GLM-Legal vs TwIL-LM3-Pro: La puerta es una licencia por un lado y un formulario por el otro

Un agente jurídico que existe como una puntuación de benchmark y un formulario de solicitud, frente a un modelo de lógica formal que puedes descargar esta tarde y desplegar en casi ningún sitio. GLM-Legal y TwIL-LM3-Pro son dos especialistas de nicho lanzados con semanas de diferencia: uno creado por Z.ai sobre GLM-5.3-Flash para la revisión de contratos, el análisis de pruebas y el cumplimiento normativo; el otro, un modelo de razonamiento de 3,66B de parámetros de webAI concebido para la lógica formal y derivado de granite-4.2-3b de IBM. No compiten por el mismo puesto, y esta página no va a fingir lo contrario. Lo que hace que merezca la pena ponerlos uno junto al otro es que son las dos formas distintas que adopta un modelo especializado en 2026, y cada forma tiene su propia manera de no estar disponible: TwIL-LM3-Pro se distribuye bajo una licencia que prohíbe el uso comercial, y GLM-Legal se distribuye tras una solicitud de acceso beta, sin licencia, precio ni endpoint publicados.

Si llegaste aquí tratando de decidir cuál adoptar, la respuesta breve es que uno es un archivo que no puedes usar legalmente y el otro es un servicio que aún no puedes comprar. La respuesta más extensa tiene que ver con cuál de esos dos problemas es realmente solucionable este trimestre.

Las especificaciones, y lo que descartan

La diferencia de parámetros es lo bastante grande como para cambiar para qué sirve cada modelo, así que vale la pena poner los números sobre la mesa antes de la discusión:

• Tamaño y forma — GLM-Legal es un derivado de un modelo fundacional multimodal de 320B en total y 18B activos; TwIL-LM3-Pro es un decodificador denso de 3,66B, con 3.659.737.600 parámetros exactamente, 40 capas, y se ejecuta en bf16 a 6,82 GiB o como un Q4_K_M GGUF a 2,09 GiB.

• Contexto — GLM-Legal hereda la ventana de 1M de tokens de GLM-5.3-Flash; TwIL-LM3-Pro mantiene sin cambios 131.072 tokens de granite-4.2-3b.

• Con qué fue entrenado — corpus jurídicos durante la fase intermedia del entrenamiento, más RL en decenas de miles de entornos jurídicos realistas, frente a un ajuste fino supervisado con LoRA de rango 64 sobre un corpus sintético de lógica formal, destilación de rutas múltiples, fusión de checkpoints y una etapa de GRPO ponderada por entropía contra un verificador programático.

• Modality — GLM-Legal's base takes text, image and video in; TwIL-LM3-Pro is text in, text out, with a <think>…</think> block before the answer.

• Distribución — un formulario de solicitud para el acceso a la API frente a un checkpoint de Hugging Face, una compilación en dispositivo de LiteRT-LM y un acuerdo empresarial.

• Benchmarks publicados — una cifra de aprobación total en el banco de pruebas de un tercero, más dos afirmaciones de paridad no cuantificadas, frente a un conjunto detallado de cifras generadas por el proveedor en un banco de pruebas creado por el propio proveedor que la propia ficha del modelo describe como no concluyente en algunos puntos.

Esas dos filas de abajo son las que deciden todo lo demás. Lee primero la fila de despliegue: GLM-Legal no tiene endpoint público y TwIL-LM3-Pro no tiene licencia comercial. Todo lo demás en esta comparación es consecuencia de eso.

Leyendo los números de TwIL-LM3-Pro tal como lo hace su propia tarjeta

webAI publicó material de evaluación inusualmente franco, y lo más útil que contiene es una frase que se habría eliminado de una página de marketing. En la puerta macro —0,5539 frente a 0,5336 de Qwen3-8B—, la ficha escribe que la ventaja es de 0,020, «menor que el ruido de muestreo con n = 200 por carril», y le dice al lector que lo puntúe como paridad en lugar de como una victoria.

Donde el modelo sí se separa de Qwen3-8B, los márgenes son reales y medibles:

• Strict-7 — 0,2879 frente a 0,2093, una fila que no usa crédito alguno por coincidencia difusa en ningún punto y, por tanto, no puede producirse por una casualidad de formato.

