GLM-Legal: Agent prawny Z.ai uzyskuje 19,2% w Harvey LAB — i startuje jako beta, o którą trzeba się ubiegać

Z.ai opublikowało GLM-Legal 12 października 2026 roku, a liczba, od której zaczyna, to 19,2%. To odsetek wszystkich zaliczonych zadań tego modelu w Harvey LAB — ocenie przepływów pracy kancelarii prawnych stworzonej przez dostawcę narzędzi AI dla prawa, firmę Harvey, obejmującej 24 dziedziny praktyki — i jest to najbardziej wiarygodna liczba w tym wydaniu właśnie dlatego, że wygląda niepozornie. Model prawniczy, który zalicza mniej niż jedno zadanie na pięć w poważnym zestawie testowym, jest oceniany według standardu, którego jego własny dostawca nie złagodził. Słabsza część to wszystko wokół: pozostałe dwa główne benchmarki, LegalBench i PLawBench, opisano jako dorównujące nienazwanym „modelom frontier o zamkniętym kodzie źródłowym” i nie podano przy nich żadnych liczb. GLM-Legal zbudowano na GLM-5.3-Flash, multimodalnym modelu bazowym Z.ai o łącznej liczbie 320 mld parametrów i 18 mld parametrów aktywnych, a obecnie jedynym sposobem na jego uzyskanie jest formularz na stronie konsultacyjnej dostawcy, a nie klucz API.

Ta kombinacja — prawdziwa, rzetelnie oceniona liczba plus dwa nieokwantyfikowane twierdzenia o parytecie — to cały kształt tego wydania i warto ją rozdzielić przed czymkolwiek innym.

Co mówi 19,2% w Harvey LAB, a czego nie mówi

Harvey LAB ocenia w systemie wszystko-albo-nic. Zadanie liczy się dla modelu tylko wtedy, gdy każdy krok się powiedzie: właściwe problemy zostaną zidentyfikowane, właściwe przepisy przytoczone, analiza możliwa do obrony, a dane wyjściowe sformatowane zgodnie z briefem. To surowszy próg niż benchmark z częściowym zaliczeniem, i to dlatego liczba bezwzględna jest niska, a nie dlatego, że model jest słaby. Z.ai przedstawia to jako potwierdzenie „niezawodnego wykonywania zadań end-to-end bez pośredniej degradacji” — w trybie wszystko-albo-nic to jedyne, co może oznaczać zadanie zaliczone.

Porównanie dostarczone przez Z.ai odnosi się do jego własnego modelu bazowego i wskazuje, że GLM-Legal poprawia wynik o 12,5 punktu procentowego. Zderz to z nagłówkiem, a arytmetyka jest bezlitosna:

• GLM-Legal na Harvey LAB — 19,2% wszystkich zaliczeń, w 24 obszarach praktyki, według Z.ai.

• Implikowany wynik modelu bazowego — około 6,7%, ponieważ Z.ai podaje lukę jako 12,5 punktu, a model bazowy to GLM-5.3-Flash.

• Niezależność — brak. Obie wartości pochodzą od samego Z.ai, zmierzone podczas własnego przebiegu Z.ai, a żadna strona trzecia ich nie odtworzyła.

• Rola Harvey’a — Harvey zbudował benchmark; ogłoszenie nie mówi, czy ewaluację przeprowadził Harvey, czy Z.ai.

Ta ostatnia linijka to uczciwa luka. „Zbudowany przez Harvey” i „oceniony przez Harvey” to różne twierdzenia, a tylko pierwsze z nich zostało postawione. Wzrost o 12,5 punktu względem modelu bazowego to prawdopodobny rząd wielkości dla dziedzinowego mid-trainingu plus RL — tak wygląda specjalizacja prawna, kiedy działa — ale dopóki ktoś spoza Z.ai nie uruchomi ponownie harnessu, jest to liczba od dostawcy i jako taką należy ją cytować.

Dwa roszczenia bez przypisanego numeru

LegalBench obejmuje parsowanie umów, zgłoszenia dotyczące fuzji i opinie sądowe; PLawBench obejmuje chińskie doradztwo prawne, analizę spraw i sporządzanie dokumentów według szczegółowych kryteriów oceny. Twierdzenie Z.ai w odniesieniu do pierwszego jest takie, że GLM-Legal parsuje je „z precyzją najlepszych zamkniętych modeli frontierowych”, a w odniesieniu do drugiego — że „osiąga parytet z wiodącymi systemami frontierowymi”.

