GLM-Legal מול Astra for Law: שתי דרכים לבנות מודל משפטי, ורק אחת מהן מוכרת לך API

שני המודלים המשפטיים המעניינים ביותר שהושקו בחודש האחרון פותרים את אותה בעיה באמצעים הפוכים. GLM-Legal הוא התמחות ברמת המשקלים — Z.ai לקחה את GLM-5.3-Flash והעבירה אותו אימון-ביניים משפטי ולמידת חיזוק עד שהתנהג כמו עורך דין פעיל. Astra for Law הוא קונפיגורציה — הספק השאיר את GPT-6 Astra בדיוק כפי שהיה והרכיב על חזיתו אינדקס של 230 מיליון כתובות URL של פסיקת בתי משפט בארה"ב וסט הוראות משפטיות. האחד הוא עורך דין חכם יותר עם הספרייה הלא נכונה; האחר הוא עורך דין רגיל עם ספרייה יוצאת דופן. איזה מהם תרצו תלוי כמעט לחלוטין בשאלה אם הבעיה שלכם היא הסקה או אחזור, ושתי ההשקות מדורגות לפי מדדים שאי אפשר להעמיד זה לצד זה.

הנקודה האחרונה היא הסיבה לכך שההשוואה הזו מורכבת יותר ממה שהכותרות גורמות לה להיראות, ולכן כדאי להקדים ולסלק אותה מהדרך.

מדוע אין מספר בכתבה הזו שמשווה אותם ראש בראש

הנתון המרכזי של GLM-Legal הוא 19.2% מעבר מלא ב-Harvey LAB. הנתון המרכזי של Astra for Law הוא 54.0% נכונות כוללת על סט אימות פרטי למחקר משפטי בארה״ב. כל אחד יכול לחלק את 54 ב-19.2 ולהסיק שהגרסה המוגדרת טובה כמעט פי שלושה. החשבון הזה חסר משמעות, והנה בדיוק מדוע:

• מה נבחן — GLM-Legal במשימות תהליך עבודה מקצה לקצה של משרדי עורכי דין ב-24 תחומי התמחות לעומת Astra for Law בשאלות מחקר משפטי בארה"ב. משפחות משימות שונות, ולא רמות קושי שונות של אותה משימה.

• חומרת הדירוג — Harvey LAB הוא במתכונת all-pass: משימה נספרת רק אם כל שלב מצליח. הנתון של Astra הוא נכונות כוללת, צבירה בזיכוי חלקי. ניקוד בשיטת all-pass מייצר באופן מכני מספרים נמוכים יותר על אותו מודל, ושיעור all-pass של 19.2% אינו ניתן להשוואה לאף אחוז שמעניק זיכוי חלקי.

• קווי בסיס — Z.ai מודדת את GLM-Legal מול GLM-5.3-Flash ומדווחת על שיפור של 12.5 נקודות. יצרנית GPT מודדת את Astra for Law מול GPT-6 Astra עם חיפוש אינטרנט רגיל — 38.7% עד 54.0% — והאחזור עושה כמעט את כל העבודה הזו. שתיהן טענות דלתא מול הבסיס של הספק עצמו, לא זו מול זו.

• תחום שיפוט — היעילות המשפטית תלויה בתחום השיפוט, ואף אחת משתי מערכות הבדיקה לא מכסה את התחום של האחרת. Harvey LAB וקבוצת האימות Astra ממוקדים בארה"ב; PLawBench, המבחן השני של GLM-Legal, הוא סיני. מודל יכול להיות מצוין באחד וחסר תועלת באחר, ועדיין לקבל ציון טוב במספרים של שתי המהדורות.

• עצמאות — אפס משני הצדדים. אף גורם שלישי לא הריץ מחדש את Harvey LAB עם GLM-Legal, ואיש מחוץ לספק לא שולט בחלוקה שעליה נמדדו 54.0%.

הלוח הציבורי היחיד שנגע בתחום הזה הוא Legal Research Bench של Vals AI, שבו Astra for Law קיבלה ציון של 9.4% נכונות לעומת 22.5% עבור מודל frontier ללא שם — תזכורת לכך שכאשר כללי הערכה קפדניים מחליפים חלוקות שנבחרו בידי הספקים, מספרי הכותרת בקטגוריה הזו נוטים לזוז למטה, לא למעלה. זה אינו פסק דין על Astra for Law; זו סיבה להתייחס לכל נתון בהשוואה הזו ביד רפה.

מה שכל אחד מהם בנוי לעשות בפועל

ההבדל בארכיטקטורה אינו אקדמי — הוא קובע במה כל מודל יכול להיות טוב.

• GLM-Legal — המודל השתנה. קורפוסים משפטיים בשלב אימון הביניים, ואחר כך למידת חיזוק (RL) על פני מה ש-Z.ai מתארת כעשרות אלפי סביבות משפטיות מציאותיות, כאשר תשתית הסוכן מתפתחת במקביל למשקולות. זה מספק יכולות הסקה, לא ספרייה.

