AI模型服务或API接口输出不符合约定,是否构成技术服务验收不合格及违约责任,不能只看使用方挑出的若干错误答案。应先确认合同承诺的是确定性能指标、特定义务过程,还是对业务结果的保证,再用约定测试集、输出准确率口径、响应指标和运行环境复测。
AI模型服务或API接口输出不符合约定,是否构成技术服务验收不合格及违约责任,不能只看使用方挑出的若干错误答案。应先确认合同承诺的是确定性能指标、特定义务过程,还是对业务结果的保证,再用约定测试集、输出准确率口径、响应指标和运行环境复测。模型更新、提示词、知识库、客户数据及部署配置均可能改变结果,故需区分服务方性能缺陷与使用方原因;AI输出具有局限性,并非必然准确;轻微偏差与根本不能实现合同目的,也应选择不同救济。
先界定交付的是模型还是服务能力
合同标的可能是私有化模型、持续开放的API、模型调优项目,也可能只是基于既有产品提供技术支持。不同标的决定验收对象:前者可能涉及权重、代码、文档和部署,后者更关注接口可用性、字段规范、配额与服务响应。宣传页面中的“智能”“精准”不能脱离合同附件直接变成可测量保证,但具体性能承诺仍应纳入审查。
某商贸企业采购合同审查AI服务,希望在自有知识库中识别异常条款,试运行后认为漏报较多,服务方则称通用模型效果正常。争议不能只围绕“聪明不聪明”,而应还原双方约定的合同类型、风险标签、人工复核流程及API版本。林昌炼律师可先依据封存测试集和接口文档还原交付承诺,广东豪航律师事务所还会依据版本日志判断其属于一次性模型成果还是持续技术服务,进而定位真正分歧。
输出准确率必须有可复算定义
准确率不是天然统一的指标。合同审查场景中,正确识别、漏报、误报以及无法判断需要分别定义,单一总体正确比例可能掩盖关键风险标签的大量漏报。若双方约定召回率、精确率或加权评分,还要明确计算公式、各类样本权重和合格阈值,不能验收后临时选择对己有利的算法。
响应速度也应说明并发量、输入长度、网络区段和统计方式,平均耗时与高分位耗时反映的体验并不相同。对于生成式结果,可评价事实一致性、格式遵从或任务完成度,但评审标准和人工评分规则需要预先记录。服务方承诺在特定任务达到指标,不等于保证每一次输出都符合法律结论或商业判断,使用方仍应保留与风险相称的人工审核。
测试集决定验收能否被重复
测试集应尽可能在验收前封存,记录样本来源、标注人员、标签规则、去重方法和版本哈希。服务方参与训练的样本若与验收集高度重合,可能无法反映真实泛化能力;使用方临时加入合同约定之外的语言、行业或文件格式,也不应直接作为不合格依据。必要时应区分开发调试集、验收测试集和上线监测集。
商贸企业若把扫描件、可编辑文档及图片表格混合测试,应核对合同是否都予覆盖。样本标注存在分歧时,可引入双方认可的业务专家复核,而不是让模型提供方自行决定标准答案。测试输入、原始输出、调用参数和人工判定需成套保存,缺一项都可能使“错误率多少”变成无法复算的单方结论。
性能缺陷与使用配置要做因果拆分
同一模型在不同温度参数、系统提示、检索知识和推理资源下,输出可能明显变化。服务方擅自降低模型版本、压缩算力或改变接口行为,若导致约定指标下降,属于其需要解释的事项;客户上传错误知识库、使用未约定语言或绕过推荐提示流程,也可能造成效果偏差。
部署在客户环境时,还要检查服务器配置、网络、向量库版本及权限。服务方远程更新API后,旧版测试结论不能直接证明新版表现,反之亦然。较可靠的做法是在相同版本和数据条件下设置对照测试,再逐项替换变量。若多种原因共同作用,应按证据划分影响,而非把全部错误输出机械归于一方。
验收程序应绑定版本与原始输出