Oba twierdzenia mają charakter jakościowy. Żadne z nich nie zawiera wyniku, przedziału ufności ani nazwanego komparatora. To nie jest powód, by im nie wierzyć — GLM-5.3-Flash to silna baza, a specjalizowany dziedzinowo model pochodny silnej bazy często osiąga parytet w rozumowaniu dziedzinowym — ale twierdzenie o parytecie, którego nie można wyrazić liczbowo, jest z założenia niesprawdzalne, a dwa ilościowe stwierdzenia w komunikacie dotyczą tego samego benchmarku. Czytelnik porównujący tę premierę z premierą konkurenta powinien zauważyć, że komunikat to tak naprawdę jeden zmierzony wynik plus dwa argumentowane.

Co tak naprawdę zmienił trening

Szczegół metodologiczny ma tu większe znaczenie niż w typowym dostrajaniu do domeny, ponieważ GLM-Legal to specjalizacja na poziomie wag, a nie produkt wyszukiwawczy. Z.ai nie wydało indeksu orzecznictwa; zmieniło model. Dwa etapy:

• Trening pośredni — rozszerzone wysokiej jakości korpusy prawnicze, uczące reguł ustawowych i ram interpretacyjnych w gęstym kontekście dziedzinowym, aby wzmocnić łańcuch dedukcyjny prowadzący od faktów, przez reguły, do wniosków.

• Dostrajanie — uczenie ze wzmocnieniem w ramach tego, co Z.ai nazywa „dziesiątkami tysięcy realistycznych środowisk prawnych”, gdzie model uczy się planować analizę, rozwijać przepływ pracy i tworzyć produkt końcowy w konkretnych ograniczeniach.

Nietypowym elementem jest pętla wokół etapu po treningu. Z.ai opisuje harness agenta — warstwę orkiestracji czasu wykonania, która przygotowuje kontekst, łączy narzędzia i kieruje informacją zwrotną z wykonania — jako współewoluujący z modelem, a nie osadzony na stałe pod nim. Przypadki brzegowe, które pojawiły się podczas treningu, ujawniły wąskie gardła harnessu; udoskonalenia harnessu wystawiły model na bardziej realistyczne ograniczenia wykonawcze. Deklarowanym celem jest powstrzymanie klasycznej porażki modelu domenowego, w której dodaje się wiedzę, ale nie zmienia się zachowania przepływu pracy.

Właśnie to, czy to się generalizuje, testuje 19,2% all-pass. To twierdzenie o niezawodności, a nie o wiedzy, i właśnie na tym powinno się mierzyć wdrożenie w obszarze prawa.

Trzy dema, przeczytane uważnie

Post na blogu pokazuje GLM-5.3-Flash i GLM-Legal odpowiadające obok siebie na te same trzy polecenia. Porównanie zostało przygotowane przez dostawcę, a polecenia wybrał dostawca, więc dowodzi mniej niż bezpośrednie starcie — ale rozbieżności są wystarczająco konkretne, by były pouczające.

Przegląd umowy. Zadanie dotyczy umowy o świadczenie usług informatycznych dla klienta zmieniającego dostawcę. Rada modelu bazowego jest rozsądna i ogólna: skrócić okres wypowiedzenia, skłonić dostawcę do zwrotu danych i opłaconych rezultatów prac, dodać obowiązek współpracy z dostawcą zastępczym. Rada GLM-Legal ma ten sam kształt, ale rozstrzyga liczby — skrócić okres wypowiedzenia dla wygody z 60 do 30 dni, całkowicie usunąć okres na usunięcie naruszenia w przypadku naruszeń zobowiązań dotyczących własności intelektualnej, poufności lub bezpieczeństwa danych, wymagać zwrotu rezultatów prac niezależnie od tego, czy zostały opłacone, oraz dodać do 90 dni wsparcia w zakresie przejścia według ówczesnych stawek dostawcy. To różnica między listą kontrolną a dokumentem z naniesionymi zmianami. Z.ai twierdzi, że AutoClaw nanosi te poprawki w dokumencie Word jako zmiany śledzone i komentarze.

Analiza dowodów.Czterdzieści dokumentów ze sporu dotyczącego projektu informatycznego. Model bazowy dostrzega sprzeczność między raportem klienta z 30 września, twierdzącym, że projekt jest ukończony w 60%, a wewnętrznym zrzutem na poziomie około 41%, i słusznie stwierdza, że dokumenty „mogą wspierać” stanowisko klienta. GLM-Legal łączy wewnętrzne ostrzeżenie z 8 września, że kamienia milowego nie można było uczciwie osiągnąć, zrzut 41% oraz polecenie kadry zarządzającej, by zatuszować ryzyko i kontynuować fakturowanie, w jedną teorię zatajenia, a następnie powołuje się na klauzule umowy o świadczenie usług głównych (master services agreement) dotyczące tego, że zapłata nie oznacza zrzeczenia się praw, oraz przetrwania gwarancji jako powód, dla którego dalsze płatności nie rozstrzygają sporu. Model bazowy znalazł fakty; GLM-Legal zbudował argumentację i wymienił elementy roszczenia, które wciąż trzeba sprawdzić.

