GLM-Legal: l'agente legale di Z.ai ottiene il 19,2% su Harvey LAB — e debutta come beta ad accesso su richiesta

Z.ai ha pubblicato GLM-Legalil 12 ottobre 2026, e il numero con cui apre è 19,2%. È il tasso di successo complessivo del modello su Harvey LAB, una valutazione dei flussi di lavoro degli studi legali creata dal fornitore di AI legale Harvey su 24 aree di pratica — ed è la cifra più affidabile del rilascio proprio perché sembra poco impressionante. Un modello legale che supera meno di un compito su cinque su un banco di prova serio viene valutato secondo uno standard che il suo stesso fornitore non ha ammorbidito. La parte più debole è tutto ciò che lo circonda: gli altri due benchmark principali, LegalBench e PLawBench, sono descritti come equivalenti a "modelli frontier closed-source" senza nome e non riportano alcun numero. GLM-Legal è basato su GLM-5.3-Flash, il modello fondazionale multimodale di Z.ai da 320B totali e 18B attivi, e al momento l'unico modo per ottenerlo è un modulo sulla pagina di consulenza del fornitore, non una chiave API.

Quella combinazione — un numero vero, valutato onestamente, più due affermazioni di parità non quantificate — è l'intera forma di questa release, e vale la pena separarla prima di ogni altra cosa.

Cosa dice il 19,2% su Harvey LAB, e cosa non dice

Harvey LAB valuta in regime all-pass. Un compito conta per il modello solo se ogni passaggio va a segno: i problemi giusti individuati, le disposizioni giuste citate, l'analisi difendibile, l'output formattato secondo il brief. È una soglia più severa di un benchmark a credito parziale, ed è la ragione per cui il numero assoluto è basso, non la ragione per cui il modello è debole. Z.ai lo presenta come conferma di "un'esecuzione affidabile dei compiti end-to-end senza degradazione intermedia" — in un regime all-pass, è l'unica cosa che un compito superato può significare.

Il confronto fornito da Z.ai è rispetto al suo stesso modello di base, e afferma che GLM-Legal migliora di 12,5 punti percentuali. Leggete questo alla luce del titolo e l'aritmetica è impietosa:

• GLM-Legal su Harvey LAB — 19,2% all-pass, su 24 aree di pratica, secondo Z.ai.

• Punteggio implicito del modello base — circa 6,7%, poiché Z.ai indica il divario in 12,5 punti e la base è GLM-5.3-Flash.

• Indipendenza — nessuna. Entrambi i valori sono di Z.ai, misurati su un'esecuzione di Z.ai, e nessuna terza parte li ha riprodotti.

• Il ruolo di Harvey — Harvey ha creato il benchmark; l'annuncio non specifica se la valutazione sia stata eseguita da Harvey o da Z.ai.

Quell'ultima riga è il divario onesto. "Costruito da Harvey" e "valutato da Harvey" sono affermazioni diverse, e solo la prima viene fatta. Un miglioramento di 12,5 punti rispetto a un modello base è un ordine di grandezza plausibile per il mid-training di dominio più RL — ecco come appare la specializzazione legale quando funziona — ma finché qualcuno al di fuori di Z.ai non riesegue l'harness, è un numero del fornitore, e va citato come tale.

Le due affermazioni senza alcun numero associato

LegalBench copre l'analisi dei contratti, i depositi relativi a fusioni e le pronunce giudiziarie; PLawBench copre la consulenza legale cinese, l'analisi dei casi e la redazione di documenti secondo rubriche dettagliate. L'affermazione di Z.ai sulla prima è che GLM-Legal li analizza "con la precisione dei migliori modelli di frontiera closed-source", e sulla seconda che "raggiunge la parità con i principali sistemi di frontiera".

Entrambe le affermazioni sono qualitative. Nessuna delle due è accompagnata da un punteggio, un intervallo di confidenza o un comparatore nominato. Non è una ragione per dubitarne — GLM-5.3-Flash è una base solida, e un derivato specializzato in un dominio di una base solida raggiunge spesso la parità nel ragionamento di dominio — ma un'affermazione di parità alla quale non puoi associare un numero è non verificabile per costruzione, e le due dichiarazioni quantitative nel comunicato riguardano entrambe lo stesso benchmark. Un lettore che confronta questo lancio con quello di un concorrente dovrebbe notare che il comunicato è in realtà un risultato misurato più due affermazioni argomentate.

