Deepseek与法律专业大模型深度拆解——基于诉讼文书生成应用场景

传统文书撰写高度依赖律师的专业经验与时间投入，存在效率瓶颈与标准化难题。随着大模型技术的突破，法律文书生成正经历从“人工雕琢”到“智能协作”的范式转变。

法律文书生成场景中，大模型的价值首先体现在效率跃升：通过智能解析案情要素，模型可快速生成结构完整的基础文本，将律师从格式编排、常规条款撰写等重复劳动中解放。更深层的突破在于风险防控——模型通过内置的法律知识图谱，能自动校验文书合规性，规避“诉讼请求超期”“管辖条款冲突”等常见疏漏。

本文从起诉状这类最为常用的诉讼文书入手，看看大模型是否可以胜任。

基于法律文书制作的任务特性，我们厘定了一些评判准则：

用于测评的第一个query我们给出了当事人和代理人信息，并且详细描述了案情，提出了需要拟定诉讼请求，指明了现有的证据。属于一个较为完整、详细的query。主要检测大模型对结构化信息的精准转化能力——即能否将既定事实、证据与诉求准确映射到法律文书框架中，确保格式规范、条款引用正确。

首先是Deepseek生成的结果：

其次是小理AI生成的结果：

1 相同之处

两个大模型的深度思考过程都首先根据问题做了案情分析、然后检索法律依据，根据法律规定分析了可能存在的风险点，最后分析起诉状的结构，最终形成文本。

在最终结果的呈现上，deepseek和小理AI在起诉状格式和相关术语的使用上均符合规范，逻辑清晰，结构完整，要素齐全。不过两个大模型的起诉状格式在实务运用中略有瑕疵，比如在事实与理由部分中采用括号形式，此种表达方式不符合起诉状的常用习惯。

两个大模型均在指令词之外，针对案件事实进行分析，结合用户所提诉请的可能存在的风险，提供风险提示和解决方案，可帮助用户更全面地分析案件情况，调整文书内容。

如针对利息，两个大模型均在结果中提示：月利率12%（年利率144%）超出司法保护上限（通常为LPR四倍），超出部分可能不被支持，建议调整诉讼请求为“以LPR四倍主张利息”。

2 不同之处

对于利息的起算日期，针对暂未明确的拖欠利息的起始日期，小理AI的处理方式为从最后一次付息次日起算，并且用2021年8月××日代替未知日期。而deepseek则是表述为从2021年9月1日开始计算，而该利息起算日期并无任何依据，为大模型编造的日期。

对于证据部分，deepseek只根据提示词列举了证据清单，而小理AI在列明证据之后还另外指明了证据的证明内容，属于超出提示词范围的意外之喜。

对于风险提示，两个大模型虽都提及了利息司法保护上限，但是deepseek并未引用具体的法条，而小理AI则提供了具体的法条依据，《最高人民法院关于审理民间借贷案件适用法律若干问题的规定》第二十五条，还可以一键跳转法条原文。

此外， 小理AI提示了律师费用的主张缺乏合同依据存在不被支持的风险和担保期限届满的风险。针对这两个问题，deepseek均未提示。

而deepseek则提示了“管辖法院通常为被告住所地或合同履行地法院”和“利息计算需分段列明（建议附计算清单）”，小理AI未提示。

但是deepseek对于管辖法院的提示并不充分，因为针对民间借贷纠纷，很多情况下会依据《最高人民法院关于适用《中华人民共和国民事诉讼法》的解释（2020修正）》第十八条的约定，依据接收货币一方所在地确定管辖法院。