• Strict MCQ — 0.4100 frente a 0.0000, la brecha entre carriles más amplia de las once filas reportadas.

• Ajuste al corpus — la perplejidad del modelo de lenguaje más baja de cualquier brazo, con 2.3130 frente a 2.5478.

• Conjunto de datos reservado — el modelo no lidera en él. La macro de diez conjuntos de datos es 0.7901, estadísticamente a la par de su propia base en 0.7942 y por detrás del 0.8493 de Qwen3-8B.

• Dentro de la especialización — la coincidencia exacta de la traducción a FOL se sitúa en 0.0100 y la coincidencia exacta del análisis semántico en 0.0000, ambas divulgadas por el proveedor.

Eso es lo que parece un especialista de perfil estrecho cuando se documenta con honestidad: fuerte en las áreas concretas para las que fue creado, a la par o por detrás en razonamiento general, y flojo en dos formatos de salida específicos. También es la razón por la que la licencia importa tanto. Un modelo tan específico tiene una sola tarea, y si esa tarea es comercial, la licencia la bloquea por completo.

Leyendo las cifras de GLM-Legal con la misma sospecha

El lanzamiento de Z.ai lidera con un 19,2% de aprobación total en Harvey LAB, una evaluación de flujos de trabajo de despachos de abogados en 24 áreas de práctica, y una mejora de 12,5 puntos porcentuales sobre GLM-5.3-Flash. Ambas son cifras del propio proveedor. La segunda implica una tasa de aprobación total del modelo base de alrededor del 6,7%, lo que te dice lo estricto que es el estándar de aprobación total: una tarea solo cuenta cuando cada paso se completa correctamente, por lo que un número absoluto bajo es el resultado esperado de una calificación estricta, más que una evidencia de un modelo débil.

Los otros dos benchmarks destacados no incluyen cifras. LegalBench —análisis de contratos, expedientes de fusiones, opiniones judiciales— se describe como igualando «la precisión de los principales modelos de frontera de código cerrado». PLawBench, la suite de práctica china, se describe como alcanzando «paridad con los principales sistemas de frontera». Ninguna de las afirmaciones nombra un comparador ni adjunta una puntuación. Aplicado a la ficha de TwIL-LM3-Pro, el mismo estándar pregunta cómo se desempeña el modelo jurídico en los carriles de exactitud de formato, y no hay respuesta, porque nadie ha publicado una.

Lo único que GLM-Legal publica que TwIL-LM3-Pro no publica es una demostración de su especialización en funcionamiento. En una disputa de proyecto de 40 documentos, GLM-5.3-Flash encuentra la contradicción entre un informe del cliente completado al 60 % y una instantánea interna al 41 % y dice que los documentos podrían respaldar la posición del cliente. GLM-Legal vincula una advertencia interna anterior, la instantánea y una instrucción de suprimir el riesgo y seguir facturando en una única teoría de encubrimiento, luego cita la cláusula del acuerdo de que el pago no supone renuncia de derechos y nombra los elementos de la reclamación que aún deben probarse. Se desconoce si eso se generaliza. Es visible que se trata de un comportamiento materialmente diferente al de su base.

La respuesta honesta a "¿puedo usar esto en producción?"

Ambas respuestas son no, y los dos noes tienen fechas de caducidad diferentes.

El obstáculo de TwIL-LM3-Pro es una licencia, y las licencias cambian con una decisión. El checkpoint se encuentra en Hugging Face bajo los términos no comerciales de webAI; un cambio de licencia o una compilación de LiteRT-LM con licencia comercial moverían el modelo de artefacto de investigación a componente desplegable en una sola tarde. La compilación en dispositivo que apareció el 1 de octubre lleva la restricción del repositorio principal, que es lo que hay que verificar antes de planificar en torno a ella.

El obstáculo de GLM-Legal es un programa, y los programas cambian con un contrato. El acceso se gestiona mediante una solicitud dirigida a despachos de abogados, empresas de tecnología jurídica, equipos internos y profesionales independientes, sin precio publicado ni endpoint público. La integración de AutoClaw está escrita en tiempo futuro. Para un despliegue regulado, esto es un problema más difícil que una licencia restrictiva, porque no se puede construir sobre algo que no se puede invocar.