• Astra for Law — המודל לא עשה זאת. אותם משקלים של GPT-6 Astra, בתוספת שכבת אחזור על פני פסיקת בתי המשפט בארה״ב, חוקים ותקנות, ובתוספת הוראות ייעודיות למשפט. הוא מגיע עם ספרייה, לא עם עורך דין טוב יותר.

• הראיות של GLM-Legal — השוואה זה לצד זה מול הבסיס שלה עצמו. באותן הנחיות, GLM-5.3-Flash נותן ייעוץ כללי מוכשר; GLM-Legal מכריע את המספרים — מקצר הודעת סיום מטעמי נוחות מ-60 ל-30 יום, מסיר את תקופת הריפוי להפרות קניין רוחני וסודיות, מחייב החזרת תוצר העבודה בין אם שולם עבורו ובין אם לא, ומוסיף עד 90 ימים של סיוע במעבר לפי תעריפי הספק.

• הראיות של Astra for Law — דלתא באחזור. 54.0% לעומת 38.7% נכונות כוללת, 24% יותר מקרי ייחוס שנמצאו, עד 54% יותר קטעים רלוונטיים שאוחזרו מחוות דעת נכונות, ובערך כפול מאורך התשובה. המספרים של הספק עצמו, בפיצול שאף אחד אחר לא יכול להריץ.

• הסיכום הכן של ההדגמות — המודל הבסיסי מוצא את העובדות, המודל המתמחה בונה את הטיעון.בדוגמת ניתוח הראיות של Z.ai, GLM-5.3-Flash מזהה סתירה בין דוח לקוח שהושלם ב-60% לבין תמונת מצב פנימית של 41% ואומר שהמסמכים "עשויים לתמוך" בעמדת הלקוח. GLM-Legal מקשר אזהרה פנימית קודמת, את תמונת המצב והוראה להסתיר את הסיכון לתאוריית הסתרה אחת ומציין את מרכיבי התביעה שנותרו לבדיקה.

בקריאה משותפת, שני בסיסי הראיות הללו מתארים חלוקה ברורה. GLM-Legal משווקת על בסיס שיקול דעת; Astra for Law משווקת על בסיס היכולת לא להחמיץ את התיק.

איפה כל אחד מהם עלול לאכזב אותך

שתי המהדורות מתעדות את נקודות התורפה של עצמן, וזה יותר ממה שרוב ההשקות מצליחות לעשות, ומצבי הכשל שלהן הם תמונות ראי האחד של השני.

התוצאה המאלפת ביותר של Astra for Law הגיעה ממבחן של צד שלישי ולא מההשקה עצמה. בתחומי שיפוט מחוץ לארה"ב, שלושה מודלים שנבדקו על ידי חברת הבינה המלאכותית המשפטית HAQQ ציטטו כל אחד את ההוראה הנכונה תוך הצגה שגויה של מה שהיא אומרת — Astra הייתה נכונה מבחינה משפטית ב-66.7% מהפריטים האלה, לעומת 100% עבור Claude Opus 5. בודק הציטוטים מאשר את התשובות האלה, כי הציטוט אמיתי ונכון. הלקוח לא. זהו הכשל ש-Legal Search Index נמצא בעמדה הגרועה ביותר מבחינה מבנית לתקן: האינדקס מוגבל לארה"ב בלבד, והשגיאה היא בקריאה ולא באחזור.

חולשותיו של GLM-Legal נמצאות בכיוון ההפוך. הוא מכוונן לפרקטיקה סטטוטורית סינית ורבת-תחומים — הדגמת הציות פותרת חובות פרטיות של סינגפור, מלזיה ואינדונזיה עם ציטוטים ברמת הסעיף — ואין לו מקבילה לאינדקס פסיקה אמריקאי. במחקר אמריקאי, הארכיטקטורה שמוצאת 230 מיליון כתובות URL של תקדימים עושה משהו ש-GLM-Legal פשוט אינו עושה. החוזקות המפורסמות שלו הן ניסוח, קישור ראיות ועבודת מסמכים המדורגת לפי רובריקה; הראיות המפורסמות שלו אינן כוללות כלל טענת אחזור.

אף אחד מהספקים לא פרסם את תיעוד הממשל שהיועץ המשפטי הראשי של משרד עורכי דין יבקש לראות ראשון. Astra for Law מגיע עם Zero Data Retention ב-API ועם שימוש ב-ChatGPT Enterprise המוחרג מבדיקה אנושית כברירת מחדל, אך הכיסוי הזה ניתן לכל ארגון בנפרד, והתוכנית מבוססת על הזמנות. תנאי הבטא של GLM-Legal כלל לא פורסמו, וזה אינו זהה לכך שהם בלתי מקובלים — הם פשוט לא מתועדים, ומשהו שאינו מתועד הוא בדיוק מה שאי אפשר להביא לוועדת סיכונים.

