⚖️ OpenThai 2.0 Legal 发布
发布于 2026 年 7 月 24 日
把泰国法律烂熟于心的法律 AI——由泰国人打造，服务泰国。
OpenThai 项目正式发布 OpenThai 2.0 Legal——一款专为泰国法律打造的开放权重大语言模型，完整权重已免费公开在 Hugging Face 上。
它面向律师、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。
在线试用
无需安装，直接在浏览器中与真实模型对话。
在线演示 + 完整文档iapp.co.th/openmodels/openthai2p0-legal
该页面提供覆盖三种模式（闭卷 / 引用-RAG / 法律论述）的交互式演示，以及在 2026 年 8 月 24 日前免费的托管 API（需一个免费的 iApp API 密钥）。
下载模型
OpenThai 2.0 Legal 30B-A3B — Hugging Facehuggingface.co
iapp/openthai2.0-legal-thaillm-nemotron-3-nano-30b-a3b
🌟 核心亮点
- 开放权重，可自建部署 —— 30B 混合专家模型，每 token 仅激活约 3B 参数，采用 NVFP4（4-bit）时单张 24 GB 显存 GPU 即可运行。
- 引用真实法条 —— 以固定 JSON 契约返回准确的法律名称与条文（มาตรา），可直接接入 RAG 流程与文书起草工具。
- 凭记忆掌握法典 —— 提示词中不含法条时仍能回忆出正确条文：在《民商法典》上的闭卷召回率约为体量大得多的 Qwen3.6-35B 的 4 倍。
- 像律师一样写作 —— 在法律论述评测的全部四个维度上均领先 Qwen3.6-35B。
- 扎根真实泰国法律语料 —— 训练语料为公开的泰国成文法与最高法院判决。
📊 基准测试结果
| 评测项 | OpenThai 2.0 Legal | Qwen3.6-35B | Nemotron-3-30B 基座 |
|---|---|---|---|
| 闭卷：凭记忆掌握法律 | |||
| 《民商法典》（n=3,729） | 0.07 | 0.02 | 0.001 |
| 税法 —《税法典》（n=50） | 0.40 | 0.36 | 0.31 |
| 开卷：使用给定法条（RAG） | |||
| 民商法，从上下文引用（n=3,729） | 0.99 | 0.99 | 0.98 |
| 税法 echo（n=50） | 0.84 | 0.84 | 0.64 |
| 税法 干扰项中选择（n=50） | 0.69 | 0.64 | 0.45 |
| 法律论述（泰国最高法院判例） | |||
| 引用准确度（n=72） | 0.25 | 0.09 | 0.02 |
| 得出正确裁判结论（n=72） | 0.57 | 0.50 | 0.31 |
| 覆盖关键要点（n=72） | 0.60 | 0.55 | 0.27 |
| 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。所有模型均在同一套协议下端到端重跑：单次推理、关闭思考模式、引用由代码核验。
ℹ️ 表述范围
这是在可自建部署的模型中测得的最强泰国法律闭卷召回能力。仍有闭源云端 API 得分更高。
🧾 模型细节
| 模型名称 | openthai2.0-legal-thaillm-nemotron-3-nano-30b-a3b |
| 基座模型 | NVIDIA Nemotron-3-Nano-Omni-30B-A3B-Reasoning（提取文本核心；Mamba2-Transformer 混合 MoE） |
| 参数量 | 总计 30B，每 token 激活约 3B |
| 上下文长度 | 已测试 32,768（架构最高支持 256k） |
| 语言 | 泰语（主）、英语（推理） |
| 精度 | bfloat16 safetensors，17 分片 · 单卡 24 GB 可用 NVFP4 |
| 训练栈 | NVIDIA NeMo（CPT/SFT 用 Megatron-Bridge，GRPO 用 NeMo-RL） |
| 推理服务 | vLLM（已验证）与 NVIDIA NIM（兼容 OpenAI 接口） |
| 许可证 | NVIDIA Open Model Agreement |
🔬 训练方式
在 NVIDIA NeMo 技术栈上分三个阶段：
- CPT（继续预训练） —— 双向演练每条法条的完整文本，使法律沉淀进权重。360,985 条训练样本，约 8 亿泰语法律 token。
- SFT（监督微调） —— 在固定 JSON 契约下教会有据可依的作答。16,436 条考试答案与律考论述样本。
- GRPO（强化学习） —— 以基准测试自身的 citation F1 作为奖励，惩罚错误或遗漏的引用。8,568 道已评分题目、约 68,500 份草稿。
🚀 开始使用
用 vLLM 在 2 张 GPU 上部署：
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
或调用托管 API（2026 年 8 月 24 日前，凭免费 iApp API 密钥免费使用）：
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)
🔗 配合 RAG 使用（强烈推荐）
法条在提示词里时模型表现最佳：开卷引用准确度 0.99，纯记忆只有 0.07–0.40。实际业务请务必搭配检索。
OpenThaiRAG —— 泰语原生 RAG 框架openthai.aieat.or.th/openthairag
教程：Open WebUI 与 OpenThaiRAGiapp.co.th
推荐的泰国法律数据集：WangchanX-Legal-ThaiCCL-RAG、NitiBench，以及国务委员会法制办公室的权威法条原文。
⚠️ 局限与负责任使用
- 检索质量决定结果 —— 若检索器给错条文，回答也会跟着错。
- 区分形近条文是最难的任务 —— 这是所有模型（包括我们）得分最低的维度。
- 知识范围 —— 训练语料为泰国成文法与税务厅裁定；小众领域与最新修订的覆盖可能较薄。
- 必须有人工监督 —— 输出属于决策辅助，并非法律意见。请对照现行法律核验每一处引用。
🙏 致谢
由 OpenThai 团队（AIEAT / iApp Technology）在 NVIDIA Nemotron 与 NeMo 技术栈上打造，合作方包括 ThaiLLM 计划与 NVIDIA。
评测使用 NitiBench（VISAI-AI，MIT）；SFT 数据基于 WangchanX-Legal-ThaiCCL（VISTEC，MIT）构建。