一、怎么收费
三种形态，按需求选，不按席位数收费（法律场景里使用频次差异极大，按人头计价对客户不划算）。
| 形态 | 怎么计价 | 适合谁 |
|---|---|---|
| 在线检索 + AI 助手 | 免注册试用，每天有免费额度；超出部分按用量 | 个人律师、小团队；以及正式采购前的评估阶段 |
| 数据接口 / license | 按数据范围（案由 / 年份 / 地域）与调用量计 | 要在数据上盖自有产品的机构、法律科技公司、研究机构 |
| 私有化离线部署 | 按数据范围、部署规模与定制程度一次性计价，含三年迭代 | 大型律所、法院 / 检察院 / 司法局等对数据不出内网有硬要求的单位 |
为什么私有化不挂标准价目表
不是不愿意报，是报了也不准。同样是「一百人的所」，一个主做非诉尽调、另一个主做诉讼类案检索，前者文档长、并发低，后者反过来——两者需要的硬件差出一大截。挂一个标准价，要么虚高吓走你，要么低报后期加价，两种都不体面。
可以给你的是：一张能自己填的容量规划表，你按本所实际使用形态填完，配置和预算范围自己就出来了。索取方式在页尾。
二、私有化部署要什么
结论先行：配置取决于三件事，都不是「你所有多少人」。
① 并发量
同时在用的律师数，决定 GPU 数量。注意法律 AI 的使用高度集中——开庭前、月末交底稿那几天是峰值，一天里真正压到高位的往往不超过两小时。按峰值买卡会一次烧光预算。
② 平均上下文长度
法律文档偏长，显存主要被 KV cache 吃掉而不是模型权重，而 KV cache 随并发与上下文长度线性增长。瓶颈往往不是「人多」，是「文档长」。
③ 检索层索引能否常驻内存
索引放不下内存 → 查询频繁读盘 → 卡在等数据。这种情况下加 GPU 完全无效，很多项目在这里白花钱。
所以推理层、检索层、存储带宽必须分三本账各算一遍。这三本账怎么算、显存公式怎么套、什么指标触发扩容，我们写过一篇完整的：私有化法律 AI 容量规划与扩容；性能调优见 律所本地大模型 GPU 选型与推理性能。
三、数据来源与口径（请务必看这段）
来源
中国裁判文书网公开生效裁判文书。当事人个人信息（姓名、身份证号、联系方式、住址等）已做脱敏处理。
⚠️ 统计口径的边界
我们的判决数据集样本仅含已获赔付的判决，不含败诉样本。这意味着：任何基于这批数据算出来的比例，都不代表整体胜诉率。
我们把这条写在这里，是因为这类数据被误读为「胜诉率」的情况在行业里很常见。你在评估任何一家供应商的数据统计时，都该追问这个问题：这个百分比的分母是什么？
数据截止与更新
覆盖范围与最新更新时点随批次变化。采购前请索取当期的数据覆盖说明，含各案由、各年份、各地域的实际收录情况。私有化部署可约定增量同步的频率与方式，建议写进合同。
四、选型该问供应商的 12 个问题
下面这份清单适用于所有候选供应商，包括我们。我们不做横向对比表——那种表格是谁做谁赢，参考价值有限。更有用的做法是拿同一套问题去问每一家，答案的具体程度本身就是筛选器：能给出具体口径的，和只会说「海量」「全面」「领先」的，一问就分开了。
数据层（4 问）
- 数据覆盖到哪一年？各案由、各地域的收录是否均衡？能不能给一张分年份分案由的实际收录表？
- 每一条结果能不能溯源到原文并自行核验？案号是否真实可查？
- 你们对外发布的统计数字，分母是什么、样本有什么边界？
- 更新频率是多少？增量怎么同步？这些能不能写进合同？
AI 层（4 问）
- AI 的答案附不附案例引用？引用的案号能不能点开核验？（法律场景里，不能核验的答案等于不能用）
- 幻觉怎么控？有没有引证核验环节，还是纯靠模型自觉？
- 用的是通用大模型还是接了自建判决库？数据从哪来？
- 能不能叠加本所历史卷宗做微调？微调数据存在哪？
交付层（4 问）
- 能不能私有化部署？部署后数据是否完全不出内网？
- 硬件配置怎么算出来的？能不能给测算过程而不只给结论？
- 验收标准是什么？怎么判定「做到了」？
- 三年内的迭代和运维怎么约定？后续加数据、换模型要不要另付费？
💡 一个比看演示更有效的验证方法
挑 3-5 个本所真实经办过、且你知道结果的案子，拿去让每家系统检索。看两件事：
① 它能不能找到你当年找到的那些类案；② 它能不能找到你当年漏掉的。
第二条才是真正区分数据深度的。演示都是准备过的，你自己的案子不是。
五、采购流程与周期
| 步骤 | 做什么 | 你该拿到什么 |
|---|---|---|
| 1. 需求澄清 | 使用形态、并发量、文档长度、是否必须离线 | 容量规划表（可自己填） |
| 2. 数据覆盖核验 | 用本所真实案件试检索 | 当期数据覆盖说明 |
| 3. 方案与报价 | 按澄清结果出配置与预算 | 含硬件测算过程的方案书 |
| 4. POC 试点 | 建议选一个业务组小范围跑，别一上来全所铺 | 可量化的验收标准 |
| 5. 部署与交付 | 环境搭建、数据导入、培训 | 运维文档 + 迭代条款 |
在线服务可即时开通；私有化部署周期取决于环境评估与定制范围。POC 这一步别省——法律 AI 的效果和本所的业务结构强相关，小范围跑一轮拿到的信息，比任何演示都实在。
六、常见问题
数据能买断吗？
数据 license 与私有化部署都可以约定数据交付范围。具体形态（全量打包 / 按案由分批 / API 调用）按需求谈，联系商务说明用途即可。
我们是政府单位，有等保和信创要求
私有化部署场景下数据存放于内网，不出内网。等保与信创的具体适配要求请在需求澄清阶段提出，相关技术考量可先看 信创国产化栈上的法律 AI 部署 与 司法数据平台的安全与合规。
预算有限，能先做小一点吗？
能，而且建议这么做。先用在线服务或小范围 POC 验证真实使用频次，再按实测数据定配置——比按人头拍脑袋估算省钱得多。律所 AI 的 ROI 怎么算 里有测算方法。
怎么判断项目做成了？
验收标准应该在合同里写死，而不是交付后再讨论。可参考 法律 AI 的验收测试与效果评估，以及 招标技术参数怎么写。