GLM-Legal vs. Astra for Law: Zwei Wege, ein juristisches Modell zu entwickeln, und nur einer davon verkauft Ihnen eine API

Die beiden interessantesten juristischen Modelle, die im letzten Monat veröffentlicht wurden, lösen dasselbe Problem mit entgegengesetzten Mitteln. GLM-Legal ist eine Spezialisierung auf Gewichtsebene – Z.ai nahm GLM-5.3-Flash und unterzog es einem juristischen Mid-Training und Reinforcement Learning, bis es sich wie ein praktizierender Jurist verhielt. Astra for Law ist eine Konfiguration – der Anbieter ließ GPT-6 Astra genau so, wie es war, und schraubte einen US-amerikanischen Case-Law-Index mit 230 Millionen URLs sowie eine Reihe juristischer Anweisungen davor. Das eine ist ein klügerer Anwalt mit der falschen Bibliothek; das andere ist ein gewöhnlicher Anwalt mit einer außergewöhnlichen Bibliothek. Welches man möchte, hängt fast ausschließlich davon ab, ob das eigene Problem im Bereich Reasoning oder Retrieval liegt, und die beiden Veröffentlichungen werden anhand von Benchmarks bewertet, die sich nicht nebeneinanderstellen lassen.

Der letzte Punkt ist der Grund, warum dieser Vergleich schwieriger ist, als es die Schlagzeile vermuten lässt, daher lohnt es sich, ihn zuerst aus dem Weg zu räumen.

Warum vergleicht keine Zahl in diesem Beitrag sie direkt miteinander?

Die Hauptkennzahl von GLM-Legal beträgt 19,2 % All-Pass bei Harvey LAB. Die von Astra for Law liegt bei 54,0 % Gesamtkorrektheit in einem privaten US-amerikanischen juristischen Recherche-Validierungsdatensatz. Jeder kann 54 durch 19,2 teilen und daraus schließen, dass die konfigurierte Version fast dreimal besser ist. Diese Rechnung ist sinnlos, und hier ist genau der Grund:

• Was bewertet wird — GLM-Legal bei End-to-End-Workflow-Aufgaben von Anwaltskanzleien über 24 Rechtsgebiete hinweg vs. Astra for Law bei US-amerikanischen Rechtsrecherchefragen. Unterschiedliche Aufgabenfamilien, nicht unterschiedliche Schwierigkeitsstufen derselben Aufgabe.

• Bewertungsstrenge — Harvey LAB ist All-Pass: Eine Aufgabe zählt nur, wenn jeder Schritt sitzt. Die Astra-Zahl ist die Gesamtkorrektheit, ein Aggregat mit Teilpunkten. Eine All-Pass-Bewertung erzeugt beim selben Modell mechanisch niedrigere Zahlen, und eine All-Pass-Rate von 19,2 % ist nicht mit irgendeinem Prozentsatz vergleichbar, der Teilpunkte vergibt.

• Baselines — Z.ai misst GLM-Legal gegen GLM-5.3-Flash und berichtet einen Zuwachs von 12,5 Punkten. Der GPT-Hersteller misst Astra for Law gegen GPT-6 Astra mit einfacher Websuche — 38,7 % bis 54,0 % — und das Retrieval erledigt fast die gesamte Arbeit. Beide sind Delta-Behauptungen gegenüber der eigenen Basis des jeweiligen Anbieters, nicht gegenüber der des anderen.

• Jurisdiktion — die rechtliche Wirksamkeit ist an die Jurisdiktion gebunden, und keine der beiden Testumgebungen deckt den Bereich der anderen ab. Harvey LAB und das Astra-Validierungsset sind auf die USA ausgerichtet; PLawBench, der zweite Benchmark von GLM-Legal, ist chinesisch. Ein Modell kann bei dem einen hervorragend und bei dem anderen nutzlos sein und trotzdem bei den Zahlen beider Veröffentlichungen gut abschneiden.

• Unabhängigkeit — null auf beiden Seiten. Kein Dritter hat Harvey LAB mit GLM-Legal erneut durchlaufen lassen, und niemand außerhalb des Anbieters kontrolliert den Split, auf dem die 54,0 % gemessen wurden.

Das einzige öffentliche Board, das dieses Terrain berührt hat, ist das Legal Research Bench von Vals AI, bei dem Astra for Law mit 9,4 % Korrektheit bewertet wurde – gegenüber 22,5 % für ein unbenanntes Frontier-Modell –, eine Erinnerung daran, dass die Schlagzeilen-Zahlen in dieser Kategorie tendenziell nach unten gehen, nicht nach oben, wenn strenge Bewertungsraster die vom Anbieter gewählten Splits ersetzen. Das ist kein Urteil über Astra for Law; es ist ein Grund, jede Zahl in diesem Vergleich mit Vorsicht zu behandeln.

Wofür jedes einzelne eigentlich gebaut ist

Der Architekturunterschied ist nicht akademisch — er entscheidet darüber, worin jedes Modell gut sein kann.

