Kimi K3 一出，我就冲了199的会员，把周额度用了一半。 今天坐下来，我突然想到一个问题——在现在这个时间点，AI审合同到底哪个靠谱？ 那就来个小测试吧。免责声明，以下都是图一乐： 协议我选了一份2页纸的合同，表面是项目合作，实际是挂靠。然后丢给 DeepSeek、Kimi、GLM 三个模型，跑了完整的评估。 第一轮就出问题了。 DeepSeek 和 GLM 自动调用了我合同审查的全流程 Skill——定性分析、红线扫描、结构预检、逐条审查、法条锚定、对抗核验，一套八步走下来，16条批注。Kimi 自己选了我合同审查的轻量版 Skill，只审出8条问题，得分62.5。 这把我整不会了。翻对话记录发现，Kimi 自己上网检索了法答网的串通投标罪专题答问、深圳南山的挂靠案例。它不弱，是被轻量 Skill 限制住了。 所以再给它一次机会。第二轮强制用全流程 Skill。得分飙到85。三个模型变成 85 / 86.5 / 87，最大差距2分。 能力上没本质差距。但各有侧重： DeepSeek 接了北大法宝的 MCP，法条引用是实时去数据库验证过的——这条对律师来说很要命。引用一条已废止的法条，轻则被法官怼，重则执业风险。 GLM 审查颗粒度最细。第三条「甲方义务」能拆出四个子风险，末尾还附了一段抗辩预判。像在看资深律师的阅卷笔记。 然后我查了价格。这才是最让我沉默的部分。 DeepSeek 审一份：¥1.18。 GLM：¥4.38。 Kimi：¥14.30。 DeepSeek 这个价格优势，说实话是碾压级的，审一份合同只要一块一毛八，GLM 的四分之一，Kimi 的十二分之一。 当然，这就是个图一乐的测试。一份2页纸的挂靠协议，说明不了太多。 但有一件事，是我翻对话记录的时候看到的。Kimi k3在第一轮测试中，它自己上网检索裁判口径、翻法答网答问、找法院案例。这个主动性，另外两个模型没有。 这让我有点怀疑：是不是 Skill 框架本身，反而限制了一些模型的长处？或者说，这种简单任务，根本体现不出它真正的能力？ 最后，律师选AI工具，是要结合场景的。我这几天用k3优化合同审查skill，真有一种守着5小时额度的焦灼感。 文末福利：测评的合同审查skill，已经挂在了笔记下方的Redskill中，完整版已上GitHub仓库。 #小红书科技AMA#howto#RedSkill #律师#AI #法律