EvenUp

EvenUp 是专为原告人身伤害（PI）律师事务所打造的 AI 平台。该公司由 Rami Karabibar（首席执行官）、Raymond Mieszaniec（首席运营官）和 Saam Mashhad（首席产品官，前诉讼律师）于 2019 年底创立，其专有 AI 模型 Piai 经过了数十万人身伤害案件、数百万份医疗记录以及包含 250,000 多份陪审团判决和私人和解协议的结构化数据库的训练。该系统能够在极短的时间内生成完整的和解索赔方案，远超律师助理从头起草的速度。如今，已有超过 2,000 家人身伤害律所使用 EvenUp，其中包括 20% 的美国百强人身伤害律所。该平台已协助解决超过 200,000 起案件，并为受害者挽回了超过 $10 billion 的损失。

EvenUp 的旗舰产品 Demands 可生成全面的索赔方案，包含六个自动填充的部分：事实与责任叙述、带有 ICD 代码的医疗时间表、过去与未来的损害赔偿计算、精神痛苦分析、基于 PI 数据库的判决对比，以及从原始医疗记录中提取的法庭可用证据。除了起草索赔函，该平台还扩展了 Medical Management（实时治疗跟踪，防止因治疗中断导致案件价值受损）、Communication Agents（用于客户跟进的 AI 语音和外呼工具）、AI Drafts Suite（起诉书、证据开示回复和动议起草）、Smart Workflows（集成 CRM 的案件受理和分配自动化）以及 Executive Analytics（全所绩效仪表板）等功能。该平台与 SmartAdvocate、Litify、CasePeer 和 Clio 等主流案件管理系统集成，自动提取案件数据以减少手动上传。

2026 年 5 月的 EvenUp 究竟是什么

EvenUp 不是聊天机器人、通用法律研究工具或合同助手。它是一个专注于特定业务领域的垂直 AI 平台：美国原告人身伤害法。每一项训练数据、每一项功能以及每一个工作流假设，都是围绕 PI 案件的生命周期构建的，从最初的客户受理、诉前索赔提交到和解谈判，以及在较新产品中涵盖的庭审准备。

其底层模型 Piai（Personal Injury AI）的训练数据是通用法律 AI 工具根本无法获取的：来自数十万起 PI 案件的结构化记录、涵盖各种伤害类型和司法管辖区的判决与和解数据，以及涵盖保险理赔员严格审查的治疗轨迹的临床记录。EvenUp 还为该模型配备了一支由 100 多名护士、律师助理、理赔员、案件经理和律师组成的团队，他们在 AI 输出结果送达律所之前进行审查。该公司将此称为“AI + Professional Review”（AI + 专业审查），并声称因此达到了 99% 的准确率，尽管前员工曾公开质疑这种准确率在多大程度上依赖于人工纠正而非 AI 本身（详见下文）。

2024 年 10 月，EvenUp 完成了由 Bain Capital Ventures 领投的 $135 million D 轮融资，Premji Invest、Lightspeed Venture Partners、Bessemer Venture Partners、SignalFire 和 B Capital Group 参投。此轮融资使该公司的估值超过 $1 billion，总融资金额达到 $235 million。首席执行官 Rami Karabibar 当时表示：“我们赋能人身伤害律所提供更高标准的代理服务，最终目标是帮助美国 20 million 名伤害受害者。”随后，该公司于 2025 年 10 月完成了由 Bessemer Venture Partners 领投的 $150 million E 轮融资，估值超过 $2 billion。

EvenUp 与 Eve Legal 和 Harvey AI 的定位对比

最相关的两个对比对象是原告 AI 领域的 Eve Legal 和企业法律 AI 领域的 Harvey AI。它们比任何自我描述都能更好地说明 EvenUp 的定位。

Eve Legal 是 EvenUp 最直接的竞争对手。Eve（参见我们的 Eve Legal 列表）在 2025 年 1 月由 Andreessen Horowitz 领投的 A 轮融资中筹集了 $47 million，并在 2025 年底达到了 $1 billion 的估值。与 EvenUp 一样，Eve 专门针对原告人身伤害律所。两者的架构差异显著：Eve 被设计为一个主要的 AI 原生案件工作区，这意味着律所在 Eve 的界面内运行其整个案件操作，而不是将专用工具连接到现有的 CMS。Eve 的“Auditor”功能每晚扫描所有活跃案件，以发现错失的机会，例如潜在的创伤性脑损伤模式或大规模侵权资格标记，并在大约 30 分钟内生成医疗时间表，在几秒钟内生成索赔函。相比之下，EvenUp 被构建为一个专门的层，与 Litify、SmartAdvocate 和 CasePeer 等现有工具集成，而不是取代它们。律所是想要一个集成 CMS 的覆盖层（EvenUp）还是一个完整的工作区替代方案（Eve），是评估这两者时的核心分岔路口。

Harvey AI（参见我们的 Harvey AI 列表）在完全不同的细分市场中运营。Harvey 是一款通用法律 AI，被 200 多家律所使用，其中包括 20%+ 的 AmLaw 100 律所。它建立在对广泛法律文本进行微调的定制大型语言模型之上，处理跨业务领域的并购尽职调查、监管合规、诉讼策略和合同分析。Harvey 的定制判例法模型在文档问答任务上达到了 94.8% 的准确率，在引用任务上的幻觉率仅为 0.2%。Harvey 的费用为每位律师每月 $1,000+，最低 20 个席位。它没有针对 PI 的训练数据，没有判决对比数据库，也没有预建的医疗时间表工具。Harvey 是大型律所寻求跨业务领域 AI 的首选；而 EvenUp 则是原告 PI 律所寻求特定案件自动化的首选。在两者之间做出选择的律所通常不是在同等产品之间进行选择。它们服务于根本不同的工作流。

