10 月 12 日,智谱 Z.ai 发布了法律领域智能体模型 GLM-Legal。它不是又一个通用旗舰,而是基于轻量级的 GLM-5.3-Flash 底座,用法律语料和数万个任务环境专门训出来的「专科模型」——目标很直接:把合同审查、证据分析、合规调研这些律师日常重活,做成端到端能交付的 Agent 任务。
成绩单:19.2% 全通过率,榜上前十里最便宜
官方评测里,GLM-Legal 在 Harvey LAB(律所真实工作流基准,覆盖 24 个执业领域)拿到 19.2% 的全通过率,比底座 GLM-5.3-Flash 提升 12.5 个百分点;官方同时称其在 LegalBench 和中文基准 PLawBench 上追平闭源前沿模型。
独立评估机构 Vals 的复测给出更具体的坐标:Harvey LAB 19.17%(±3.25),全榜 79 个模型里排第 7,单次测试成本 0.15 美元,是前十名里最便宜的;LegalBench 86.24%,150 个模型里排 14,是 GLM 系列在该基准上的最好成绩;Legal Research Bench 41.83%,78 个模型里排 24。定价为每百万输入 token 0.075 美元、输出 0.25 美元,上下文窗口 1M,权重开放。
训练方法:中训打底,强化学习练手,框架一起迭代
这篇发布博客最有信息量的不是跑分,而是「模型与 Agent 框架共同进化」的思路。GLM-Legal 的训练分三层:
- 中训:扩充高质量法律语料,让模型在密集领域语境里学会法条、解释框架和「事实—规则—结论」的演绎链路;
- 后训:在数万个拟真法律环境里做强化学习,模型学会在具体约束下规划分析、推进流程、按交付规格产出文件;
- 生产反馈:从业者按「要点是否全覆盖、引用是否站得住、交付物能否直接用」评估产出,问题回流到任务环境、评估细则和框架设计,变成下一轮训练的信号。
博客特别强调,Harness(运行时编排框架)不是外挂工具,而是和模型锁步迭代的一等公民:训练中暴露的边界情况会反推框架改架构,框架改进又把真实执行约束喂回模型。
落地:AutoClaw 上的合同、证据与合规
发布同时,Z.ai 展示了桌面 Agent 平台 AutoClaw 上的三类任务。合同审查的对比最能说明差异:底座模型只会建议「考虑缩短通知期」,GLM-Legal 直接给出可执行改法——把便利终止通知期从 60 天压到 30 天、对知识产权/保密/数据安全违约取消补救期允许立即终止、加上最长 90 天的过渡协助,并以修订模式写进 Word 文档。证据分析场景里,它能把「对外报告 60% 完成」与「内部快照约 41%」这类矛盾文件串成证据链,事实与推断分开标注。合规调研场景里,它把新加坡、马来西亚、印尼三地隐私合规拆成带法条引用的优先级清单。
所以呢
两个判断。第一,「小底座 + 领域中训 + 数万环境 RL」这条路线,正在把垂直榜的单位成本打下来——前十名里单价最低,说明跑分和账单可以同时赢。第二,19.2% 的全通过率也意味着约八成任务仍会在某个环节掉链子,法律 Agent 离「能独立接案」还有明显距离。但对律所和法务团队,今天就能用的定位是清晰的:一个不会累的初级助理,先把初审和检索的脏活接走。专科模型的战争,才刚开始。