GLM-Legal vs Astra for Law: Dos formas de construir un modelo jurídico, y solo una de ellas te vende una API

Los dos modelos jurídicos más interesantes lanzados en el último mes resuelven el mismo problema por medios opuestos. GLM-Legal es una especialización a nivel de pesos: Z.ai tomó GLM-5.3-Flash y lo sometió a entrenamiento intermedio jurídico y aprendizaje por refuerzo hasta que se comportó como un profesional del derecho. Astra for Law es una configuración: el proveedor dejó GPT-6 Astra exactamente tal como estaba y le añadió delante un índice de jurisprudencia de EE. UU. de 230 millones de URL y un conjunto de instrucciones jurídicas. Uno es un abogado más inteligente con la biblioteca equivocada; el otro es un abogado corriente con una biblioteca extraordinaria. Cuál de los dos prefieras depende casi por completo de si tu problema es de razonamiento o de recuperación, y los dos lanzamientos se evalúan con benchmarks que no pueden ponerse uno al lado del otro.

Ese último punto es la razón por la que esta comparación es más difícil de lo que el titular hace parecer, así que vale la pena aclararlo primero.

¿Por qué ninguna cifra en este artículo los compara cara a cara?

La cifra destacada de GLM-Legal es 19.2% de aprobación total en Harvey LAB. La de Astra for Law es 54.0% de corrección general en un conjunto privado de validación de investigación jurídica de EE. UU. Cualquiera puede dividir 54 entre 19.2 y concluir que la versión configurada es casi tres veces mejor. Esa aritmética no tiene sentido, y esta es exactamente la razón:

• Qué se evalúa — GLM-Legal en tareas de flujo de trabajo integral de despachos de abogados en 24 áreas de práctica frente a Astra for Law en preguntas de investigación jurídica de EE. UU. Familias de tareas distintas, no distintos niveles de dificultad de la misma tarea.

• Rigurosidad en la calificación — Harvey LAB es todo o nada: una tarea cuenta solo si cada paso se completa correctamente. La cifra de Astra es la corrección global, un agregado con crédito parcial. La puntuación de todo o nada produce mecánicamente cifras más bajas en el mismo modelo, y una tasa de aprobación total del 19,2 % no es comparable con ningún porcentaje que otorgue crédito parcial.

• Puntos de referencia — Z.ai evalúa GLM-Legal frente a GLM-5.3-Flash y reporta una mejora de 12,5 puntos. El creador de GPT evalúa Astra for Law frente a GPT-6 Astra con búsqueda web simple — de 38,7% a 54,0% — y la recuperación hace casi todo ese trabajo. Ambas son afirmaciones de delta respecto a la base del propio proveedor, no entre sí.

• Jurisdicción — la eficacia jurídica está delimitada por la jurisdicción, y ninguno de los dos marcos cubre el terreno del otro. Harvey LAB y el conjunto de validación Astra se centran en EE. UU.; PLawBench, el segundo benchmark de GLM-Legal, es chino. Un modelo puede ser excelente en uno e inútil en el otro y aun así obtener buenas puntuaciones en las cifras de ambas publicaciones.

• Independencia — cero en ambos lados. Ningún tercero ha vuelto a ejecutar Harvey LAB con GLM-Legal, y nadie fuera del proveedor controla la división sobre la que se midió el 54,0%.

El único ranking público que ha tocado este territorio es el Legal Research Bench de Vals AI, donde Astra for Law obtuvo una puntuación de 9,4 % de corrección frente al 22,5 % de un modelo frontera sin nombre —un recordatorio de que, a medida que las rúbricas estrictas de evaluación reemplazan las divisiones elegidas por el proveedor, las cifras destacadas de esta categoría tienden a bajar, no a subir. Eso no es un veredicto sobre Astra for Law; es una razón para tomar con pinzas cada cifra de esta comparación.

Lo que cada uno está realmente diseñado para hacer

La diferencia de arquitectura no es académica — decide en qué puede destacar cada modelo.