Ciò che l'addestramento ha effettivamente cambiato

Il dettaglio metodologico qui conta più che in un tipico fine-tuning di dominio, perché GLM-Legal è una specializzazione a livello di pesi piuttosto che un prodotto di retrieval. Z.ai non ha distribuito un indice di giurisprudenza; ha modificato il modello. Due fasi:

• Addestramento intermedio — corpora giuridici espansi di alta qualità, che insegnano norme di legge e quadri interpretativi all'interno di un contesto di dominio denso, per rafforzare la catena deduttiva dai fatti alle regole alle conclusioni.

• Post-addestramento — apprendimento per rinforzo attraverso quelli che Z.ai definisce "decine di migliaia di ambienti legali realistici", in cui il modello impara a pianificare un'analisi, portare avanti un flusso di lavoro e produrre un risultato finale entro vincoli concreti.

La parte insolita è il ciclo attorno alla fase di post-training. Z.ai descrive l'agent harness — il livello di orchestrazione runtime che prepara il contesto, collega gli strumenti e instrada il feedback di esecuzione — come co-evolvente con il modello anziché fisso al di sotto di esso. I casi limite emersi durante l'addestramento hanno esposto i colli di bottiglia dell'harness; i perfezionamenti dell'harness hanno esposto il modello a vincoli di esecuzione più realistici. Lo scopo dichiarato è fermare il classico fallimento del modello di dominio in cui si aggiunge conoscenza ma non il comportamento del flusso di lavoro.

Se ciò sia generalizzabile è esattamente ciò che il 19,2% all-pass sta verificando. È un'affermazione di affidabilità, non di conoscenza, ed è la cosa giusta su cui misurare un deployment in ambito legale.

Le tre demo, lette attentamente.

Il post del blog mostra GLM-5.3-Flash e GLM-Legal rispondere agli stessi tre prompt fianco a fianco. Il confronto è redatto dal fornitore e i prompt sono scelti dal fornitore, quindi dimostra meno di quanto farebbe un testa a testa — ma le divergenze sono abbastanza specifiche da essere informative.

Revisione del contratto. Il compito riguarda un contratto di servizi software per un cliente che cambia fornitore. Il parere del modello di base è ragionevole e generico: ridurre il periodo di preavviso, ottenere che il fornitore restituisca i dati e i deliverable pagati, aggiungere l'obbligo di cooperare con il fornitore subentrante. Il parere di GLM-Legal ha la stessa impostazione ma definisce i numeri: ridurre il preavviso di recesso per comodità da 60 a 30 giorni, eliminare del tutto il periodo di rimedio per violazioni degli obblighi in materia di PI, riservatezza o sicurezza dei dati, richiedere la restituzione del materiale prodotto indipendentemente dal fatto che sia stato pagato e aggiungere fino a 90 giorni di assistenza per la transizione alle tariffe allora in vigore del fornitore. Questa è la differenza tra una checklist e una redline. Z.ai afferma che AutoClaw applica quelle modifiche al documento Word come modifiche tracciate e commenti.

Analisi delle prove.Quaranta documenti da una controversia su un progetto software. Il modello di base individua la contraddizione tra il rapporto al cliente del 30 settembre che dichiara il 60% di completamento e l'istantanea interna a circa il 41%, e afferma correttamente che i documenti "possono sostenere" la posizione del cliente. GLM-Legal collega l'avvertimento interno dell'8 settembre secondo cui la milestone non poteva essere raggiunta in modo onesto, l'istantanea del 41% e un'istruzione dirigenziale di sopprimere il rischio e continuare a fatturare in un'unica teoria di occultamento, poi cita le clausole del master services agreement secondo cui il pagamento non implica rinuncia ai diritti e le garanzie che sopravvivono come motivo per cui il pagamento continuato non risolve la controversia. Il modello di base ha trovato i fatti; GLM-Legal ha costruito l'argomentazione e ha indicato gli elementi della domanda ancora da verificare.

