GLM-Legal: وكيل Z.ai القانوني يسجل 19.2% في Harvey LAB — ويبدأ كنسخة تجريبية يتعين عليك التقديم لها

نشرت Z.ai GLM-Legal في 12 أكتوبر 2026، والرقم الذي تتصدر به هو 19.2%. هذا هو معدل النجاح الكامل للنموذج في Harvey LAB، وهو تقييم لسير عمل مكاتب المحاماة بنته شركة Harvey المتخصصة في الذكاء الاصطناعي القانوني عبر 24 مجال ممارسة — وهو الرقم الأكثر موثوقية في الإصدار تحديدًا لأنه يبدو غير مبهر. إن نموذجًا قانونيًا يجتاز أقل من مهمة واحدة من كل خمس في اختبار جاد يُقيَّم وفق معيار لم يخففه مورده نفسه. الجزء الأضعف هو كل ما يحيط به: المعياران الرئيسيان الآخران، LegalBench وPLawBench، يوصفان بأنهما على قدم المساواة مع "نماذج حدودية مغلقة المصدر" لم تُسمَّ، ولا يحملان أي أرقام على الإطلاق. GLM-Legal مبني على GLM-5.3-Flash، النموذج التأسيسي متعدد الوسائط من Z.ai بإجمالي 320 مليار معامل و18 مليار معامل نشط، والطريقة للحصول عليه الآن هي استمارة على صفحة استشارات المورد، وليس مفتاح API.

هذا المزيج — رقم حقيقي جرى تقييمه بأمانة، إلى جانب ادّعاءين غير مُكمَّمين بشأن التكافؤ — هو الشكل الكامل لهذا الإصدار، ويستحق أن يُفصل قبل أي شيء آخر.

ما الذي تقوله نسبة 19.2% على Harvey LAB، وما الذي لا تقوله

يقيّم Harvey LAB وفق نظام النجاح الكامل. لا تُحتسب مهمة لصالح النموذج إلا إذا تحققت كل خطوة: تحديد المسائل الصحيحة، والاستشهاد بالنصوص الصحيحة، وتحليل قابل للدفاع عنه، ومخرجات منسّقة وفق الموجز. هذا معيار أقسى من مقياس يمنح درجات جزئية، وهو سبب انخفاض الرقم المطلق لا سبب كون النموذج ضعيفًا. يصوغ Z.ai ذلك كتأكيد على "أداء موثوق من البداية إلى النهاية دون تدهور وسيط" — وفي نظام النجاح الكامل، لا يمكن أن تعني المهمة الناجحة شيئًا آخر.

المقارنة التي توفرها Z.ai هي مع نموذجها الأساسي، وهي تقول إن GLM-Legal يتحسّن بمقدار 12.5 نقطة مئوية. ضع ذلك في مقابل العنوان الرئيسي، فيغدو الحساب صارخًا:

• GLM-Legal على Harvey LAB — بنسبة نجاح كامل 19.2%، عبر 24 مجالًا من مجالات الممارسة، وفقًا لـ Z.ai.

• درجة النموذج الأساسي المُستنتَجة — نحو 6.7%، لأن Z.ai تذكر أن الفارق يبلغ 12.5 نقطة، والأساس هو GLM-5.3-Flash.

• الاستقلالية — لا وجود لها. كلا الرقمين صادران عن Z.ai نفسها، وقيسا في تشغيل Z.ai الخاص بها، ولم يُعِد إنتاجهما أي طرف ثالث.

• دور Harvey — بنت Harvey المعيار المرجعي؛ ولا يوضح الإعلان ما إذا كانت Harvey قد أجرت التقييم أم Z.ai.

هذا السطر الأخير هو الفجوة الصادقة. «بُني بواسطة Harvey» و«قيّمه Harvey» ادّعاءان مختلفان، ولم يُطرح سوى الأول. إن رفعًا بمقدار 12.5 نقطة على نموذج أساسي هو ترتيب حجم معقول للتدريب المتوسط في المجال إضافة إلى التعلم المعزز (RL) — هكذا يبدو التخصص القانوني عندما ينجح — لكن ما لم يُعِد شخص من خارج Z.ai تشغيل أداة الاختبار، فهو رقم مورّد، وينبغي الاقتباس منه على هذا الأساس.