• GLM-Legal — das Modell hat sich verändert. Juristische Korpora im Mid-Training, dann RL über das, was Z.ai als Zehntausende realistische juristische Umgebungen beschreibt, wobei der Agent-Harness gemeinsam mit den Gewichten weiterentwickelt wird. Es liefert Reasoning, keine Bibliothek.

• Astra for Law — das Modell nicht.Dieselben GPT-6-Astra-Gewichte, plus eine Retrieval-Schicht über US-amerikanische Rechtsprechung, Gesetze und Vorschriften, plus rechtsspezifische Anweisungen. Es liefert eine Bibliothek, keinen besseren Anwalt.

• GLM-Legals Beweis — eine Gegenüberstellung mit seinem eigenen Basismodell. Bei denselben Prompts liefert GLM-5.3-Flash kompetente allgemeine Ratschläge; GLM-Legal klärt die Zahlen — reduziert die Kündigungsfrist für eine Kündigung aus Bequemlichkeit von 60 auf 30 Tage, entfernt die Heilungsfrist für Verstöße gegen geistiges Eigentum und Vertraulichkeit, verlangt die Rückgabe von Arbeitsergebnissen, unabhängig davon, ob sie bezahlt wurden, und fügt bis zu 90 Tage Übergangsunterstützung zu den Sätzen des Anbieters hinzu.

• Die Belege für Astra for Law — ein Retrieval-Delta. 54,0 % gegenüber 38,7 % Gesamtkorrektheit, 24 % mehr gefundene Referenzfälle, bis zu 54 % mehr relevante Passagen aus korrekten Urteilen abgerufen und rund die doppelte Antwortlänge. Die Zahlen des Anbieters selbst, auf einem Split, den sonst niemand fahren kann.

• Die ehrliche Zusammenfassung der Demos – das Basismodell findet die Fakten, das spezialisierte Modell baut die Argumentation auf. Im Evidenzanalyse-Beispiel von Z.ai entdeckt GLM-5.3-Flash einen Widerspruch zwischen einem zu 60 % vollständigen Kundenbericht und einer internen Momentaufnahme mit 41 % und sagt, die Dokumente „könnten die Position des Kunden stützen“. GLM-Legal verknüpft eine frühere interne Warnung, die Momentaufnahme und eine Anweisung, das Risiko zu unterdrücken, zu einer einzigen Verschleierungstheorie und benennt die noch zu prüfenden Anspruchselemente.

Zusammengenommen beschreiben diese beiden Evidenzbasen eine saubere Trennung. GLM-Legal wird mit dem Argument des Urteilsvermögens verkauft; Astra for Law wird mit dem Argument verkauft, den Fall nicht zu verpassen.

Wo jedes Einzelne Sie wahrscheinlich im Stich lassen wird

Beide Veröffentlichungen dokumentieren ihre eigenen Schwächen, was mehr ist, als die meisten Markteinführungen zustande bringen, und die Fehlermodi sind Spiegelbilder voneinander.

Das lehrreichste Ergebnis von Astra for Law stammte aus einem Drittanbieter-Test und nicht vom Launch selbst. In Rechtsordnungen außerhalb der USA zitierten drei von der Legal-AI-Firma HAQQ getestete Modelle jeweils die richtige Vorschrift, gaben aber falsch wieder, was sie besagt – Astra lag bei 66,7 % dieser Punkte juristisch richtig, gegenüber 100 % bei Claude Opus 5. Der Zitationsprüfer lässt diese Antworten durchgehen, weil die Fundstelle echt und korrekt ist. Beim Mandanten ist das nicht der Fall. Das ist der Fehler, den zu beheben der Legal Search Index strukturell am schlechtesten geeignet ist: Der Index deckt nur die USA ab, und der Fehler liegt in der Auslegung, nicht im Abruf.

GLM-Legals Schwächen liegen in der entgegengesetzten Richtung. Es ist auf chinesische und multijurisdiktionale gesetzliche Praxis ausgerichtet – die Compliance-Demo löst Datenschutzverpflichtungen für Singapur, Malaysia und Indonesien mit Zitaten auf Abschnittsebene – und es enthält kein Äquivalent eines US-Fallrecht-Index. Bei amerikanischer Recherche leistet die Architektur, die 230 Millionen URLs von Präzedenzfällen findet, etwas, das GLM-Legal schlicht nicht leistet. Seine veröffentlichten Stärken sind das Verfassen, die Verknüpfung von Beweisen und rubrikbewertete Dokumentenarbeit; seine veröffentlichten Belege enthalten keinerlei Retrieval-Behauptung.

Keiner der beiden Anbieter hat die Governance-Unterlagen veröffentlicht, die der General Counsel einer Anwaltskanzlei als Erstes anfordern wird. Astra for Law kommt mit Zero Data Retention auf der API und damit, dass die Nutzung von ChatGPT Enterprise standardmäßig von der menschlichen Überprüfung ausgenommen ist, doch diese Abdeckung wird pro Organisation gewährt und das Programm ist einladungsbasiert. Die Beta-Bedingungen von GLM-Legal sind überhaupt nicht veröffentlicht, was nicht dasselbe ist wie inakzeptabel zu sein – sie sind schlicht undokumentiert, und Undokumentiertes ist das, was man einem Risikoausschuss nicht vorlegen kann.

