GLM-Legal vs TwIL-LM3-Pro: Brama jest z jednej strony licencją, a z drugiej formularzem.

Agent prawny, który istnieje jako wynik benchmarku i formularz zgłoszeniowy, w zestawieniu z modelem logiki formalnej, który możesz pobrać jeszcze dziś po południu i wdrożyć niemal nigdzie. GLM-Legal i TwIL-LM3-Pro to dwa wąsko wyspecjalizowane modele wydane w odstępie kilku tygodni — jeden zbudowany przez Z.ai na GLM-5.3-Flash do przeglądu umów, analizy dowodów i zgodności, drugi to model rozumowania o 3,66 mld parametrów od webAI, zbudowany do logiki formalnej i wywodzący się z IBM-owskiego granite-4.2-3b. Nie rywalizują o to samo miejsce i ta strona nie zamierza udawać, że jest inaczej. To, co sprawia, że warto zestawić je obok siebie, to fakt, że są to dwa odrębne kształty, jakie przyjmuje wyspecjalizowany model w 2026 roku, a każdy z tych kształtów ma własny sposób bycia niedostępnym: TwIL-LM3-Pro jest udostępniany na licencji, która zabrania użytku komercyjnego, a GLM-Legal jest udostępniany za pośrednictwem aplikacji beta, bez opublikowanej licencji, ceny ani jakiegokolwiek punktu końcowego.

Jeśli trafiłeś tutaj, decydując, którą z nich przyjąć, krótka odpowiedź brzmi: jedno z nich to plik, którego nie możesz legalnie użyć, a drugie to usługa, której nie możesz jeszcze kupić. Dłuższa odpowiedź dotyczy tego, który z tych dwóch problemów da się faktycznie rozwiązać w tym kwartale.

Specyfikacje i to, co wykluczają

Różnica w parametrach jest tak duża, że zmienia to, do czego służy każdy z modeli, więc warto zapisać liczby, zanim przejdziemy do argumentacji:

• Wielkość i kształt — GLM-Legal jest pochodną multimodalnego modelu bazowego o łącznej liczbie 320 mld parametrów i 18 mld parametrów aktywnych; TwIL-LM3-Pro to gęsty dekoder o 3,66 mld parametrów, dokładnie 3 659 737 600 parametrów i 40 warstwach, działający w bf16 przy 6,82 GiB lub jako Q4_K_M GGUF przy 2,09 GiB.

• Kontekst — GLM-Legal dziedziczy okno 1M tokenów po GLM-5.3-Flash; TwIL-LM3-Pro obsługuje 131 072 tokenów z granite-4.2-3b bez zmian.

• Na czym został wytrenowany — korpusy prawnicze na etapie treningu pośredniego oraz RL w dziesiątkach tysięcy realistycznych środowisk prawnych w porównaniu z nadzorowanym dostrajaniem LoRA o rzędzie 64 na syntetycznym korpusie logiki formalnej, destylacją wielościeżkową, fuzją punktów kontrolnych i etapem GRPO z ważeniem entropii wobec programowego weryfikatora.

• 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.

• Dystrybucja — formularz wniosku o dostęp do API vs checkpoint Hugging Face, kompilacja LiteRT-LM na urządzeniu i rozwiązanie korporacyjne.

• Opublikowane benchmarki — jedna liczba wszystkich zaliczeń w narzędziu testowym strony trzeciej, plus dwa nieokreślone ilościowo twierdzenia o parytecie, w porównaniu ze szczegółowym zestawem liczb uzyskanych przez dostawcę na zbudowanym przez dostawcę narzędziu testowym, które sama karta modelu opisuje miejscami jako nierozstrzygające.

Te dwa wiersze na dole są tymi, które decydują o wszystkim innym. Najpierw przeczytaj wiersz dotyczący wdrożenia: GLM-Legal nie ma publicznego punktu końcowego, a TwIL-LM3-Pro nie ma licencji komercyjnej. Wszystko inne w tym porównaniu wynika z tego.

Czytanie liczb TwIL-LM3-Pro tak, jak robi to jego własna karta

webAI opublikowało wyjątkowo szczery materiał ewaluacyjny, a najużyteczniejszą rzeczą w nim jest zdanie, które zostałoby usunięte ze strony marketingowej. W przypadku bramki makro — 0,5539 wobec 0,5336 dla Qwen3-8B — karta podaje, że przewaga wynosi 0,020, „mniejsza niż szum próbkowania przy n = 200 na ścieżkę”, i każe czytelnikowi ocenić to jako remis, a nie zwycięstwo.

Tam, gdzie model rzeczywiście oddziela się od Qwen3-8B, różnice są realne i mierzalne:

• Strict-7 — 0,2879 wobec 0,2093, wiersz, który nigdzie nie korzysta z punktów za luźne dopasowanie, więc nie mógłby powstać przez przypadek w wyniku formatowania.

• Ścisły MCQ — 0,4100 wobec 0,0000, największa różnica między torami w jedenastu raportowanych wierszach.

• Dopasowanie do korpusu — najniższa perplexity modelu językowego spośród wszystkich wariantów, wynosząca 2,3130 w porównaniu z 2,5478.

