Deepseek与法律专业大模型深度拆解——基于合同生成应用场景

该问题以技术服务合同为背景，指令词仅强调服务期限、支付方式、知识产权等部分内容，并未对整体合同框架进行提示，该问题主要考察大模型的逻辑性及专业表达能力。

首先是Deepseek生成的结果：

其次是小理AI生成的结果：

1 合规性

合规性包含“法律适用”与“内容合规”两部分。其中，“法律适用”考察模型适用法律的时效性、准确性。本次测试中，Deepseek和小理AI的回答中均未注明适用的法律法规。在此基础上，笔者根据大模型回答进行追问，两个模型均作出相应调整，补充援引了《民法典》《著作权法》等具体法律名称，增强合规针对性。在内容上，两者生成的合同条款不存在违反法律法规的情形。

2 完备性

”完备性“考察合同条款的完整性及逻辑性。Deepseek在深度思考过程中明确了合同的基本结构，同时对提示词提及的”分期支付““知识产权归属”“保密”等条款进行重点分析，并考虑到金融行业监管要求，充分理解用户意图。

在呈现结果上，合同结构涵盖了以下主要条款：合同主体、项目内容、服务期限、费用及支付、 知识产权、验收标准、保密条款、违约责任、争议解决和其他条款，这些条款的分布排列符合该类型合同要求和行业惯例，确保了合同的完整性和逻辑性。然而，相较法律大模型生成的合同，Deepseek生成的版本缺少“通知与送达”“不可抗力”条款。

在该维度上，Deepseek的表现已经相当出色，但在特定条款的覆盖度上仍需进一步优化，以确保合同更加全面和完善。

3 可操作性

“可操作性”考察合同条款是否表述规范、具体明确，以及交易程序是否清晰可执行。Deepseek在思考过程中展示了合同内容的全面考量，并具备一定的”法律思维“，但由于缺少专业语料的训练及对法律应用场景不熟悉，其生成结果与与预期的专业水准存在一定差距。

与法律大模型相比，Deepseek的主要短板在于条款描述过于简略，未能充分考量实际操作过程中的复杂性与细节要求，进而导致条款的可操作性欠佳。

以保密条款为例，Deepseek并未明确保密信息的范围，在界定保密信息范围时，仅给出 “甲方提供的资料及开发过程” 以及 “本项目任何信息” 这样模糊的表述，未进行精准且详细的列举和界定，双方对于哪些信息属于保密范畴可能产生不同理解在实际操作中引发争议。此外，该条款还存在未约定保密信息披露的例外情形以及保密期限过于宽泛的问题，这可能导致在实际操作中难以执行，甚至引发法律风险。

• Deepseek生成结果：

第六条 保密义务

6.1 乙方应对甲方提供的资料及开发过程严格保密，保密期限永久。

6.2 未经甲方书面同意，乙方不得向第三方披露本项目任何信息。

而小理AI在该条款的处理上则更为全面和细致，涵盖了保密信息的定义、具体保密措施、例外情况以及合同终止后的处理方式。

4 公平性

“公平性” 着重考察模型是否能够依据合同目的，合理地设定合同双方的权利义务并分配合同风险。就 Deepseek 生成合同的表现而言，其生成的合同在权利义务的设定方面，并未出现明显的失衡状况，也没有出现背离合同目的的约定。

但这主要因为其权利义务的表述过于简略。在合同履行过程中会面临各种各样复杂的情形，过于简单的权利义务表述显然无法为合同双方在复杂的法律实务中提供清晰的行为指引。

• Deepseek生成结果：

第七条 违约责任

7.1 乙方每延迟交付1日，按合同总额0.1%支付违约金；超15日，甲方有权解除合同。
7.2 甲方每延迟付款1日，按应付金额0.1%支付违约金。

在风险识别与责任分配方面，Deepseek 暴露出同样的问题。其包含的风险提示过少且过于宽泛。以违约责任条款为例，合同仅约定了乙方逾期交付、甲方逾期付款这两种较为常见的违约情形的违约责任，且责任承担方式较为单一，这样的条款设置无疑会给合同的履行带来不确定性，也无法有效保障合同双方的合法权益。

Deepseek生成的结果：

小理AI生成的结果：

该问题为股权转让协议的起草，主要考察大模型的法律专业知识应用能力，即对《公司法》《民法典》等相关法律的合规性把握，以及对股权转让特殊法律要件的处理能力。对于合规性和公平性测评维度，Deepseek的生成结果与上一份存在相似问题，笔者不再赘述。

1 完备性

本次测试的提示词对合同条款内容提出了较为明确的要求，Deepseek在生成合同的过程中不仅对重点条款进行了拓展分析，还进一步预测了用户的潜在需求。

从最终呈现结果来看，Deepseek 生成的合同条款基本覆盖了用户提示词中的内容，还补充了合同必备的基本条款，使得合同在整体架构上具备完整性和逻辑性。就合同的基本框架搭建而言，Deepseek 能够完成基础的构建任务，为后续的合同细节完善和实际应用提供了一个可操作的基础。

2 可操作性

尽管在思考阶段，Deepseek延续了其在推理环节的优势。Deepseek 的最终生成结果与思考过程存在明显落差，条款的具体性和明确性不足，表述上亦与规范的 “法言法语” 存在较大差距，这直接导致了合同条款在实际运用中缺乏可操作性。以权利义务条款为例，第四条所规定的权利与义务内容如下：

第四条 权利与义务

1.甲方义务：

1.1 保证转让股权无质押、冻结等权利负担；

1.2 配合办理工商变更登记手续；

1.3 过渡期内不得损害目标公司利益。

2.乙方义务：

2.1 按约定支付股权转让款；

2.2 配合提供变更登记所需文件。

对于甲方义务的描述，“保证转让股权无质押、冻结等权利负担”，虽点明了关键要点，但缺乏对保证方式、违约责任以及若出现权利负担时的解决措施等方面的详细规定。“配合办理工商变更登记手续”，未明确配合的具体期限、方式以及不配合时的责任承担，易引发双方在履行过程中的争议。“过渡期内不得损害目标公司利益”，对于 “损害” 的界定模糊，缺乏量化标准，也未提及相应的监督机制和赔偿方式。

乙方义务方面，“按约定支付股权转让款”，未明确支付的具体时间节点、支付方式以及逾期支付的违约责任，在实际交易中，这极易引发纠纷。“配合提供变更登记所需文件” 同样存在配合期限、文件标准以及不配合责任不明等问题。

相较而言，小理AI生成的回答在整体结构和内容上较为全面，在权利义务的明确性及风险防范的周全性上表现更佳。

在合同生成测试场景中，Deepseek的突出优势依旧集中于其卓越的推理能力，其优质长思维链数据能够在用户策划交易模式、梳理合同关键条款时提供极具价值的思路启迪，深入剖析合同构建中的关键要点。然而，涉及合同条款从构思到 “落地成型” 这一关键环节，Deepseek的能力便暴露出不足。

这在此前发布的【AI+法律实战场景】系列文章中也有体现：通用大模型虽能够依据用户指令生成合同初稿，但其生成结果难以法律数据时效性错误、专业性不足等问题。相较法律大模型的“精修”过程，通用大模型对用户下达指令的技术性、人工审核的专业性乃至时间成本都提出了更高的要求，需要律师发挥专业优势、结合实务经验进行人工审查。