Ricerca sulla conformità. Un sito web in fase di lancio a Singapore, Malaysia e Indonesia con tracciamento, email marketing e archiviazione cloud all'estero. Il modello di base produce una lista di cose da fare pre-lancio competente. GLM-Legal ne produce una prioritizzata con agganci normativi — SG PDPA s26, MY PDPA s129, ID PDP Law Arts 55–56 — e separa i controlli condivisi dalle questioni specifiche per mercato.

Le citazioni di legge sono la parte che un avvocato può controllare in un pomeriggio, ed è per questo che le demo valgono la pena di essere lette. La parte che non mostrano è come si comporta il modello su una questione in cui la risposta corretta è che il cliente ha torto.

Accesso: prima un modulo, AutoClaw più tardi

Non esiste un prezzo pubblicato né un endpoint pubblico. L'invito all'azione di Z.ai è «Partecipa alla Beta di GLM-Legal», rivolto a studi legali, aziende legal-tech, team interni e professionisti indipendenti, con accesso API previa richiesta sulla pagina di consulenza del fornitore. Il paragrafo su AutoClaw è scritto al futuro — «presto potrai mettere all'opera queste capacità in AutoClaw» — quindi la piattaforma di agenti desktop è un'integrazione in arrivo, non una già disponibile, e Z.ai non si impegna su una data per nessuna delle due.

Se oggi vuoi sviluppare basandoti sul modello sottostante, la distinzione onesta è questa: la versione base è disponibile, quella legale no. GLM 5.3 Flash è nel catalogo OrcaRouter al prezzo di listino di Z.ai, senza alcun ricarico aggiunto — 0,15 $ per milione di token in input e 0,50 $ per milione di token in output, con le letture dalla cache a 0,030 $ — così una variazione di prezzo del fornitore su quel modello si riflette dalla nostra parte lo stesso giorno, anziché alla fine di un ciclo contrattuale. Una sola chiave raggiunge più di 200 modelli, e il failover automatico significa che puoi indirizzare un percorso di staging verso il modello base senza scommettere su di esso una rotta di produzione. Tutto ciò che nelle tre demo non dipende dal post-training legale — ristrutturare un insieme di clausole che fornisci tu, formattare l'output secondo il modello di uno studio, generare una checklist di revisione di primo passaggio — puoi prototiparlo ora su GLM 5.3 Flash e cambiare l'id del modello quando si apre la beta. Tutto ciò che dipende dalla specializzazione non puoi prototiparlo, perché la specializzazione è la parte che sta dietro il modulo.

Cosa cambierebbe questa storia?

Tre cose, in ordine di quanto contano. Un numero per LegalBench e PLawBench — le affermazioni di parità sono quelle portanti per chiunque scelga un modello legale, e al momento sono le meno verificabili. Un'esecuzione indipendente di Harvey LAB, idealmente una in cui sia Harvey, anziché Z.ai, a controllare l'harness. E un prezzo, perché un modello di dominio che costa sensibilmente di più per pratica rispetto al suo base deve guadagnarsi quella differenza sul tasso all-pass piuttosto che sulla rifinitura.

Nessuno dei tre è arrivato. Quello che è arrivato è un modello davvero specializzato, costruito su una base con 18B di parametri attivi, con un unico benchmark eseguito secondo uno standard di valutazione così rigoroso che il 19,2% appare credibile, e un processo di accesso che indica che il fornitore non è ancora abbastanza sicuro da inserirlo in un listino prezzi.

Per un team legale che deve decidere cosa fare con l'annuncio di questa settimana, la risposta è probabilmente la stessa che per qualsiasi rilascio vincolato a una domanda di accesso: leggete le demo per le modalità di fallimento che rivelano, verificate voi stessi i riferimenti di legge, e costruite la pipeline circostante su un modello che potete effettivamente chiamare oggi, così che sostituire un id di modello sia l'intera migrazione.

failover automatico significa che puoi indirizzare un percorso di staging al modello di base senza scommettere una route di produzione su di esso.