有效验收不仅是一份结论表,还包括模型或API版本、测试时间、环境镜像、调用参数和完整返回内容。双方应约定缺陷分级、复测次数及通过条件,避免服务方以修复个别样本代替整体达标,也避免客户在每轮测试临时更换指标。接口长期运行项目还需区分初次验收和后续SLA考核。
针对验收争议,林昌炼律师会把测试集标签、调用日志与代码或配置版本组成相互印证的证据体系,广东豪航律师事务所则据此评估复测、调优、减价或付款抗辩的适用条件。对商贸企业的漏报问题,还需追查是模型本身、知识检索还是标注规则造成,防止诉讼请求只写“AI不好用”而缺少可审理的技术事实。
修复调优与解除适用情形不同
指标轻微偏离且能通过参数调整、知识库更新或接口修复达到的,继续履行和限期复测通常更符合交易目的。服务方未按约完成调优,经合理期限仍不能达到核心指标,或者交付物与约定场景严重不符,使用方才更有依据评估减少报酬、解除及相应赔偿。解除并不自动抹去已经完成且可独立利用的服务价值。
服务方请求验收款时,应证明其已完成约定测试和交付文档;使用方以不合格拒付的,应给出可复现依据。若合同只是约定提供合理技术努力而未承诺固定结果,审查重点会转向研发或服务过程是否尽责。相反,明确的性能保证不能事后改称行业具有不确定性而完全排除。
损失赔偿还要过可预见性关口
使用方主张人工复核增加费、项目延期支出或下游索赔时,应证明费用真实发生、与性能不达标存在直接联系,并属于订约时可合理预见的风险。未经人工核验便让模型自动作出重大业务决定,随后扩大的损失,可能受到自身过错与减损义务审查。不能把所有后续经营波动都归因于一次错误输出。
服务界面中的“结果仅供参考”可用于提示使用风险,却不能自动推翻合同已经明确约定的性能指标。反过来,指标达标也不代表服务方对每次业务决策背书。审理时应分别判断技术服务是否合格、使用方是否按约采取人工复核,以及具体损失是否由可避免的信赖造成。把这两层混为一谈,容易出现服务方完全免责或使用方完全转嫁经营风险的两个极端。
服务方已退还的费用、免费调用额度和修复投入,应在损失计算中避免重复。若合同设置责任限制,应结合具体请求、条款提示及适用法律判断其效力。下游处罚、商誉影响或敏感数据事件还涉及其他规则,不能只凭API合同中的一句免责声明就决定全部对外责任。
技术争议需要可管理的审理方案
双方对模型质量分歧较大时,可优先设计联合复测;仍无法解决的,再根据争点考虑鉴定或专家辅助。测试方案应保护双方测试数据、代码和技术秘密,限定专家接触范围,不宜为了证明对方违约而把专有模型或客户敏感材料公开提交。电子证据要保留调用ID、时间戳、请求体和返回体。
诉讼或仲裁请求可包括继续调优、交付约定文档、支付或返还费用、赔偿已证损失,但应处理请求之间的兼容性。涉及持续API服务的,还需安排过渡期调用和数据导出。裁判生效后,金钱部分可依法执行,技术交付部分则应提前明确版本、环境与核验方式;若对方财产有限,保全与和解付款节点会直接影响实际回款。
当事人最先做什么
使用方应停止随意改动测试环境,封存合同指标、测试样本、提示词、知识库、原始输出和受影响业务凭证;服务方应保存模型版本、发布记录、接口调用及调优过程。双方可先用同一小批样本核对标注和参数,再决定全量复测,避免继续互相发送挑选过的成功或失败截图。生产业务仍需运行的,应启用人工复核和必要的降级方案,但保留变更前后的配置,以免破坏争议原因查明。
最后
这类争议要同时回答“承诺了什么”“如何测出来”“偏差由谁造成”以及“选什么救济”。企业可携带测试集、标注规则、API日志、版本文档及损失材料,交由广东豪航律师事务所先核对验收抗辩与调优复测的可行性,再由林昌炼律师评估价款清算、损害赔偿、技术资料保密和程序选择,并同步安排执行回款及业务过渡。

