许 Harvey 随着新模型的发布不断引入，而无需对平台进行重写。了解大语言模型在法律领域的实际运作方式，有助于从业者评估这一架构对输出质量的实际影响。
各模型的优势所在
Harvey 的内部测试揭示了各模型在法律场景下各自的比较优势。OpenAI 的 o 系列模型在庭前分析任务上表现最佳——构建论点、梳理争议焦点以及产出结构化法律分析。Google Gemini 在长篇起草任务上具有优势，尤其是需要在大量页面间保持连贯性的交易文件。Anthropic Claude 则在推理链必须被追踪和解释的推理密集型工作中表现突出。
除三大主要服务商外，Harvey 还在积极投资构建以法律数据训练的专有领域模型，目标是逐步降低对任何单一基础模型服务商的依赖。这一布局使 Harvey 法律 AI 能够在引用准确性、条款解读、法规分析等专属法律任务上持续提升表现——这些领域对于以通用网络数据训练的大语言模型而言，始终存在固有局限。
Harvey AI 价格是多少？
Harvey 没有自助注册选项，没有免费版，也没有公开的席位价格——您必须联系 Harvey 销售团队才能获得报价。
询价制、按席位定价模式
根据行业报道和买家反馈，Harvey AI 价格大约为每席位每月约 1,000–1,200 美元（折合人民币按当期汇率），具体取决于所含产品、律所规模以及谈判附加条款。Am Law 大型律所通常因规模效应和战略合作价值而获得明显较低的有效席位价格，而中型市场买家则往往支付接近区间上限的费用。Harvey 还正将部分特定高量文件任务的定价向消费量计费模式转型，这对工作量不均衡的团队可能更为有利。
影响报价的关键变量包括：
- 席位数量及用户角色
- 所含产品（仅 Assistant，还是包含 Vault、Agents、Contract Intelligence）
- 数据驻留要求（欧盟、瑞士、澳大利亚）
- 专业服务与实施支持
- 多年期合同 vs. 年度合同
最低承诺额与总拥有成本
约 20 个席位的有效最低门槛决定了 Harvey 的实际成本下限。以每席位每月约 1,000–1,200 美元计算，一个 20 席位的部署每年大约需要 每年约 288,000 美元，此外还不含附加功能、实施费用或 Vault 的消费量计费。
如果您正在为律所评估 Harvey AI 价格，以下是建议的评估流程：
- 明确您实际需要哪些产品——仅 Assistant，还是同时需要 Vault 和 Agents。
- 识别各业务组的实际席位需求。
- 向 Harvey 销售团队索取逐项列明的书面报价。
- 明确询问文件密集型工作流的消费量计费定价。
- 以每席位为基准，将报价与 CoCounsel 和 Lexis+ AI 进行对标。
- 建立包含变革管理和培训成本的总拥有成本模型。
- 在承诺全部席位之前，争取试点或分阶段推进方案。
Harvey AI 适合哪些人？
Harvey AI 怎么样？从适用群体来看，它最适合拥有充足案件事项量、完善采购基础设施和充足预算的大型律师事务所与资金雄厚的企业法务团队，通常并不适合独立执业者或小型律所。数据印证了这一判断：Harvey 的年度经常性收入已超过 4 亿美元，服务超过 3,000 家组织客户，约 80% 的 Am Law 100 律师事务所正在使用该平台。
大所与大型企业法务团队
Am Law 100 的渗透率数据是 Harvey 价值主张落地区间最清晰的信号。大型律所有足够的案件事项量，能够将六位数的年度承诺摊销到数千小时的律师工作时间上；具备管理企业采购和安全尽职调查所需的 IT 和法律运营能力；并有充分的财务动力将重复性任务的关联律师费用降至规模化水平。处理大量合同工作、监管风险或并购活动的大型企业法务团队，是 Harvey 的第二核心用户群体。
平台的智能工作流能力、Vault 的大批量文件处理，以及 Command Center 分析工具，均为法律运营和律所管理而设计：它们假设使用方是一个需要追踪使用率、跨案件事项管理访问权限、并以律师人头数衡量投资回报的组织。一个五人小团队在现实中无法以足够的使用量充分利用上述大多数功能，难以证明成本的合理性。
独立执业者与小型律所
对绝大多数独立律师和小型律所而言，席位最低门槛和有效年度承诺使 Harvey AI 价格难以承受。一位每年计费 1,800 小时的独立律师，无论效率提升多大，也无法消化 288,000 美元以上的年度软件成本。小型交易团队面临同样的数学困境。
对这类买家而言，更轻量、更经济的工具更为合适。Spellbook 在 Microsoft Word 中提供合同起草服务，成本仅为 Harvey 的一小部分。Thomson Reuters 的 CoCounsel Core 以较低的起步价提供以 Westlaw 为基础的法律研究。即便是专为特定场景调优的通用 AI 助手，也能以小型律所可以承担的价格处理常规问答、摘要和初稿工作。选择哪款工具，取决于业务量，而非雄心壮志。
