GLM-Legal: Z.ai's Legal Agent erzielt 19,2 % im Harvey LAB — und startet als Beta, für die man sich bewerben muss

Z.ai hat GLM-Legal am 12. Oktober 2026 veröffentlicht, und die Zahl, mit der sie aufwartet, ist 19,2 %. Das ist die All-Pass-Rate des Modells bei Harvey LAB, einer Workflow-Evaluierung für Anwaltskanzleien, die der Legal-AI-Anbieter Harvey über 24 Praxisbereiche hinweg entwickelt hat – und sie ist die vertrauenswürdigste Zahl der Veröffentlichung, gerade weil sie wenig beeindruckend aussieht. Ein juristisches Modell, das auf einem ernsthaften Prüfrahmen weniger als eine von fünf Aufgaben besteht, wird an einem Standard gemessen, den sein eigener Anbieter nicht aufgeweicht hat. Der schwächere Teil ist alles drumherum: Die anderen beiden Schlagzeilen-Benchmarks, LegalBench und PLawBench, werden als Gleichstand mit ungenannten „Frontier-Modellen aus geschlossener Quelle" beschrieben und enthalten überhaupt keine Zahlen. GLM-Legal basiert auf GLM-5.3-Flash, dem multimodalen Basismodell von Z.ai mit insgesamt 320 Mrd. Parametern, davon 18 Mrd. aktiv, und derzeit erhält man es über ein Formular auf der Beratungsseite des Anbieters, nicht über einen API-Schlüssel.

Diese Kombination – eine echte, ehrlich bewertete Zahl plus zwei nicht quantifizierte Paritätsaussagen – macht die gesamte Gestalt dieser Veröffentlichung aus, und es lohnt sich, sie vor allem anderen auseinanderzuhalten.

Was 19,2 % auf Harvey LAB aussagt – und was nicht.

Harvey LAB bewertet nach dem All-Pass-Prinzip. Eine Aufgabe zählt für das Modell nur, wenn jeder Schritt sitzt: die richtigen Probleme erkannt, die richtigen Bestimmungen zitiert, die Analyse verteidigbar, die Ausgabe entsprechend der Vorgabe formatiert. Das ist eine strengere Hürde als ein Benchmark mit Teilpunkten, und es erklärt, warum die absolute Zahl niedrig ist – nicht, warum das Modell schwach wäre. Z.ai deutet es als Bestätigung für „zuverlässige End-to-End-Aufgabenausführung ohne zwischenzeitliche Verschlechterung“ – in einem All-Pass-Regime ist das das Einzige, was eine bestandene Aufgabe bedeuten kann.

Der Vergleich, den Z.ai bereitstellt, erfolgt gegen das eigene Basismodell, und er besagt, dass GLM-Legal um 12,5 Prozentpunkte besser abschneidet. Liest man das vor dem Hintergrund der Schlagzeile, ist die Arithmetik eindeutig:

• GLM-Legal auf Harvey LAB — 19,2 % All-Pass, über 24 Rechtsgebiete hinweg, laut Z.ai.

• Implizierter Punktwert des Basismodells — rund 6,7 %, da Z.ai die Differenz mit 12,5 Punkten angibt und die Basis GLM-5.3-Flash ist.

• Unabhängigkeit — keine. Beide Zahlen stammen von Z.ai selbst, gemessen in Z.ais eigenem Lauf, und kein Dritter hat sie reproduziert.

• Harveys Rolle — Harvey hat den Benchmark entwickelt; in der Ankündigung steht nicht, ob Harvey die Evaluierung durchgeführt hat oder Z.ai.

Diese letzte Zeile ist die ehrliche Lücke. „Von Harvey gebaut“ und „von Harvey bewertet“ sind unterschiedliche Aussagen, und nur die erste wird gemacht. Eine Steigerung um 12,5 Punkte gegenüber einem Basismodell ist eine plausible Größenordnung für Domänen-Mid-Training plus RL – so sieht juristische Spezialisierung aus, wenn sie funktioniert –, aber solange niemand außerhalb von Z.ai den Harness erneut ausführt, ist es eine Herstellerangabe und sollte als solche zitiert werden.

Die beiden Ansprüche ohne zugeordnete Nummer

LegalBench deckt Vertragsparsing, Merger-Filings und Gerichtsentscheidungen ab; PLawBench deckt chinesische Rechtsberatung, Fallanalyse und Dokumentenerstellung nach feinkörnigen Bewertungsrastern ab. Z.ais Behauptung zum ersten Punkt ist, dass GLM-Legal sie „mit der Präzision führender Closed-Source-Frontiermodelle“ parst, und zum zweiten, dass es „Parität mit führenden Frontier-Systemen erreicht“.

