GLM-Legal 対 TwIL-LM3-Pro：ゲートは片側ではライセンス、もう片側ではフォームである

ベンチマークスコアと申請フォームとして存在する法務エージェント 対 今日の午後にはダウンロードできて、ほぼどこにもデプロイできない形式論理モデル。 GLM-Legal と TwIL-LM3-Pro はどちらも、数週間の間隔をあけてリリースされた狭い専門特化モデルだ——一方は Z.ai が GLM-5.3-Flash 上に構築した、契約レビュー、証拠分析、コンプライアンス向けのモデル。もう一方は webAI による 3.66B パラメータの推論モデルで、形式論理向けに作られ、IBM の granite-4.2-3b から派生している。両者は同じ枠を争うライバルではないし、このページもそう装うつもりはない。この二つを並べて論じる価値があるのは、2026年における専門特化モデルが取る二つの異なる形であり、それぞれの形に「入手できなさ」の流儀があるからだ。TwIL-LM3-Pro は商用利用を禁じるライセンスの下で提供され、GLM-Legal は公開されたライセンスも価格もエンドポイントも一切ないベータ申請の背後で提供されている。

どちらを採用すべきか決めようとしてここにたどり着いたなら、短く言えば、一方は法的に使えないファイルであり、もう一方はまだ購入できないサービスだ。長く言えば、その二つの問題のうち、どちらが実際にこの四半期に解決可能なのか、という話になる。

仕様と、それが排除するもの

パラメータの差は、各モデルが何のためのものかを変えてしまうほど大きい。だから、議論の前に数字を書き出しておく価値がある：

• サイズと形状 — GLM-Legalは、合計320B、アクティブ18Bのマルチモーダル基盤モデルの派生モデルです。TwIL-LM3-Proは3.66Bのdenseデコーダーで、パラメータ数は正確に3,659,737,600、40層であり、bf16では6.82 GiB、Q4_K_M GGUFでは2.09 GiBで動作します。

• コンテキスト — GLM-LegalはGLM-5.3-Flashの1Mトークンウィンドウを継承し、TwIL-LM3-Proはgranite-4.2-3bの131,072トークンをそのまま引き継ぎます。

• 訓練に用いられたもの — 中間訓練における法務コーパスに加え、数万の現実的な法務環境にわたるRL 対、合成形式論理コーパスに対するrank-64 LoRAの教師ありファインチューニング、マルチパス蒸留、チェックポイント融合、およびプログラムによる検証器に対するエントロピー重み付きGRPO段階

• 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.

• 配布 — APIアクセス用の申請フォームか、Hugging Faceのチェックポイントか、LiteRT-LMのオンデバイスビルドか、エンタープライズ向けの取り決めか。

• 公開ベンチマーク — 第三者製ハーネス上の全項目合格という1つの数値と、数値化されていない同等性の主張2件に対して、モデルカード自体が一部で結論不十分と述べている、ベンダーが構築したハーネス上でベンダーが実行した詳細な数値群である。

一番下にあるその2行が、ほかのすべてを決める行です。まずデプロイメント行を読んでください。GLM-Legalには公開エンドポイントがなく、TwIL-LM3-Proには商用ライセンスがありません。この比較におけるほかのすべては、その結果として決まります。

TwIL-LM3-Proの数字を、自身のカードと同じ流儀で読む

webAIは異例なほど率直な評価資料を公開したが、その中で最も有用なのは、マーケティングページなら削除されていたであろう一文だ。マクロゲート——Qwen3-8Bの0.5336に対して0.5539——について、このカードはリードが0.020であり、「各レーンあたりn = 200でのサンプリングノイズより小さい」と記し、読者には勝利ではなく同等として評価するよう求めている。

このモデルがQwen3-8Bから明確に差別化される場面では、その差は実際に存在し、測定可能である：

• Strict-7 — 0.2093 に対して 0.2879。緩い一致の加点を一切使っていない行であり、したがって書式上の偶然によって生じ得るものではない。

• Strict MCQ — 0.4100 対 0.0000 で、報告された11行の中で最も大きなレーン差です。

• コーパス適合性 — 2.5478 に対して 2.3130 と、全アーム中で最も低い言語モデルのパープレキシティ。

• ホールドアウト・スイート — モデルはこれをリードしていない。10データセットのマクロ平均は0.7901で、自社ベースの0.7942と統計的に同等であり、Qwen3-8Bの0.8493には及ばない。