此外，从Deepseek推理中也可以发现大模型存在时间认知错位，导致错误适用法律的情况，其分析过程原文表述如下：

“接下来要考虑法律依据。根据《民法典》第六百七十五条关于还款期限的规定，虽然合同约定期限两年，但被告已经构成违约，原告可以提前要求还款吗？这里可能需要进一步分析。通常借款合同到期后未还款才构成违约，但本案中借款期限到2022年2月，但被告自2021年8月开始拖欠利息。根据《民法典》第六百七十六条，借款人未按约定支付利息，贷款人可以要求支付利息，但能否提前要求返还本金？可能需要看合同是否有加速到期的条款，或者是否符合法定解除条件。如果合同中没有相关条款，可能需要主张预期违约，因为拖欠利息可能表明无法履行主要债务，从而要求解除合同并提前还款。”

笔者向大模型提问的日期为2025年2月，根据本案案情，借款期限应当在2022年2月届满，担保期限在2025年2月届满。而deepseek在分析过程中数次提到“提前还款”、“预期违约”，要么是因为deepseek不知道现在的时间，这可能与其训练数据时效有关，或者是与其动态时间感知缺失有关。要么是因为deepseek对法律文本的碎片化学习，导致其只学习到「违约→赔偿」「违约→解除合同」等表层关联，但未建立「违约类型→法律要件→救济路径」的逻辑树，把知识学混了，搞不清楚法律关系，把不适用的不安抗辩权、预期违约的相关法律规定用于分析本案，导致不知所云。

Deepseek混淆时间的问题在其进行担保期限推理的时候也可窥见一斑：

“连带责任担保方面，王五的担保期限为3年，需确认是否在有效期内。起诉时，如果借款合同到期是2022年2月，现在假设起诉日期是2023年，担保期限到2025年，因此仍在有效期内。”

估计也正是因为在推理过程中混淆了时间，deepseek认为现在在担保有效期内，所以在最终结果的呈现上没有进行担保时效问题的提示吧。

为了测试大模型的法律逻辑主动推理能力与信息缺失场景下的补全能力。用于测评的第二个query仅输入案情，删去了证据和预先拟定好的诉请，看看模型能否主动完成“事实→法律要件→权利主张→证据支撑”的推导，拥有法律逻辑闭环建构能力。

Deepseek生成的结果：

小理AI生成的结果：

从文书格式上看，Deepseek的回答相较于第一个问题，明显在事实与理由部分存在巨大的格式差异。针对第二个问题的回答，大模型采用的是分点列举的方式，实际上不符合实务中成段论述的习惯，实用性不高。可见，query输入信息完整度的降低，也会导致deepseek文书格式规范率的下降。而小理AI的文书格式并未因query不同而发生变化。

从诉请设置上看，两个模型都设置了1.返还本金及利息；2.担保人承担连带清偿责任；3.二被告承担本案诉讼费用的诉请，拟定较为全面。deepseek相较小理AI还多拟定了一项：“判令被告李四支付原告因追讨债务产生的合理费用（包括但不限于律师费、诉讼保全费等，以实际发生为准）”，与query1提示词中拟定的诉请完全一致。

在风险提示上，两个大模型都注意到了管辖、利息和担保期限的问题。但是小理AI 还注意到了担保范围，并且对于及时申请财产保全以防止被告转移财产、庭审辩论环节中应做好的准备、以及向法院提交的材料份数均进行了提示，表现更优，更符合实务场景。

小理AI接了deepseek之后拥有和deepseek一样优秀的逻辑推理能力。同时基于丰富的法律知识嵌入、法律逻辑强化和实务约束建模，小理AI在法律任务的表现中更优。

一方面小理AI作为垂直大模型能够通过法律知识图谱重构底层语义空间，使得法律概念的向量表达更贴近实务场景，比如垂直模型能够区分“民间借贷纠纷”和“金融借款合同纠纷”，而通用大模型则可能混淆二者。

另一方面，小理AI通过RAG（检索增强生成）接入最新的法律动态数据源，避免因训练数据冻结导致的“法律僵尸条款”问题。

最后，小理AI严格约束法律专业数据的边界，避免通用大模型因多领域数据混杂导致的概念污染，同时将推理过程建立在真实有效的数据之上，提供数据溯源以供实时校验，能够消除通用大模型的幻觉问题。

-End-