Harvey AI 准确吗，还是会产生幻觉？
Harvey AI 与通用大语言模型相比，幻觉问题显著减少，但并未完全消除——这意味着执业律师在将任何输出用于客户工作或法律文件之前，必须对其进行核实。目前任何 AI 平台都无法保证事实准确性，Harvey 的市场宣传材料也未作此声明，这一点是每位评估此类法律 AI 工具的采购者都应明确的前提。
Harvey 如何限制幻觉
Harvey 的主要抗幻觉机制是来源锚定：平台并非仅从训练权重中生成答案，而是从可信法律数据库和用户上传文件中检索相关内容，并将回答锚定于检索到的材料。引用与答案同步呈现，律师可以直接核验底层来源，而无需被动接受摘要。
平台依据 AIUC-1 标准接受了独立评估——这是一项严格的第三方测试，涵盖 86 个风险类别和 73 个攻击类别中超过 3,000 项独立测试——并以零严重失败通过。对于那些尚未接受同等独立测试的法律 AI 工具而言，这一结果提供了有价值的市场参照。但这并不意味着 Harvey 从不出错；而是在该特定测试框架下，其错误模式未包含灾难性失败。
律师对输出成果负有最终责任
无论来自 Harvey 还是任何其他平台的 AI 输出，在未经律师审查之前，不应送达客户、呈交法院或转给对方当事人。这不是为谨慎起见而添加的免责声明；而是职业义务的体现。美国律师协会（ABA）《职业行为示范规则》（注：美国法律规则，中国无对应等价物）规定了胜任力与监督义务，要求监督律师理解所使用的技术，并以审查初级律师工作成果时同等的尽职标准核实 AI 输出。
Harvey 通过压缩研究、起草和审查所需时间来协助律师，但无法取代律师在准确性、策略和伦理方面的判断。成功部署 Harvey 的律所，将其视为律师监督下的起草和研究加速器，而非自主决策者。为追求效率而跳过核实步骤的团队，正在承担 Harvey 的技术无法为其分担的职业责任风险。
Harvey AI 的安全、隐私与数据保密
Harvey AI 安全方面值得重点关注：平台在合同层面默认不使用客户数据进行训练，并持有多项安全与隐私认证，是法律 AI 市场中经过最严格审计的平台之一。这些不是自我声明，而是要求 Schellman、NCC Group 和 Bishop Fox 等机构每年开展独立第三方审计的认证体系。
Harvey 在数据使用方面的合同承诺措辞明确：保证客户输入、输出及上传文件永不用于训练 Harvey 模型或任何底层基础模型。这一禁止条款通过合同延伸至 Harvey 的模型服务商，因此保证贯穿整个技术栈，而非仅停留在 Harvey 自身的系统层面。这对客户信息保密至关重要，因为律师-委托人特权和工作成果原则要求律师采取合理措施防止意外披露——使用会以您的文件进行训练的 AI 平台，可能构成此类披露。
平台的安全认证覆盖了法律数据的全生命周期：
- SOC 2 Type II：对安全、可用性和保密控制的年度独立审计
- ISO 27001：信息安全管理体系认证
- ISO 27701：在 ISO 27001 基础上扩展的隐私信息管理
- ISO 42001：涵盖负责任 AI 使用的 AI 管理体系标准
- AIUC-1：覆盖 86 个风险类别和 73 个攻击类别的 AI 专项第三方测试
数据在静止状态和传输过程中均使用强加密标准进行加密，访问控制精确到案件事项和用户级别。对于承担跨境数据义务的律所，Harvey 提供欧盟、瑞士和澳大利亚的数据驻留选项（注：Harvey 目前未提供中国境内的数据驻留选项），使受欧盟《通用数据保护条例》（GDPR）或同等制度约束的组织能够将数据保留在所需司法管辖区内。中国用户在评估时，可参照《个人信息保护法》对跨境数据传输的相关要求。Harvey 的共享工作区功能 Spaces 包含伦理隔离控制，确保一个客户案件事项的数据无法被利益冲突案件事项的用户访问——这是平台在基础设施层面强制执行的基本职业责任要求。
Harvey AI 与 CoCounsel、Lexis+ AI 及 Spellbook 对比
Harvey 与 CoCounsel 对比的核心差异在于：Harvey 是面向全律所转型的宽泛型智能平台，CoCounsel 是以 Westlaw 为基础的法律研究工具，Lexis+ AI 以 LexisNexis 语料库为基础提供答案，Spellbook 则是价格更低的合同专项起草助手。在这些工具之间做出选择，取决于您需要的是企业级平台，还是特定任务工具。
| 平台 | 核心优势 | 定价模式 | 最适合 |
|---|---|---|---|
| Harvey | 宽泛型智能工作流、Vault、多模型 | 询价制、按席位定价，约 1,200–2,800+ 美元/席位/月 | 大型律所与资金充裕的企业法务团队 |