• GLM-Legal — el modelo cambió. Corpus jurídicos durante el entrenamiento intermedio, y luego RL en lo que Z.ai describe como decenas de miles de entornos jurídicos realistas, con el arnés del agente coevolucionando junto con los pesos. Entrega razonamiento, no una biblioteca.

• Astra for Law — el modelo no lo hizo.Mismos pesos de GPT-6 Astra, más una capa de recuperación sobre jurisprudencia, estatutos y reglamentos de EE. UU., más instrucciones específicas para el ámbito legal. Incluye una biblioteca, no un mejor abogado.

• La evidencia de GLM-Legal: una comparación lado a lado con su propia base. Con los mismos prompts, GLM-5.3-Flash ofrece asesoramiento general competente; GLM-Legal resuelve las cifras: reduce de 60 a 30 días el preaviso de terminación por conveniencia, elimina el plazo de subsanación para incumplimientos de propiedad intelectual y confidencialidad, exige la devolución de los productos de trabajo, se hayan pagado o no, y añade hasta 90 días de asistencia para la transición a las tarifas del proveedor.

• La evidencia de Astra for Law: un delta de recuperación. 54,0 % frente a 38,7 % de exactitud general, un 24 % más de casos de referencia encontrados, hasta un 54 % más de pasajes relevantes recuperados de opiniones correctas y aproximadamente el doble de longitud de respuesta. Las cifras del propio proveedor, en una partición que nadie más puede ejecutar.

• El resumen honesto de las demos — el modelo base encuentra los hechos, el modelo especializado construye el argumento. En el ejemplo de análisis de pruebas de Z.ai, GLM-5.3-Flash detecta una contradicción entre un informe de cliente completo al 60 % y una instantánea interna del 41 % y afirma que los documentos "podrían respaldar" la posición del cliente. GLM-Legal vincula una advertencia interna anterior, la instantánea y una instrucción para suprimir el riesgo en una única teoría de ocultamiento y nombra los elementos de la reclamación que aún deben comprobarse.

Leídas en conjunto, esas dos bases de pruebas describen una división nítida. GLM-Legal se vende por el criterio; Astra for Law se vende por no dejar escapar el caso.

Dónde es probable que cada uno te falle

Ambos lanzamientos documentan sus propias debilidades, algo que supera lo que logran la mayoría de los estrenos, y sus modos de fallo son imágenes especulares el uno del otro.

El resultado más instructivo de Astra for Law provino de una prueba de terceros, no del lanzamiento en sí. En jurisdicciones fuera de Estados Unidos, tres modelos evaluados por la empresa de IA jurídica HAQQ citaron cada uno la disposición correcta, pero describieron erróneamente lo que dice: Astra fue jurídicamente correcta en el 66,7 % de esos ítems, frente al 100 % de Claude Opus 5. El verificador de citas aprueba esas respuestas, porque la cita es real y correcta. El cliente, no. Este es el fallo que el Legal Search Index está estructuralmente peor situado para corregir: el índice es solo para EE. UU., y el error está en la lectura, no en la recuperación.

Las debilidades de GLM-Legal están en la dirección opuesta. Está orientado hacia la práctica legal china y multijurisdiccional de derecho estatutario —la demostración de cumplimiento resuelve obligaciones de privacidad de Singapur, Malasia e Indonesia con citas a nivel de sección— y no cuenta con un equivalente de un índice de jurisprudencia estadounidense. En la investigación jurídica estadounidense, la arquitectura que encuentra 230 millones de URL de precedentes hace algo que GLM-Legal simplemente no hace. Sus fortalezas publicadas son la redacción, el enlace de pruebas y el trabajo de documentos calificado con rúbricas; su evidencia publicada no incluye ninguna afirmación de recuperación en absoluto.