المطالبتان غير المرفق بهما رقم

يغطي LegalBench تحليل العقود وإيداعات الاندماج والآراء القضائية؛ بينما يغطي PLawBench الاستشارات القانونية الصينية وتحليل القضايا وصياغة المستندات وفق معايير تقييم دقيقة. وتقول Z.ai بشأن الأول إن GLM-Legal يحللها «بالدقة ذاتها التي تتمتع بها أفضل النماذج الحدودية الرائدة المغلقة المصدر»، وبشأن الثاني إنه «يحقق التكافؤ مع الأنظمة الحدودية الرائدة».

كلا الادعاءين نوعي. لا يأتي أي منهما مصحوبًا بدرجة، أو فترة ثقة، أو مُقارِن مُسمّى. وهذا ليس سببًا لعدم تصديقهما — فـGLM-5.3-Flash أساس قوي، وغالبًا ما يبلغ مشتق متخصص في مجال معيّن من أساس قوي التكافؤ في الاستدلال المجالي — لكن ادعاء التكافؤ الذي لا يمكنك وضع رقم عليه غير قابل للتحقق بحكم تصميمه، والبيانان الكميان في الإصدار يتعلقان كلاهما بالمعيار نفسه. ينبغي للقارئ الذي يقارن هذا الإطلاق بإطلاق منافس أن يلاحظ أن الإصدار هو في الحقيقة نتيجة مقيسة واحدة بالإضافة إلى نتيجتين مبنيتين على الحجج.

ما الذي غيّره التدريب فعليًا

تكتسب التفاصيل المنهجية أهمية أكبر هنا مما في ضبط دقيق نموذجي لمجال معيّن، لأن GLM-Legal تخصّص على مستوى الأوزان لا منتج استرجاع. لم تُطلق Z.ai فهرسًا للسوابق القضائية؛ بل غيّرت النموذج. مرحلتان:

• التدريب الوسيط — مدونات قانونية موسّعة عالية الجودة، تُعلّم القواعد التشريعية وأطر التفسير داخل سياق مجالي كثيف، لتعزيز السلسلة الاستنباطية من الوقائع إلى القواعد إلى الاستنتاجات.

• التدريب اللاحق — التعلّم المعزّز عبر ما تُسمّيه Z.ai «عشرات الآلاف من البيئات القانونية الواقعية»، حيث يتعلّم النموذج تخطيط التحليل، ومُضيّ سير العمل قُدُمًا، وإنتاج مُخرَج نهائي في ظل قيود ملموسة.

الجزء غير المعتاد هو الحلقة حول مرحلة ما بعد التدريب. يصف Z.ai إطار الوكيل — طبقة التنسيق وقت التشغيل التي تُهيّئ السياق وتربط الأدوات وتوجّه تغذية التنفيذ الراجعة — بأنه يتطور جنبًا إلى جنب مع النموذج بدلًا من أن يظل ثابتًا تحته. الحالات الحدية التي ظهرت أثناء التدريب كشفت عن اختناقات في الإطار؛ وتحسينات الإطار عرضت النموذج لقيود تنفيذ أكثر واقعية. الغرض المعلن هو وقف فشل نموذج المجال الكلاسيكي حيث تُضاف المعرفة ولكن لا يُضاف سلوك سير العمل.

ما إذا كان ذلك قابلاً للتعميم هو بالضبط ما تختبره نسبة 19.2% للنجاح الكامل. إنه ادعاء موثوقية، وليس ادعاء معرفة، وهو المقياس المناسب الذي يُقاس عليه النشر القانوني.