| CoCounsel（Thomson Reuters） | Westlaw + Practical Law 来源锚定研究 | 按席位定价，起步价低于 Harvey | 以研究为主、已有 Westlaw 订阅的律所 |
| Lexis+ AI | LexisNexis 语料库锚定研究 | 按席位定价，席位成本普遍低于 Harvey | 以研究为主、已在 Lexis 生态的团队 |
| Spellbook | Microsoft Word 中的合同起草 | 订阅制，成本为 Harvey 的一小部分 | 小型交易团队 |
Harvey 在广度和智能工作流能力上表现最优。 多模型技术栈、用于大批量文件分析的 Vault，以及端到端 Agents，在 CoCounsel 或 Lexis+ AI 中均无近似对标。如果律所目标是在研究、起草、审查、尽职调查和运营等全业务线嵌入 AI，Harvey 是目前唯一为这一规模而设计的平台。
CoCounsel 在案例法研究的法律数据锚定上更胜一筹。 每条 CoCounsel 答案均引用来自 Westlaw 和 Practical Law 的来源材料，这些是大多数诉讼律师已经信赖的权威数据库。对于主要 AI 使用场景是案例法研究、法规分析和以一手权威来源为基础的动议起草的律所，CoCounsel 与 Westlaw 的深度整合使其以更易接受的价格成为更优选择。Lexis+ AI 对已在 LexisNexis 生态中运营的律所具有同等意义，以普遍低于 Harvey 的席位成本提供以 Lexis 为基础的法律研究。
Spellbook 是本质上不同的产品。 它在 Microsoft Word 中运行，专注于合同起草和审查，成本仅为 Harvey 最低承诺的一小部分。对于需要 AI 辅助起草而无需走完企业采购流程的小型交易团队，Spellbook 是务实且经济实惠的起点——即便除合同工作外，它在任何维度上都无法与 Harvey 的广度相提并论。
优点、缺点与最终评测结论
本次 Harvey AI 评测的最终判断是：Harvey AI 是领先的通用法律 AI 平台，对大型高业务量法律团队而言物有所值——但对小型律所来说既过度又难以负担，应另寻他处。Harvey 在 2026 年 9 月完成 5.5 亿美元融资后估值达到 156 亿美元，这是迄今最清晰的市场信号，表明它是大型律所的类别定义型企业产品。
优点与缺点
Harvey 为其目标买家提供的优势是实质性的：
- 市场上最全面的能力集——研究、起草、审查、尽职调查和运营集于一个平台
- 多模型技术栈（OpenAI、Anthropic、Google）将每项任务路由至表现最佳的模型
- Harvey Vault 处理大批量文件分析的规模，无其他法律 AI 产品可比
- 智能 Workflows 端到端执行多步骤法律任务，无需在每个阶段手动提示
- 经独立审计的强健安全态势，附有合同层面的不训练保证
- 约 80% 的 Am Law 100 律所验证使用，降低了供应商可持续性风险
缺点同样真实：
- 询价制定价缺乏透明度，在进入销售流程前难以预算
- 约 20 个席位的有效最低门槛和六位数年度承诺，使大多数小型律所望而却步
- 需要投入大量变革管理资源来推动全所采用
- 律师对每项输出的核实仍是职业要求——AI 带来的效率提升不能免除监督义务
- 对独立执业者、小型律所和单一使用场景买家而言，过度且成本难以承受
融资规模与发展势头作为采购信号
在选择将成为律所运营重要组成部分的平台时，供应商的持续经营能力至关重要。Harvey 在 2026 年 9 月完成的 5.5 亿美元融资，使其累计融资总额超过 15 亿美元，估值达 155 亿美元——这些数字使其超越了其他法律科技初创公司所经历的财务脆弱性。对于正在决定是否将 AI 战略押注于单一平台的律所合伙人或总法律顾问而言，这一财务实力大幅降低了 Harvey 在合同期内被收购、转型或关闭的风险。
这一规模同样为持续研发、模型开发以及领域专属模型训练提供资金保障，后者将进一步提升专属法律任务的准确性——包括引用准确性、条款解读和法规分析。
最终结论：Harvey 值得投资吗？
对于 Am Law 100 和 Am Law 200 律所、具有大量案件事项量的大型区域性律所，以及处理复杂交易、诉讼或监管工作的资金雄厚的企业法务团队，Harvey 值得投资——前提是律所承诺推动采用并追踪使用率。平台的广度、安全态势和智能工作流能力领先于目前任何竞争对手，其财务势头表明这一领先地位将得以维持。
对于独立执业者、小型律所以及只有单一狭窄使用场景的团队，Harvey AI 并非正确的选择。在这一规模下，最低承诺额无法被效率提升所抵消，更轻量的替代方案——合同工作选 Spellbook、法律研究选 CoCounsel Core，或选择针对特定场景调优的通用助手——将提供更高的单位成本价值。在您的案件事项量、团队规模和预算能够充分利用六位数企业平台所提供的一切时，再选择 Harvey。