Beide Behauptungen sind qualitativ. Zu keiner von beiden gibt es eine Punktzahl, ein Konfidenzintervall oder einen benannten Vergleichsmaßstab. Das ist kein Grund, ihnen zu misstrauen – GLM-5.3-Flash ist eine starke Basis, und ein domänenspezialisiertes Derivat einer starken Basis erreicht beim Domänenreasoning tatsächlich oft Parität – aber eine Paritätsbehauptung, für die man keine Zahl nennen kann, ist konstruktionsbedingt nicht überprüfbar, und die beiden quantitativen Aussagen in der Veröffentlichung beziehen sich beide auf denselben Benchmark. Wer diese Markteinführung mit der eines Wettbewerbers vergleicht, sollte bemerken, dass die Veröffentlichung in Wahrheit ein gemessenes Ergebnis plus zwei argumentativ gestützte ist.

Was das Training tatsächlich verändert hat

Das methodische Detail ist hier wichtiger als bei einem typischen Domain-Fine-Tuning, weil GLM-Legal eine Spezialisierung auf Gewichtsebene und kein Retrieval-Produkt ist. Z.ai hat keinen Case-Law-Index ausgeliefert; es hat das Modell verändert. Zwei Stufen:

• Mid-Training — erweiterte hochwertige juristische Korpora, die gesetzliche Vorschriften und Auslegungsrahmen in dichtem Domänenkontext vermitteln, um die deduktive Kette von Fakten über Regeln zu Schlussfolgerungen zu stärken.

• Post-Training — bestärkendes Lernen über das, was Z.ai als „Zehntausende realistische juristische Umgebungen“ bezeichnet, wobei das Modell lernt, eine Analyse zu planen, einen Arbeitsablauf voranzutreiben und unter konkreten Vorgaben ein Ergebnis zu erstellen.

Das Ungewöhnliche ist die Schleife um die Post-Training-Phase. Z.ai beschreibt den Agenten-Harness – die Laufzeit-Orchestrierungsschicht, die Kontext aufbereitet, Tooling anbindet und Ausführungsfeedback weiterleitet – als etwas, das sich gemeinsam mit dem Modell weiterentwickelt, statt fest unter ihm zu sitzen. Randfälle, die im Training auftraten, legten Engpässe des Harness offen; Verfeinerungen des Harness setzten das Modell realistischeren Ausführungsbeschränkungen aus. Der angegebene Zweck ist, den klassischen Fehler von Domänenmodellen zu stoppen, bei dem Wissen, nicht aber Workflow-Verhalten hinzugefügt wird.

Ob das generalisiert, ist genau das, was der All-Pass-Wert von 19,2 % prüft. Es ist eine Zuverlässigkeitsaussage, keine Wissensaussage, und es ist das Richtige, woran ein Einsatz im Rechtsbereich gemessen werden sollte.

Die drei Demos, genau lesen

Der Blogbeitrag zeigt GLM-5.3-Flash und GLM-Legal nebeneinander bei der Beantwortung derselben drei Prompts. Der Vergleich ist vom Anbieter verfasst und die Prompts sind vom Anbieter ausgewählt, also beweist er weniger als ein direkter Vergleich – aber die Abweichungen sind spezifisch genug, um aufschlussreich zu sein.

Vertragsprüfung. Die Aufgabe betrifft einen Software-Servicevertrag für einen Kunden, der den Anbieter wechselt. Die Empfehlung des Basismodells ist vernünftig und allgemein: die Kündigungsfrist verkürzen, den Anbieter dazu bringen, Daten und bezahlte Liefergegenstände zurückzugeben, und eine Pflicht zur Zusammenarbeit mit dem Nachfolgeanbieter hinzufügen. Die Empfehlung von GLM-Legal ist gleich aufgebaut, beziffert die Punkte aber konkret — die Frist für die freie Kündigung von 60 auf 30 Tage verkürzen, die Heilungsfrist für Verstöße gegen Pflichten zu geistigem Eigentum, Vertraulichkeit oder Datensicherheit vollständig streichen, die Rückgabe von Arbeitsergebnissen verlangen, unabhängig davon, ob sie bezahlt wurden, und bis zu 90 Tage Übergangsunterstützung zu den dann aktuellen Sätzen des Anbieters hinzufügen. Das ist der Unterschied zwischen einer Checkliste und einer Redline. Z.ai sagt, AutoClaw arbeite diese Änderungen als nachverfolgte Änderungen und Kommentare in das Word-Dokument ein.

Beweisanalyse.Vierzig Dokumente aus einem Streit um ein Softwareprojekt. Das Basismodell erkennt den Widerspruch zwischen dem Kundenbericht vom 30. September, der 60 % Fertigstellung behauptet, und dem internen Snapshot bei etwa 41 %, und sagt zu Recht, die Dokumente „könnten die Position des Kunden stützen“. GLM-Legal verknüpft die interne Warnung vom 8. September, dass der Meilenstein nicht redlich erreicht werden könne, den 41-%-Snapshot und eine Anweisung der Geschäftsleitung, das Risiko zu unterdrücken und weiter Rechnungen zu stellen, zu einer einzigen Verschleierungstheorie und verweist dann auf die Klauseln des Master-Services-Vertrags, wonach eine Zahlung keine Rechte verwirkt und Gewährleistungen fortbestehen, als Grund dafür, dass fortgesetzte Zahlungen den Streit nicht beilegen. Das Basismodell fand die Fakten; GLM-Legal baute das Argument auf und benannte die noch zu prüfenden Anspruchselemente.