Die Möglichkeit, eines von beiden auszuprobieren, und was es kostet

Keine der beiden rechtmäßigen Konfigurationen steht auf einer öffentlichen Preisliste.

• Astra for Law — Trusted Access, einladungsbasiert und auf große Kanzleien ausgerichtet; für die juristische Konfiguration wurde kein Preis veröffentlicht; die API-Modell-ID wurde als „in Kürze verfügbar“ beschrieben.

• GLM-Legal — eine Beta-Anwendung, die sich an Anwaltskanzleien, Legal-Tech-Unternehmen, Inhouse-Teams und unabhängige Praktizierende richtet; kein veröffentlichter Preis; kein öffentlich zugänglicher Endpunkt.

• Die zugrunde liegenden Modelle sind allerdings beide live. GPT-6 Astra liegt bei 10 $ pro Million Input-Tokens und 50 $ pro Million Output bei einem Kontext von 1,05 Mio. Tokens, mit einer Langkontext-Preisänderung oberhalb von 272.000 Input-Tokens, die juristische Dokumentensammlungen routinemäßig überschreiten werden. GLM 5.3 Flash liegt bei 0,15 $ und 0,50 $ bei einem Kontext von 1 Mio. Tokens. Das ist ein 66-facher Unterschied beim Input-Preis für zwei Modelle, die beide ein Vertragskonvolut in einem Durchgang verarbeiten.

Beide sind im OrcaRouter-Katalog zu diesen Listenpreisen ohne Aufschlag enthalten, was in dieser Kategorie mehr als sonst zählt: Eine Preisänderung des Anbieters bei einem der beiden Modelle wird hier noch am selben Tag wirksam und nicht erst am Ende eines Vertragszyklus. Ein Schlüssel deckt beide ab, sodass ein Legal-Engineering-Team, das Astra für die retrieval-intensiven Arbeiten und GLM 5.3 Flash für die hochvolumige Erstprüfung möchte, keine zwei Geschäftsbeziehungen, zwei SDKs oder zwei Sätze Zugangsdaten benötigt. Die Routing-DSL teilt den Datenverkehr nach Aufgabenklasse auf, sodass der Entwurfspfad und der Zusammenfassungspfad auf unterschiedliche Modelle zeigen können und dennoch über eine Rechnung abgerechnet werden.

Und es gibt eine bewusste Einschränkung, die man besser benennt, statt sie zu verbergen. Das, was Astra for Law tatsächlich von GPT-6 Astra unterscheidet, ist der Legal Search Index, und diese Ebene steht nicht zum Verkauf — man kann nicht dorthin routen, und niemand sonst auch nicht. Was wir routen, ist das Basismodell. Ein Team, das heute einen juristischen Workflow auf GPT-6 Astra prototypisiert, testet alles außer dem Teil, der die juristische Konfiguration besser gemacht hat.

Welches soll man wählen?

Wenn es bei der Arbeit um US-Rechtsprechungsrecherche, stark präzedenzfallgestützte Analyse oder irgendetwas geht, bei dem das Hauptrisiko darin besteht, eine maßgebliche Fundstelle zu übersehen, dann ist Astra for Law genau darauf ausgerichtet, und GLM-Legal konkurriert nicht darum. Wenn es bei der Arbeit um die Ausarbeitung nach einer Spezifikation, die Einhaltung gesetzlicher Vorgaben über benannte Regelungsregime hinweg oder um die Argumentation anhand einer Dokumentensammlung geht, die Sie bereits bereitgestellt haben, dann sind die Belege von GLM-Legal direkter einschlägig – und seine Demos zeigen das spezifische Verhalten, das Sie möchten: ein Modell, das Zahlen und Klauselsprache liefert statt einer Checkliste mit Aspekten, die zu berücksichtigen sind.

Für die meisten Legal-Teams ist die praktische Antwort in diesem Quartal, dass weder das eine noch das andere eine Entscheidung ist, die Sie jetzt schon treffen müssen. Beide sind nur nach Antrag zugänglich, für beide gibt es noch keinen Preis, und bei beiden steht hinter den Schlagzeilenwerten genau ein vom Anbieter kontrollierter Benchmark-Lauf. Die Teams, die bereit sein werden, wenn die Tore geöffnet werden, sind diejenigen, die die Zwischenzeit damit verbracht haben, die Pipeline auf Basismodellen aufzubauen, die tatsächlich aufrufbar sind – sodass die spätere Einführung der spezialisierten Version eine Änderung der Modell-ID und kein Re-Platforming ist.

Die Routing-DSL teilt den Datenverkehr nach Aufgabenklasse auf, sodass der Entwurfspfad und der Zusammenfassungspfad auf unterschiedliche Modelle verweisen können und dennoch über eine einzige Rechnung abgerechnet werden.