También hay una cuestión de datos que ninguno de los dos lanzamientos responde. webAI dice que la familia superó el medio millón de descargas en un mes —una cifra del proveedor, sin auditar—, y que las descargas de un checkpoint gratuito no comercial no son un proxy del uso en producción. Los términos beta de GLM-Legal no están publicados, lo cual es distinto de ser inaceptables e idéntico a ser imposibles de evaluar por un comité de riesgos.

En qué construir mientras ambas puertas están cerradas

La medida práctica es separar al especialista del pipeline, porque el pipeline es lo que realmente poseerás. Ninguno de los dos especialistas puede enrutarse hoy en ningún lugar; lo que sí puede enrutarse es el generalista que subyace a GLM-Legal y los pasos que lo rodean.

GLM 5.3 Flash está en el catálogo de OrcaRouter al precio de lista de Z.ai con un 0 % de recargo — $0.15 por millón de tokens de entrada y $0.50 por millón de salida, lecturas de caché a $0.030 — así que un cambio de precio del proveedor en el modelo base se aplica de nuestro lado el mismo día. Una sola clave da acceso a más de 200 modelos, lo que permite que un equipo de ingeniería legal prototipe ahora los pasos de redacción, plantillas y listas de verificación en el modelo base y cambie un solo id de modelo cuando se abra la beta. La conmutación por error automática hace que ese prototipado sea seguro: una ruta de staging puede apuntar a un modelo que nadie ha evaluado de forma independiente sin poner una ruta de producción detrás de él.

Para la mitad de lógica formal del panorama, el checkpoint local y el generalista alojado son complementos más que sustitutos, y la fusión de modelos es el mecanismo que lo hace concreto: un panel de modelos que responden en conjunto, de modo que un runner pequeño que haga implicación estricta o formalización de enunciados en Lean pueda situarse junto a un modelo alojado que se encargue de la prosa que lo rodea. La división que sugieren los propios números de webAI es la obvia: ejecutar el modelo local donde el entregable es una etiqueta, y enrutar todo lo que tenga que volver como texto escrito.

Lo único que no hay que hacer es tratar ninguna de estas dos cosas como una decisión. TwIL-LM3-Pro es una descarga de 2.09 GiB que no cuesta nada evaluar y nada abandonar. GLM-Legal es un formulario, y completarlo con antelación te cuesta una tarde.

¿Cuál de los dos, si es genuinamente uno u otro?

Su solapamiento no es suficiente para que una respuesta única sea útil, así que la versión honesta es condicional. Si tu problema es el etiquetado de implicación, la formalización de enunciados en Lean, el análisis semántico o una pasada en un entorno aislado (air-gapped) donde la salida es una etiqueta en lugar de prosa, TwIL-LM3-Pro es el que mejor encaja de los dos y la licencia es tu único obstáculo real. Si tu problema es redactar según una especificación, el cumplimiento normativo en regímenes concretos o el análisis razonado sobre un conjunto de documentos que ya tienes, GLM-Legal está orientado a ello y TwIL-LM3-Pro no ha publicado ninguna evidencia jurídica en absoluto.

Lo que tienen en común es que ninguno de los dos proveedores le ha puesto un precio al producto especializado, y ambos han evaluado su resultado principal frente a su propio modelo base en su propio arnés de evaluación. Eso no es razón para descartar ninguno de los dos lanzamientos —el 19,2 % de GLM-Legal es creíble precisamente porque la evaluación es severa, y la ficha de TwIL-LM3-Pro es lo bastante honesta como para imprimir sus propios resultados nulos—. Es una razón para planificar la integración en torno a un modelo que puedas invocar hoy y tratar a ambos como mejoras que adoptas cuando se abra la puerta, no como cimientos sobre los que construir.

La barrera en TwIL-LM3-Pro es texto legal, y el texto legal es lo único en esta comparación que un proveedor puede cambiar sin lanzar nada. La barrera en GLM-Legal es una decisión comercial sobre cuándo una beta se convierte en un producto. De las dos, vigila la licencia: es la que podría cambiar sin previo aviso.

La fusión de modelos es el mecanismo que lo hace concreto: un panel de modelos que responden en conjunto, de modo que un pequeño runner que se encarga de la implicación estricta o de la formalización de enunciados en Lean pueda situarse junto a un modelo alojado que se encarga de la prosa que lo rodea.