为了完整起见，Spellbook 和 Robin AI 经常在“法律 AI”类别中被提及，但它们专注于 Microsoft Word 内的交易合同审查和起草。两者都没有针对 PI 的功能，在实践中也不与 EvenUp 竞争。在 PI 背景之外寻求更广泛的书面法律输出帮助的律所，也可以考虑使用 CustomWritings 来满足文档生成需求。

AI 在 EvenUp 内部的实际运作方式

Piai 通过四个阶段处理传入的案件文件。实体提取（Entity Extraction）将原始文档（包括手写笔记、扫描图像和数字记录）解析为结构化数据。数据清理（Data Cleanse）协调不同提供商之间的差异，消除重复，并根据与索赔的相关性对信息进行分类。输出生成（Output Generation）生成带有行级引用的律所特定语言，以便律师可以点击查看索赔函中任何主张的源文档。质量控制（Quality Control）由 EvenUp 内部医疗和法律专家团队的人工审查员对每份交付物进行审查。

Demands 产品提供两个服务层级：“AI + You”，即 EvenUp 生成框架后由律所自行定稿；以及“AI + Professional Review”，即 EvenUp 的内部审查员在返回前对草稿进行处理，周转时间为 1-5 个工作日。该平台声称，根据对其案件结果数据集的分析，使用其工具生成的索赔函达成保单限额和解的可能性比非 EvenUp 索赔函高出 69%。

“通过使用 EvenUp 的 Case Companion 实时驳斥辩方的论点，我们在调解中将最初的 $50,000 报价提高到了 $1.75 million 的和解金。他们的创新步伐是无与伦比的：每个月，他们都会推出一些能够切实改善我们工作流的新功能。” - Kyle Wright，Wisehart Wright（俄亥俄州）管理律师，EvenUp 案例研究，2025 年

“我们在不增加员工人数的情况下，实现了超过 $500M 的年度业绩，同比增长 70%。EvenUp 一直是这一旅程中的关键合作伙伴。” - Steve Mehr，Sweet James（加利福尼亚州）创始合伙人，EvenUp 案例研究，2025 年

与索赔套件一起推出的 Case Companion 功能，允许律师实时查询数千页的案件记录，发现相关先例，并为调解或取证做准备，而无需手动搜索成堆的文件。这是律师在评价中最常提及的功能。

用户不断提出的可靠性和透明度担忧

2024 年 12 月，Business Insider 发表了一项基于对多名前 EvenUp 员工采访的调查。该报告记录了 EvenUp 的营销主张与员工所说的实际情况之间存在的巨大差距。具体而言：AI 经常遗漏医疗记录中的伤害，捏造源文档中不存在的医疗状况，并错误记录医生就诊细节。据前员工称，主管有时会指示员工完全跳过 AI 并手动完成任务。员工描述了他们工作到凌晨 3 点来完成那些向客户展示为自动化的任务，并指出在任何环节缺乏足够的人工监督都可能导致客户获得的和解金减少。

EvenUp 的公开回应强调了其混合模型：人工审查是一种设计选择，而不是缺陷，所声称的 99% 准确率是 AI 起草与专业编辑监督相结合的结果。该公司还指出，AI 生成了 72% 的索赔函内容，将起草时间减少了 20%。该事件被记录在 AIAAIC（AI、算法和自动化事件与争议）存储库中，标题为“法律科技公司 EvenUp 被指控存在系统性误导营销”。

除了 Business Insider 事件之外，Glassdoor 上的用户和前员工还描述了其他摩擦。定价不透明是一个持续的抱怨：律所如果不参与销售流程就无法获得价目表，而带有附加功能的按案件或按索赔函收费让一些买家感到惊讶。输出格式的僵化是另一个担忧。EvenUp 索赔函具有可识别的结构，一些律师报告说，保险理赔员将其视为模板化内容而大打折扣，从而降低了谈判筹码。在业务量大的时期，专业审查层级的周转时间可能会超过承诺的 1-5 天。而且，由于 EvenUp 是与律所的 CMS 集成而不是取代它，因此它始终是一项额外的工具采购，这给已经为案件管理软件付费的律所带来了压力。

真实的情况是，EvenUp 是一个强大的工具，它切实减少了制作索赔方案所需的律师助理工作时间，而且其结果数据令人信服。差距在于 AI 自主实现的效果与经过人工纠正后的最终产品之间的不同。将 EvenUp 作为初稿加速器而非完全放手的自动驾驶仪来使用的律所，始终报告了最佳结果。

EvenUp 适合谁

EvenUp 最适合每月处理 50 起以上活跃案件的中大型原告人身伤害律所，这些律所希望减少律师助理在准备索赔函上的时间，获取判决对比数据以进行和解定位，并在初级和高级员工之间标准化输出质量。已经采用兼容 CMS（Litify、SmartAdvocate、CasePeer 或 Clio）的律所能从集成层中获得最大收益。

EvenUp 不适合无法承担定制企业定价的独立执业律师，不适合辩护律所（该平台在设计上仅面向原告），不适合一般诉讼或交易业务，也不适合美国人身伤害业务以外的律所。它也不是 CMS 的替代品：需要全面业务管理软件以及 AI 索赔生成的律所将为两个平台付费，而不是一个。

凭借 4.3 的评分，EvenUp 在其特定垂直领域确实是一款强大的工具。$10 billion 的已解决索赔、2,000 多家律所客户群以及关于保单限额和解率的结果数据都是真实的。2024 年 12 月的争议也是真实的，它提出了一个合理的问题：该工具在实践中究竟需要多少律师监督。对于愿意将其视为加速器而非律师审查替代品的律所来说，EvenUp 提供了可衡量的结果。对于期望获得完全自主系统的律所来说，现实情况则更为复杂。