Badania zgodności. Witryna internetowa, która ma zostać uruchomiona w Singapurze, Malezji i Indonezji, z funkcjami śledzenia, marketingu e-mailowego i przechowywania danych w chmurze za granicą. Model bazowy tworzy kompetentną listę zadań do wykonania przed uruchomieniem. GLM-Legal tworzy priorytetową listę z odwołaniami do przepisów — SG PDPA sekcja 26, MY PDPA sekcja 129, ID PDP Law art. 55–56 — i oddziela wspólne mechanizmy kontrolne od pytań specyficznych dla danego rynku.

Cytaty przepisów ustawowych to część, którą prawnik może sprawdzić w jedno popołudnie, i to one sprawiają, że te dema w ogóle warto czytać. Część, której nie pokazują, to jak model zachowuje się w sprawie, w której prawidłowa odpowiedź brzmi: klient się myli.

Dostęp: teraz formularz, później AutoClaw

Nie opublikowano ceny ani publicznego punktu końcowego. Wezwanie do działania Z.ai brzmi „Dołącz do GLM-Legal Beta”, skierowane do kancelarii prawnych, firm z branży legal-tech, wewnętrznych zespołów prawnych i niezależnych praktyków, a dostęp do API wymaga złożenia wniosku na stronie konsultacji dostawcy. Akapit o AutoClaw jest napisany w czasie przyszłym — „wkrótce będziesz mógł wykorzystać te możliwości w AutoClaw” — więc platforma agenta desktopowego to dopiero nadchodząca integracja, a nie już wdrożona, i Z.ai nie zobowiązuje się do terminu w żadnym z tych przypadków.

Jeśli chcesz dziś budować na modelu bazowym, uczciwy podział wygląda tak: baza jest dostępna, a wariant prawniczy nie. GLM 5.3 Flash jest w katalogu OrcaRouter w cenie katalogowej Z.ai, bez doliczonej marży — 0,15 USD za milion tokenów wejściowych i 0,50 USD za milion tokenów wyjściowych, przy odczytach z pamięci podręcznej po 0,030 USD — więc zmiana ceny tego modelu przez dostawcę pojawi się po naszej stronie tego samego dnia, a nie na koniec cyklu umownego. Jeden klucz daje dostęp do ponad 200 modeli, a automatyczne przełączanie awaryjne sprawia, że możesz skierować ścieżkę stagingową na model bazowy, nie stawiając na to trasy produkcyjnej. Wszystko w trzech demach, co nie zależy od prawniczego dostrajania po treningu — restrukturyzacja dostarczonego przez ciebie zestawu klauzul, formatowanie wyników według szablonu kancelarii, generowanie wstępnej listy kontrolnej do przeglądu — możesz prototypować na GLM 5.3 Flash już teraz i podmienić identyfikator modelu, gdy beta się otworzy. Wszystkiego, co zależy od specjalizacji, nie da się prototypować, bo specjalizacja to właśnie ta część, która kryje się za formularzem.

Co zmieniłoby tę historię?

Trzy rzeczy, w kolejności od tego, jak bardzo się liczą. Liczba dla LegalBench i PLawBench — twierdzenia o parytecie są kluczowe dla każdego, kto wybiera model prawny, a obecnie najtrudniej je zweryfikować. Niezależne uruchomienie Harvey LAB, najlepiej takie, w którym to Harvey, a nie Z.ai, kontroluje środowisko testowe. I cena, ponieważ model domenowy, który kosztuje istotnie więcej za sprawę niż jego wersja bazowa, musi tę różnicę uzasadnić wskaźnikiem all-pass, a nie dopracowaniem.

Nie pojawił się żaden z tych trzech. Pojawił się natomiast naprawdę wyspecjalizowany model zbudowany na modelu bazowym z 18 mld aktywnych parametrów, z jednym benchmarkiem przeprowadzonym według tak rygorystycznego standardu oceniania, że 19,2% brzmi wiarygodnie, oraz procesem dostępu, który wskazuje, że dostawca nie jest jeszcze wystarczająco pewny, by umieścić go w cenniku.

Dla zespołu prawnego decydującego, co zrobić z ogłoszeniem z tego tygodnia, odpowiedź jest prawdopodobnie taka sama jak w przypadku każdego wydania z dostępem na zgłoszenie: przejrzyj dema pod kątem ujawnianych trybów awarii, samodzielnie sprawdź cytaty z przepisów i zbuduj otaczający potok na modelu, który faktycznie możesz wywołać już dziś, tak aby cała migracja polegała jedynie na podmianie jednego identyfikatora modelu.

automatyczne przełączanie awaryjne oznacza, że możesz skierować ścieżkę stagingową na model bazowy, nie ryzykując przy tym trasy produkcyjnej.