العروض التوضيحية الثلاثة، اقرأها بتمعّن

يعرض منشور المدونة نموذجي GLM-5.3-Flash وGLM-Legal وهما يجيبان عن المطالبات الثلاث نفسها جنبًا إلى جنب. المقارنة من إعداد المورّد والمطالبات من اختياره أيضًا، لذا فهي تثبت أقل مما تثبته مواجهة مباشرة — لكن الاختلافات محددة بما يكفي لتكون مفيدة.

مراجعة العقد. المهمة هي عقد خدمات برمجية لعميل يغيّر المزوّد. نصيحة النموذج الأساسي معقولة وعامة: قصّر فترة الإشعار، واحصل من المزوّد على إعادة البيانات والتسليمات المدفوعة، وأضف واجباً بالتعاون مع المزوّد البديل. نصيحة GLM-Legal بالشكل نفسه لكنها تحسم الأرقام — قلّل إشعار الإنهاء للمصلحة من 60 إلى 30 يوماً، وأزل فترة التصحيح بالكامل بالنسبة لانتهاكات الملكية الفكرية أو السرية أو التزامات أمن البيانات، واشترط إعادة ناتج العمل سواء دُفع ثمنه أم لا، وأضف ما يصل إلى 90 يوماً من المساعدة الانتقالية بأسعار المزوّد السارية حينها. هذا هو الفرق بين قائمة تحقق ونسخة معدّلة. تقول Z.ai إن AutoClaw يطبّق تلك التعديلات على مستند Word كتغييرات متعقّبة وتعليقات.

تحليل الأدلة.أربعون مستندًا من نزاع يتعلق بمشروع برمجي. يكتشف النموذج الأساسي التناقض بين تقرير العميل المؤرخ 30 سبتمبر الذي يدّعي اكتمال 60% واللقطة الداخلية عند نحو 41%، ويقول على نحو صحيح إن المستندات "قد تدعم" موقف العميل. يربط GLM-Legal التحذير الداخلي المؤرخ 8 سبتمبر بأن المرحلة الإنجازية لا يمكن الوفاء بها بأمانة، ولقطة 41%، وتعليمًا تنفيذيًا بكتم المخاطر ومواصلة إصدار الفواتير، في نظرية إخفاء واحدة، ثم يستشهد ببندَي اتفاقية الخدمات الرئيسية الخاصين بأن الدفع لا يتنازل عن الحقوق والضمانات الباقية كسبب لكون استمرار الدفع لا يسوّي النزاع. عثر النموذج الأساسي على الوقائع؛ وبنى GLM-Legal الحجة وسمّى عناصر المطالبة التي لا يزال يتعين اختبارها.

بحث الامتثال. موقع إلكتروني يُطلَق في سنغافورة وماليزيا وإندونيسيا مع التتبع والتسويق عبر البريد الإلكتروني والتخزين السحابي الخارجي. ينتج النموذج الأساسي قائمة مهام جيدة قبل الإطلاق. ينتج GLM-Legal قائمة مُرتّبة حسب الأولوية ذات مرتكزات قانونية — المادة 26 من قانون حماية البيانات الشخصية السنغافوري (SG PDPA)، المادة 129 من قانون حماية البيانات الشخصية الماليزي (MY PDPA)، المادتان 55–56 من قانون حماية البيانات الشخصية الإندونيسي (ID PDP Law) — ويفصل الضوابط المشتركة عن الأسئلة الخاصة بكل سوق.

الاستشهادات بالنصوص القانونية هي الجزء الذي يستطيع المحامي التحقق منه في غضون بعد ظهر واحد، وهي السبب في أن العروض التوضيحية تستحق القراءة أصلاً. أما الجزء الذي لا تُظهره فهو كيف يتصرف النموذج في مسألة تكون الإجابة الصحيحة فيها أن العميل مخطئ.