• 専門分野の内訳 — FOL翻訳の完全一致は0.0100、意味解析の完全一致は0.0000で、いずれもベンダーによって開示されています。

それが、狭い専門特化型を正直に記述したときの姿だ。すなわち、それが作られたまさにその用途では強く、一般的な推論では同等か後れを取っており、特定の2つの出力形式では苦手である。これは、ライセンスがこれほど重要である理由でもある。これほど特化したモデルには役割が1つしかなく、その役割が商用であれば、ライセンスがそれを完全に妨げる。

同じ疑いの目でGLM-Legalの数字を読む

Z.aiのリリースは、24の実務領域にわたる法律事務所のワークフロー評価であるHarvey LABで19.2%の全工程通過率を達成したこと、そしてGLM-5.3-Flashから12.5ポイント改善したことを前面に打ち出している。いずれもベンダー自身の数字だ。後者は、ベースモデルの全工程通過率がおよそ6.7%前後であることを示唆しており、これが全工程通過基準の厳しさを物語っている。すべてのステップが成功して初めてタスクが達成と見なされるため、絶対値が低いのは厳格な採点の当然の帰結であって、モデルが弱い証拠ではない。

他の2つの主要ベンチマークには数値がまったく伴っていない。LegalBench ——契約書の解析、合併申請書、司法意見——は、「トップクラスのクローズドソース・フロンティアモデルの精度」に匹敵すると説明されている。中国実務向けスイートであるPLawBenchは、「主要なフロンティアシステムとの同等性」に達すると説明されている。どちらの主張も比較対象を名指ししておらず、スコアも付していない。これをTwIL-LM3-Proのカードに当てはめると、同じ基準は、この法務モデルがフォーマット厳密性のレーンでどのような成績を収めるかを問うことになるが、答えはない。誰も公表していないからだ。

TwIL-LM3-Pro が公開しておらず GLM-Legal が公開している唯一のものは、その特化が機能していることの実証だ。40文書からなるプロジェクト紛争で、GLM-5.3-Flash は60%まで完成したクライアント報告書と41%の内部スナップショットの間の矛盾を見つけ、文書はクライアントの立場を支持する可能性があると述べる。GLM-Legal は、以前の内部警告、そのスナップショット、そしてリスクを抑え込んで請求を続けるよう求める指示を一つの隠蔽理論に結びつけ、次に契約の「支払いは権利放棄を構成しない」条項を引用し、なお検証すべき請求の要素を挙げる。それが一般化するかどうかは不明だ。それがそのベースモデルとは実質的に異なる挙動であることは明らかだ。

「これを本番環境で使えますか」に対する正直な答え

どちらの回答も「いいえ」で、その二つの「いいえ」は有効期限が異なります。

TwIL-LM3-Proの障壁はライセンスであり、ライセンスは決定ひとつで変わる。チェックポイントはHugging Face上にあり、webAI独自の非商用条件の下に置かれている。再ライセンス、あるいは商用ライセンス版のLiteRT-LMビルドであれば、このモデルは研究用の成果物から展開可能なコンポーネントへと、わずか半日で移行するだろう。10月1日に登場したオンデバイスビルドは親リポジトリの制限を引き継いでおり、それを前提に計画を立てる前に確認すべきなのはまさにその点だ。

GLM-Legalの障壁はプログラムであり、プログラムは契約によって変わる。アクセスは、法律事務所、リーガルテック企業、社内チーム、独立実務家を対象としたアプリケーションを通じて行われるが、公開価格も公開エンドポイントもない。AutoClawの統合は未来時制で書かれている。規制対象のデプロイメントにとって、これは制限的なライセンスよりも難しい問題である。なぜなら、呼び出せないものの上には構築できないからだ。