האפשרות לנסות אחד מהשניים, ומה זה עולה

אף אחת מהתצורות החוקיות אינה מופיעה בכרטיס תעריפים ציבורי.

• Astra for Law — גישה מהימנה, מבוססת הזמנה ומיועדת למשרדי עורכי דין גדולים; אין מחיר מפורסם עבור התצורה המשפטית; מזהה המודל ב-API תואר כ"בקרוב".

• GLM-Legal — אפליקציית בטא המיועדת למשרדי עורכי דין, חברות טכנולוגיה משפטית, צוותים פנימיים ועצמאיים; אין מחיר מפורסם; אין נקודת קצה ציבורית.

• המודלים הבסיסיים, עם זאת, שניהם פעילים.התמחור של GPT-6 Astra עומד על $10 למיליון טוקני קלט ו-$50 למיליון פלט בהקשר של 1.05 מיליון טוקנים, עם תמחור מחדש להקשר ארוך מעל 272,000 טוקני קלט שמערכי מסמכים משפטיים יחצו באופן שגרתי. התמחור של GLM 5.3 Flash עומד על $0.15 ו-$0.50 בהקשר של מיליון טוקנים. זהו הבדל של פי 66 במחיר הקלט בין שני מודלים ששניהם קולטים מערך חוזים במעבר אחד.

שניהם נמצאים בקטלוג של OrcaRouter במחירי המחירון הללו, בלי שום תוספת, וזה חשוב כאן יותר מהרגיל בקטגוריה הזאת: שינוי מחיר של ספק באחד מהדגמים חל כאן כבר באותו יום, ולא בסוף מחזור חוזה. מפתח אחד מכסה את שניהם, כך שצוות הנדסה משפטית שרוצה את Astra לעבודה עתירת אחזור ואת GLM 5.3 Flash לסקירה ראשונית בנפחים גבוהים לא צריך שתי מערכות יחסים מסחריות, שני SDK-ים או שתי קבוצות הרשאות. ה-DSL של הניתוב מפצל את התעבורה לפי סוג משימה, כך שמסלול הניסוח ומסלול הסיכום יכולים להצביע על דגמים שונים ובכל זאת לחייב בחשבונית אחת.

ויש הגבלה מכוונת שראויה להיקרא בשמה ולא להיות מוסתרת. הדבר שבאמת מבדיל את Astra for Law מ-GPT-6 Astra הוא ה-Legal Search Index, והשכבה הזו אינה עומדת למכירה — לא ניתן לנתב אליה, וגם אף אחד אחר לא יכול. מה שאנחנו מנתבים הוא מודל הבסיס. צוות שיוצר היום אב-טיפוס של תהליך עבודה משפטי על GPT-6 Astra בוחן הכול מלבד החלק שהפך את התצורה המשפטית לטובה יותר.

איזה אחד לבחור?

אם העבודה היא מחקר בפסיקה של ארה"ב, ניתוח עתיר תקדימים, או כל דבר שבו הסיכון העיקרי הוא החמצת אסמכתא, Astra for Law מכוון בדיוק לכך ו-GLM-Legal אינו מתחרה על זה. אם העבודה היא ניסוח לפי מפרט, עמידה בדרישות חוקיות במשטרים נקובים, או הסקה על פני מערך מסמכים שכבר סיפקת, הראיות של GLM-Legal רלוונטיות ישירות יותר — והדמואים שלה מציגים את ההתנהגות הספציפית שאתה רוצה, כלומר מודל שמייצר מספרים ולשון סעיפים במקום רשימת בדיקה של דברים שיש לשקול.

עבור רוב הצוותים המשפטיים, התשובה המעשית ברבעון הזה היא שאף אחד מהשניים אינו החלטה שעליכם לקבל עדיין. שניהם תלויים בבקשה לגישה, שניהם ללא תמחור, ולשניהם יש בדיוק ריצת בנצ׳מרק אחת בשליטת הספק מאחורי מספרי הכותרת שלהם. הצוותים שיהיו מוכנים כשהשערים ייפתחו הם אלה שהשקיעו את הזמן שבינתיים בבניית ה־pipeline על מודלים בסיסיים שאפשר למעשה לקרוא להם — כך שאימוץ הגרסה המתמחה בשלב מאוחר יותר יהיה שינוי של model-id ולא בנייה מחדש של הפלטפורמה.

ה-DSL לניתוב מפצל את התעבורה לפי מחלקת משימה, כך שנתיב הניסוח ונתיב הסיכום יכולים להצביע על מודלים שונים ועדיין להיות מחויבים בחשבונית אחת.