OpenThai 2.0 Legal 发布——把泰国法律烂熟于心、还能自己部署的法律 AI

今天，我们正式发布 OpenThai 2.0 Legal——一款专为泰国法律打造的开放权重大语言模型，并把完整权重免费公开在 Hugging Face 上。它由泰国人打造、服务泰国：面向律师、企业法务、合规团队、法律科技开发者，以及需要可靠、可溯源的泰国成文法与判例答案的政府机构。

👉 模型页面：iapp.co.th/openmodels/openthai2p0-legal · 权重下载：huggingface.co/iapp/openthai2.0-legal-thaillm-nemotron-3-nano-30b-a3b

不用把法条喂给它，它本来就知道

大多数法律聊天机器人的水平，取决于你递给它的文档。把文档拿走，它就开始猜。

而向 OpenThai 2.0 Legal 提问时，即便提示词中完全没有法条，它依然能凭记忆回忆并引用正确的法律名称与条文（มาตรา）。在由代码打分的基准测试中，它是可自建部署的模型里泰国法律闭卷召回能力最强的一个——在《民商法典》上的召回率约为体量大得多的 Qwen3.6-35B 的 4 倍——并且在泰国律考论述题评测中，对同一竞品实现了四个维度全胜，从引用准确度到法律推理皆然。

评测项	OpenThai 2.0 Legal	Qwen3.6-35B	Nemotron-3-30B 基座
闭卷 · 《民商法典》召回（n=3,729）	0.07	0.02	0.001
闭卷 · 《税法典》召回（n=50）	0.40	0.36	0.31
开卷 · 从上下文中引用（n=3,729）	0.99	0.99	0.98
开卷 · 税法 echo（n=50）	0.84	0.84	0.64
开卷 · 税法 干扰项中选择（n=50）	0.69	0.64	0.45
论述 · 引用准确度（n=72）	0.25	0.09	0.02
论述 · 得出正确裁判结论（n=72）	0.57	0.50	0.31
论述 · 覆盖关键要点（n=72）	0.60	0.55	0.27
论述 · 行文质量（n=72）	0.46	0.43	0.13

分值区间 0 到 1，越高越好。引用类指标使用 NitiBench 的 citation-F1 评分器；裁判结论、覆盖度与行文质量由 Gemini 3.1 Flash Lite 评判。所有模型都在同一套协议下端到端重跑：单次推理、关闭思考模式、引用由代码而非 AI 裁判核验。

有一点我们愿意主动说清楚：仍有闭源云端 API 比我们记得更多泰国法律。我们的表述仅限于你能在自有硬件上运行的模型——在这个范围内，这是我们测得的最好结果。

每个回答都标明出处

懂法律只是一半。法律工作需要的是可核验的答案。

OpenThai 2.0 Legal 以固定的 JSON 契约返回准确的法律名称与条文：

{"answer": "นาย ก. ต้องรับผิดตามประมวลกฎหมายแพ่งและพาณิชย์ มาตรา 420",
 "citations": [{"law": "ประมวลกฎหมายแพ่งและพาณิชย์", "section": "420"}]}

这不只是格式上的讲究，而是让模型真正能被软件使用的关键。引用可以直接解析进 RAG 流程、文书起草工具与审阅流程，而审阅者可以逐条对照法条核验，不必凭信任接受。

在 RAG 场景下，模型拿到候选条文后只引用真正适用的那些。它可以配合你现有的任何检索器，不绑定特定的 embedding 或 rerank 模型。而由于闭卷能力本身就很强，相当多的问题根本不需要检索。

它跑在你自己的机器上

这一点比任何单项基准都更重要。案卷、客户资料与内部调查，恰恰是机构无法送去别人云端的数据。

OpenThai 2.0 Legal 是一个 300 亿参数的混合专家模型，每个 token 仅激活 约 30 亿参数，因此采用 NVFP4（4-bit）时在单张 24 GB 显存的 GPU 上即可运行；若需全精度服务，可在 2× H100 上以 bfloat16 部署。律所、银行与政府机构因此能把敏感事务完全留在自己的边界之内，按自己的治理规则运行。

它是怎么造出来的

在 NVIDIA NeMo 技术栈上分三个阶段，每个阶段解决一个问题：

1. CPT — 灌注法律。 模型双向演练每一条法条的完整文本（由条号复述条文、由含义指出条号），使知识沉淀进权重。共 360,985 条训练样本，约 8 亿泰语法律 token。
2. SFT — 教它考试。 每个回答都遵循固定的 JSON 契约，只引用给定的条文。共 16,436 条考试答案与律考（เนติบัณฑิต）论述样本。
3. GRPO — 打磨引用。 以基准测试自身的 citation F1 作为强化学习奖励：引用得恰到好处就被强化，多引一条错的就被抑制。共 8,568 道已评分题目、约 68,500 份草稿。

基座为 NVIDIA 的 Nemotron-3-Nano-30B-A3B（Mamba-Transformer 混合 MoE）；CPT/SFT 使用 Megatron-Bridge，GRPO 使用 NeMo-RL。

现在就试 — 在线、免费、无需 GPU

直接在本页向真实模型提一个泰国法律问题：

⚖️

在线试用 OpenThai 2.0 Legal

免费 API · 1 个月

使用你的 iApp API 密钥即可免费调用，至 2026 年 8 月 24 日。

📚

已连接 RAG — 回答基于真实法条原文

本 API 从覆盖 39 部泰国法律、6,300+ 条文的语料库中混合检索（BM25 + 向量检索 + 重排器），使回答以现行法条原文为依据。系统选中的条文会显示在每个回答下方。切换到"闭卷"模式（API 中 rag: false）可与裸模型对比。