どちらのリリースも答えていないデータ上の疑問も残る。webAIは、このファミリーが1か月で50万ダウンロードを突破したと述べている——ベンダーによる未監査の数字であり——無料の非商用チェックポイントのダウンロード数は、本番利用の代理指標にはならない。GLM-Legalのベータ利用条件は未公開であり、それは受け入れられないこととは異なるが、リスク委員会が評価できないこととまったく同じである。

両方のゲートが閉まっている間、何を基盤に築くべきか

実用的な一手は、専門特化モデルをパイプラインから切り離すことだ。実際にあなたが所有することになるのはパイプラインなのだから。今日、どちらの専門特化モデルもどこにもルーティング可能ではない。ルーティング可能なのは、GLM-Legal の下にある汎用モデルと、その周辺のステップだ。

GLM 5.3 FlashはOrcaRouterのカタログに、Z.aiの定価、マークアップ0%で掲載されています — 入力トークン100万あたり$0.15、出力100万あたり$0.50、キャッシュ読み取りは$0.030 — そのため、ベースモデルのベンダー価格の変更は同日中に当社側でも反映されます。1つのキーで200を超えるモデルにアクセスできます。だからこそ、リーガルエンジニアリングチームは今はベースモデル上でドラフト作成、テンプレート化、チェックリストの各ステップをプロトタイピングし、ベータ版が公開されたらモデルIDを1つ変更するだけで済みます。自動フェイルオーバーがそのプロトタイピングを安全にします。ステージングルートは、本番パスをその後ろに置くことなく、誰も独自に評価していないモデルを指し示すことができるのです。

形式論理の側面について言えば、ローカルチェックポイントとホスト型の汎用モデルは代替物ではなく補完物であり、モデル融合こそがそれを具体化する仕組みだ——複数のモデルが一緒に回答するパネルによって、厳密な含意判定や Lean ステートメントの形式化を担う小型ランナーが、その周辺の文章を担うホスト型モデルと並び立つことができる。webAI 自身の数値が示唆する分割は明らかなものだ：成果物がラベルである場合はローカルモデルを動かし、文章として返ってくる必要があるものはすべてルーティングする。

何よりもやってはいけないのは、これらのどちらかを意思決定として扱うことだ。TwIL-LM3-Proは2.09 GiBのダウンロードで、評価するにも放棄するにも費用はかからない。GLM-Legalはフォームであり、早めに記入すると午後が1つつぶれる。

本当にどちらか一方であるのなら、どちらなのか

両者は、単一の答えが役に立つほどには重なっていない。したがって、正直に言えば条件付きの答えになる。あなたの問題が含意ラベリング、Lean 文の形式化、意味解析、あるいは出力が文章ではなくラベルであるエアギャップ環境での処理なら、TwIL-LM3-Pro のほうが両者の中ではより適合しており、ライセンスだけが実質的な障害になる。あなたの問題が仕様に沿った起草、指定された法域をまたぐ法令遵守、あるいはすでに保有している文書群に対する推論的分析なら、GLM-Legal はまさにそこを狙っており、TwIL-LM3-Pro は法的な証拠を一切公表していない。

両者に共通するのは、どちらのベンダーもその特化型製品に価格を付けていないこと、そして両方とも自社のヘッドライン結果を自社のベースモデルに対して自社のハーネス上で評価していることだ。それはどちらのリリースも切り捨てる理由にはならない——GLM-Legalの19.2%が信頼できるのは、まさにその評価が厳しいからであり、TwIL-LM3-Proのカードは自らのヌル結果を記載するほど誠実である。むしろ、今日呼び出せるモデルを中心に統合を計画し、これら両方を、基盤としてその上に構築するものではなく、ゲートが開いたときに導入するアップグレードとして扱うべき理由である。

TwIL-LM3-Pro のゲートは法的文書であり、この比較においてベンダーが何も出荷せずに変更できる唯一のものだ。GLM-Legal のゲートは、ベータが製品になる時期に関するビジネス判断である。両者のうち、注視すべきはライセンスだ。予告なく動く可能性があるのはこちらである。

モデル融合は、それを具体化する仕組みです — 複数のモデルが一緒に答えるパネルであり、厳密な含意判定や Lean 文の形式化を担う小規模なランナーが、その周囲の文章を担うホスト型モデルと並んで配置できるようにします。