الوصول: نموذج الآن، وAutoClaw لاحقًا

لا يوجد سعر معلن ولا نقطة نهاية عامة. دعوة Z.ai إلى اتخاذ إجراء هي "انضم إلى GLM-Legal Beta"، وهي موجّهة إلى مكاتب المحاماة وشركات التقنية القانونية والفرق الداخلية والممارسين المستقلين، مع إتاحة الوصول إلى API بعد تقديم طلب عبر صفحة استشارة المورّد. فقرة AutoClaw مكتوبة بصيغة المستقبل — "ستكون قادرًا قريبًا على وضع هذه القدرات موضع التنفيذ في AutoClaw" — لذا فإن منصة وكيل سطح المكتب تكامل قادم، وليس تكاملًا مطروحًا بالفعل، ولا تلتزم Z.ai بموعد لأي منهما.

إذا كنت تريد البناء على النموذج الأساسي اليوم، فالانقسام الصادق هو أن الأساس متاح بينما النسخة القانونية غير متاحة. يتوفّر GLM 5.3 Flash في كتالوج OrcaRouter بسعر Z.ai المعلن دون أي هامش مُضاف — 0.15 دولار لكل مليون رمز إدخال و0.50 دولار لكل مليون رمز إخراج، مع قراءات الذاكرة المؤقتة بسعر 0.030 دولار — لذا يظهر أي تغيير في سعر المورّد على هذا النموذج من جانبنا في اليوم نفسه بدلاً من نهاية دورة العقد. مفتاح واحد يصل إلى أكثر من 200 نموذج، ويعني التحويل التلقائي عند التعطّل أنك تستطيع توجيه مسار تجريبي إلى النموذج الأساسي دون المقامرة بمسار الإنتاج عليه. كل ما في العروض التوضيحية الثلاثة لا يعتمد على التدريب اللاحق القانوني — إعادة هيكلة مجموعة بنود تقدّمها، وتنسيق المخرجات وفق قالب الشركة، وإنشاء قائمة تحقق أولية للمراجعة — يمكنك نمذجته على GLM 5.3 Flash الآن وتبديل معرّف النموذج عند فتح النسخة التجريبية. أما كل ما يعتمد على التخصص فلا يمكنك نمذجته، لأن التخصص هو الجزء الكامن خلف الواجهة.

ما الذي قد يغيّر هذه القصة؟

ثلاثة أمور، مرتبة حسب درجة أهميتها. رقم لـ LegalBench وPLawBench — فادعاءات التكافؤ هي الركيزة الأساسية لأي شخص يختار نموذجًا قانونيًا، وهي حاليًا الأقل قابلية للتحقق. وتشغيل مستقل لـ Harvey LAB، ويُفضّل أن يكون Harvey، لا Z.ai، هو المتحكم في إطار التقييم. وسعر، لأن النموذج المجالي الذي يكلّف لكل مسألة أكثر بشكل ملموس من نموذجه الأساسي عليه أن يستحق هذا الفارق عبر معدل النجاح الكامل، لا عبر الصقل.

لم يصل أيٌّ من الثلاثة. ما وصل هو نموذج متخصص حقًا، مبني على أساس نشط بحجم 18B، مع تشغيل واحد لاختبار مرجعي وفق معيار تقييم صارم بما يكفي ليبدو 19.2% رقمًا موثوقًا، وعملية وصول تقول إن المورّد ليس واثقًا بعد بما يكفي لإدراجه في بطاقة أسعار.

بالنسبة لفريق قانوني يقرر ما ينبغي فعله بإعلان هذا الأسبوع، فالإجابة على الأرجح هي نفسها كما في أي إصدار مقيد بالتقديم: اقرأ العروض التوضيحية لما تكشفه من أنماط فشل، وتحقق من الاستشهادات القانونية بنفسك، وابنِ خط الأنابيب المحيط على نموذج يمكنك استدعاؤه فعلاً اليوم بحيث يكون تبديل معرّف نموذج واحد هو الترحيل بأكمله.

التحويل التلقائي عند الفشل يعني أنه يمكنك توجيه مسار تجريبي إلى النموذج الأساسي دون المراهنة بمسار الإنتاج عليه.