成篇的法律分析，行文中引用条文——以自动检索的现行法条原文为依据。

问题（泰语）จำเลยขีดฆ่าและฉีกเอกสารหลักฐานแห่งหนี้ แม้ยังอ่านได้ ถือเป็นความผิดสำเร็จหรือเพียงพยายามกระทำผิด

试试示例：

API Key

Log in to use your API keys or Create an account

显示推理过程（较慢）流式输出（SSE）

🧑‍💻 开发者视图——本演示背后的 API 调用

下面的 curl 命令会随你在上方修改问题、模式与选项而实时更新。复制到终端、换上你的 API 密钥即可运行——与本页面发送的请求完全一致。

请求（curl）

curl -s https://api.iapp.co.th/v3/llm/openthai2p0-legal/chat/completions \
  -H "Content-Type: application/json" \
  -H "apikey: YOUR_IAPP_API_KEY" \
  -d '{
  "model": "openthai2.0-legal",
  "rag": true,
  "rag_inject": "system",
  "messages": [
    {
      "role": "system",
      "content": "You are a Thai legal expert. Answer with legal analysis and cite the relevant มาตรา."
    },
    {
      "role": "user",
      "content": "จำเลยขีดฆ่าและฉีกเอกสารหลักฐานแห่งหนี้ แม้ยังอ่านได้ ถือเป็นความผิดสำเร็จหรือเพียงพยายามกระทำผิด"
    }
  ],
  "temperature": 0,
  "top_p": 1,
  "max_tokens": 4096,
  "chat_template_kwargs": {
    "enable_thinking": true
  }
}'

输出仅为决策辅助，并非法律意见；请对照现行法律核验每处引用。持 iApp API 密钥免费使用至 2026-08-24，之后按标准价 0.01/0.02 IC / 1K 输入/输出 token 计费（与 Thanoy Legal AI 相同）。

而且这是完整的生产级配置，不是简化版玩具：API 已内置 RAG——从覆盖 39 部泰国法律、6,300+ 条文的语料库中混合检索（BM25 + 向量 + 重排器），使每个回答都以现行法条原文为依据，并在回答下方展示系统选中的条文。想看看裸模型的水平？"闭卷"标签页（API 中 "rag": false）就是对照组。若想在自己的基础设施上搭建同样的检索栈：Open WebUI 与 OpenThaiRAG 教程一小时内就能带你完成。

同一个端点也开放给你构建应用：免费托管 API 一个月——兼容 OpenAI 接口，2026 年 8 月 24 日前凭免费的 iApp API 密钥即可使用（注册 → API Keys；限 30 次/分钟）。免费期后按 Thanoy 同档标准价继续提供：0.01/0.02 IC / 1K 输入/输出 token。

from openai import OpenAI
client = OpenAI(base_url="https://api.iapp.co.th/v3/llm/openthai2p0-legal", api_key="YOUR_IAPP_API_KEY")

r = client.chat.completions.create(
    model="openthai2.0-legal",
    messages=[{"role": "user", "content": "ลักทรัพย์ในเวลากลางคืน ผิดมาตราใด"}],
    max_tokens=1024,
)
print(r.choices[0].message.content)

或者五分钟自建

vllm serve iapp/openthai2.0-legal-thaillm-nemotron-3-nano-30b-a3b \
  --tensor-parallel-size 2 --trust-remote-code \
  --max-model-len 32768 --enforce-eager

随后用任意兼容 OpenAI 的客户端调用即可——若偏好 NVIDIA NIM，它暴露的是同样的端点。完整提示词、推荐生成参数以及三种模式（RAG、闭卷、论述）的实测示例，都在模型页面上。

它做不到什么

这些话我们宁愿自己先说，也不想让你事后才发现：

• 检索质量决定结果。 给对条文，引用几乎完美；给错条文，回答就跟着错。
• 区分形近条文是最难的部分。 把适用条文从相近条文中分辨出来，是所有受测模型得分最低的维度，我们也不例外。
• 知识覆盖有边界。 训练聚焦泰国成文法与税务厅裁定；小众领域与最新修订可能较薄，而且法律会变。
• 它是决策辅助，不是法律意见。 在任何人据此行动之前，应由具备资质的专业人士对照现行法律核验每一处引用。

我们为什么把它开放出来

"泰国法律理应拥有一个真正懂泰国法律的 AI，而且这个 AI 应该由泰国机构自己拥有、自己运行。以开放权重发布 OpenThai 2.0 Legal，就是把一个真正好用、可自建部署的法律模型交到每一位泰国律师、开发者与机构手中。它由泰国人打造，服务泰国。"

—— Kobkrit Viriyayudhakorn 博士，iApp Technology 首席执行官

主权 AI 不只关乎谁拥有算力，更关乎谁能够构建、检视并改进模型。每一个对这个模型进行微调、评测或部署的高校实验室、创业公司与政府机构，都在增强泰国整体的 AI 能力——而同样的方法，也适用于任何一种仍在等待自己模型的语言与法律体系。

OpenThai 2.0 Legal 由 OpenThai 团队（AIEAT / iApp Technology）在 NVIDIA Nemotron 与 NeMo 技术栈上打造，合作方包括 大数据研究院（BDI）、ThaiLLM 计划与 NVIDIA。

开始使用

• 模型页面： iapp.co.th/openmodels/openthai2p0-legal
• 权重下载： huggingface.co/iapp/openthai2.0-legal-thaillm-nemotron-3-nano-30b-a3b
• 部署支持或基于自有语料的定制微调： sale@iapp.co.th · 086-322-5858
• 社区： Discord