Compliance-Recherche. Eine Website, die in Singapur, Malaysia und Indonesien startet, mit Tracking, E-Mail-Marketing und Cloud-Speicherung im Ausland. Das Basismodell erstellt eine kompetente To-do-Liste vor dem Start. GLM-Legal erstellt eine priorisierte Liste mit gesetzlichen Anknüpfungspunkten — SG PDPA s26, MY PDPA s129, ID PDP Law Arts 55–56 — und trennt gemeinsame Kontrollen von marktspezifischen Fragen.

Die Gesetzeszitate sind der Teil, den ein Anwalt an einem Nachmittag prüfen kann, und sie sind der Grund, warum die Demos überhaupt lesenswert sind. Der Teil, den sie nicht zeigen, ist, wie sich das Modell in einer Angelegenheit verhält, in der die richtige Antwort lautet, dass der Mandant im Unrecht ist.

Zugang: jetzt ein Formular, AutoClaw später

Es gibt keinen veröffentlichten Preis und keinen öffentlichen Endpunkt. Der Call-to-Action von Z.ai lautet „Treten Sie der GLM-Legal-Beta bei“ und richtet sich an Anwaltskanzleien, Legal-Tech-Unternehmen, Inhouse-Teams und unabhängige Einzelanwältinnen und Einzelanwälte, wobei der API-Zugang nur nach einer Bewerbung auf der Beratungsseite des Anbieters gewährt wird. Der AutoClaw-Absatz ist im Futur geschrieben – „Sie werden diese Funktionen bald in AutoClaw nutzen können“ –, die Desktop-Agent-Plattform ist also eine kommende Integration, keine bereits ausgelieferte, und Z.ai legt sich für keine der beiden auf ein Datum fest.

Wenn Sie heute gegen das zugrunde liegende Modell entwickeln möchten, ist die ehrliche Aufteilung die, dass die Basis verfügbar ist und die juristische Variante nicht. GLM 5.3 Flash steht im OrcaRouter-Katalog zum Listenpreis von Z.ai, ohne dass ein Aufschlag hinzukommt — 0,15 $ pro Million Input-Tokens und 0,50 $ pro Million Output-Tokens, bei Cache-Reads zu 0,030 $ — sodass eine Preisänderung des Anbieters für dieses Modell bei uns noch am selben Tag sichtbar wird und nicht erst am Ende eines Vertragszyklus. Ein Schlüssel erreicht mehr als 200 Modelle, und automatisches Failover bedeutet, dass Sie einen Staging-Pfad auf das Basismodell richten können, ohne eine Produktionsroute darauf zu verwetten. Alles in den drei Demos, das nicht vom juristischen Post-Training abhängt — die Umstrukturierung eines von Ihnen bereitgestellten Klauselsatzes, das Formatieren der Ausgabe in eine Kanzleivorlage, das Erzeugen einer Checkliste für die Erstprüfung — können Sie jetzt auf GLM 5.3 Flash prototypisch umsetzen und die Modell-ID austauschen, wenn die Beta öffnet. Alles, was von der Spezialisierung abhängt, können Sie nicht prototypisch umsetzen, weil die Spezialisierung der Teil hinter dem Formular ist.

Was würde diese Geschichte verändern?

Drei Dinge, nach Wichtigkeit geordnet. Eine Zahl für LegalBench und PLawBench – die Paritätsaussagen sind die tragenden für jeden, der ein juristisches Modell auswählt, und sie sind derzeit am wenigsten überprüfbar. Ein unabhängiger Durchlauf von Harvey LAB, idealerweise einer, bei dem Harvey und nicht Z.ai die Testumgebung kontrolliert. Und ein Preis, denn ein Domänenmodell, das pro Angelegenheit deutlich mehr kostet als seine Basis, muss diesen Unterschied über die All-Pass-Rate verdienen und nicht über Feinschliff.

Keines der drei ist angekommen. Was angekommen ist, ist ein wirklich spezialisiertes Modell, das auf einer 18B-Active-Foundation aufbaut, mit einem einzigen Benchmark-Lauf unter einem Bewertungsstandard, der streng genug ist, dass 19,2 % glaubwürdig erscheinen, und einem Zugangsprozess, der erkennen lässt, dass der Anbieter noch nicht sicher genug ist, es auf eine Preisliste zu setzen.

Für ein Rechtsteam, das entscheidet, was mit der Ankündigung dieser Woche zu tun ist, ist die Antwort wahrscheinlich dieselbe wie bei jedem Release, für das man sich bewerben muss: Lesen Sie die Demos auf die Fehlermodi hin, die sie offenbaren, prüfen Sie die Gesetzeszitate selbst, und bauen Sie die umgebende Pipeline auf einem Modell auf, das Sie heute tatsächlich aufrufen können, sodass der Austausch einer einzigen Modell-ID die gesamte Migration ausmacht.

Automatisches Failover bedeutet, dass man einen Staging-Pfad auf das Basismodell richten kann, ohne eine Produktionsroute darauf zu verwetten.