Ninguno de los dos proveedores ha publicado la documentación de gobernanza que el director jurídico de un despacho de abogados pedirá en primer lugar. Astra for Law llega con Zero Data Retention en la API y el uso de ChatGPT Enterprise excluido de la revisión humana de forma predeterminada, pero esa cobertura se concede por organización y el programa es por invitación. Los términos beta de GLM-Legal no se han publicado en absoluto, lo cual no es lo mismo que ser inaceptables — simplemente no están documentados, y lo que no está documentado es lo que no se puede llevar a un comité de riesgos.

Poder probar cualquiera de los dos, y lo que cuesta

Ninguna de las dos configuraciones legales figura en un tarifario público.

• Astra for Law — Acceso de confianza, basado en invitación y dirigido a grandes despachos; no hay precio publicado para la configuración jurídica; se ha indicado que el id del modelo de API llegará pronto.

• GLM-Legal — una aplicación beta dirigida a despachos de abogados, empresas de tecnología legal, equipos internos y profesionales independientes; sin precio publicado; sin endpoint público.

• No obstante, los modelos subyacentes están ambos activos. GPT-6 Astra se sitúa en $10 por millón de tokens de entrada y $50 por millón de salida con un contexto de 1,05 millones de tokens, con un reajuste de precio por contexto largo a partir de 272.000 tokens de entrada, umbral que los conjuntos de documentos legales superarán de forma habitual. GLM 5.3 Flash se sitúa en $0,15 y $0,50 con un contexto de 1 millón de tokens. Eso supone una diferencia de 66 veces en el precio de entrada entre dos modelos que procesan un conjunto de contratos en una sola pasada.

Ambos están en el catálogo de OrcaRouter a esos precios de lista sin margen añadido, lo cual importa más de lo habitual en esta categoría: un cambio de precio del proveedor en cualquiera de los modelos se aplica aquí el mismo día en lugar de al final de un ciclo de contrato. Una clave cubre ambos, por lo que un equipo de ingeniería legal que quiera Astra para el trabajo con uso intensivo de recuperación y GLM 5.3 Flash para la revisión inicial de gran volumen no necesita dos relaciones comerciales, dos SDK ni dos conjuntos de credenciales. El DSL de enrutamiento divide el tráfico por clase de tarea, por lo que la ruta de redacción y la ruta de resumen pueden apuntar a modelos diferentes y seguir facturando en una sola factura.

Y hay una restricción deliberada que vale la pena nombrar en lugar de ocultar. Lo que realmente distingue a Astra for Law de GPT-6 Astra es el Legal Search Index, y esa capa no está en venta — no puedes enrutar hacia ella, y nadie más tampoco. Lo que enrutamos es el modelo base. Un equipo que hoy prototipa un flujo de trabajo legal en GPT-6 Astra está probando todo excepto la parte que hacía mejor la configuración legal.

¿Cuál elegir?

Si el trabajo es investigación de jurisprudencia de EE. UU., análisis con gran peso de precedentes, o cualquier cosa donde el riesgo principal sea omitir una autoridad, Astra for Law está dirigido precisamente a eso y GLM-Legal no compite por ello. Si el trabajo es redacción según una especificación, cumplimiento normativo en regímenes designados, o razonamiento sobre un conjunto de documentos que ya ha proporcionado, la evidencia de GLM-Legal es más directamente pertinente — y sus demos muestran el comportamiento específico que desea, que es un modelo que produce números y lenguaje de cláusulas en lugar de una lista de aspectos a considerar.

Para la mayoría de los equipos legales, la respuesta práctica este trimestre es que ninguna de las dos es una decisión que tengan que tomar todavía. Ambas están condicionadas a una solicitud, ninguna tiene precio y ambas tienen exactamente una única ejecución de benchmark controlada por el proveedor detrás de sus cifras principales. Los equipos que estarán listos cuando se abran las puertas son los que aprovecharon el intervalo para construir el pipeline sobre modelos base que realmente se pueden invocar, de modo que adoptar la versión especializada más adelante sea un cambio de model-id y no una migración de plataforma.

El DSL de enrutamiento divide el tráfico por clase de tarea, de modo que la ruta de redacción y la ruta de resumen pueden apuntar a modelos distintos y aun así facturarse en una sola factura.