• Zestaw odłożony — model nie jest w nim liderem. Makro dla dziesięciu zbiorów danych wynosi 0,7901, statystycznie odpowiada jego własnej bazie na poziomie 0,7942 i ustępuje wynikowi Qwen3-8B wynoszącemu 0,8493.

• W obrębie specjalizacji — dokładne dopasowanie tłumaczenia FOL wynosi 0,0100, a dokładne dopasowanie parsowania semantycznego 0,0000; obie wartości zostały ujawnione przez dostawcę.

Tak wygląda wąski specjalista, gdy zostanie uczciwie udokumentowany: mocny na dokładnie tych torach, dla których powstał, dorównujący lub ustępujący w ogólnym rozumowaniu i słaby w dwóch konkretnych formatach wyjściowych. To także powód, dla którego licencja ma tak duże znaczenie. Model tak specyficzny ma jedno zadanie, a jeśli to zadanie jest komercyjne, licencja całkowicie je blokuje.

Czytając liczby GLM-Legal z taką samą podejrzliwością

W komunikacie o premierze Z.ai na pierwszym miejscu podano wynik 19,2% all-pass w Harvey LAB — ocenie przepływów pracy kancelarii prawnych obejmującej 24 dziedziny praktyki — oraz poprawę o 12,5 punktu procentowego względem GLM-5.3-Flash. Obie liczby pochodzą od samego dostawcy. Druga z nich implikuje wskaźnik all-pass modelu bazowego na poziomie około 6,7%, co pokazuje, jak surowy jest standard all-pass: zadanie liczy się tylko wtedy, gdy każdy krok się powiedzie, więc niska wartość bezwzględna jest oczekiwanym wynikiem rygorystycznego oceniania, a nie dowodem na słabość modelu.

Dwa pozostałe flagowe benchmarki nie podają żadnych liczb. LegalBench — parsowanie umów, dokumenty fuzji, opinie sądowe — jest opisywany jako dorównujący „precyzji najlepszych zamkniętych modeli frontierowych”. PLawBench, zestaw do chińskiej praktyki, jest opisywany jako osiągający „parytet z wiodącymi systemami frontierowymi”. Żadne z tych twierdzeń nie wskazuje punktu odniesienia ani nie podaje wyniku. Przeniesione na kartę TwIL-LM3-Pro to samo kryterium każe zapytać, jak model prawniczy radzi sobie w obszarach dokładności formatu, a odpowiedzi nie ma, bo nikt jej nie opublikował.

Jedyną rzeczą, którą GLM-Legal publikuje, a TwIL-LM3-Pro nie, jest demonstracja tego, że jego specjalizacja działa. W sporze projektowym obejmującym 40 dokumentów GLM-5.3-Flash znajduje sprzeczność między raportem klienta ukończonym w 60% a wewnętrznym obrazem stanu na poziomie 41% i mówi, że dokumenty mogą wspierać stanowisko klienta. GLM-Legal łączy wcześniejsze wewnętrzne ostrzeżenie, ten obraz stanu oraz polecenie stłumienia ryzyka i kontynuowania fakturowania w jedną teorię zatajenia, a następnie powołuje się na klauzulę umowy mówiącą, że zapłata nie stanowi zrzeczenia się praw, i wskazuje elementy roszczenia, które wciąż trzeba zbadać. Nie wiadomo, czy to się generalizuje. Widać, że jest to zachowanie istotnie różne od zachowania jego modelu bazowego.

Szczera odpowiedź na pytanie „Czy mogę użyć tego na produkcji?”

Obie odpowiedzi brzmią „nie", a te dwa „nie" mają różne daty ważności.

Blokadą TwIL-LM3-Pro jest licencja, a licencje zmieniają się wraz z decyzją. Checkpoint znajduje się na Hugging Face na warunkach niekomercyjnych samego webAI; zmiana licencji albo komercyjnie licencjonowana kompilacja LiteRT-LM przeniosłaby model z artefaktu badawczego do gotowego do wdrożenia komponentu w jedno popołudnie. Wersja działająca na urządzeniu, która pojawiła się 1 października, nosi ograniczenie repozytorium nadrzędnego — i to właśnie trzeba zweryfikować, zanim zacznie się planować z uwzględnieniem tego.

Przeszkodą dla GLM-Legal jest program, a programy zmieniają się wraz z umową. Dostęp odbywa się za pośrednictwem aplikacji skierowanej do kancelarii prawnych, firm z branży legal-tech, zespołów wewnętrznych i niezależnych praktyków, bez opublikowanej ceny i publicznego endpointu. Integracja z AutoClaw jest napisana w czasie przyszłym. W przypadku regulowanego wdrożenia jest to trudniejszy problem niż restrykcyjna licencja, ponieważ nie można budować na czymś, czego nie można wywołać.

Jest też kwestia danych, na którą nie odpowiada żadne z wydań. webAI twierdzi, że rodzina przekroczyła pół miliona pobrań w ciągu miesiąca — liczba podana przez dostawcę, nieaudytowana — a pobrania bezpłatnego niekomercyjnego checkpointu nie są wskaźnikiem zastępczym użycia produkcyjnego. Warunki wersji beta GLM-Legal są niepublikowane, co różni się od bycia nieakceptowalnymi i jest tożsame z niemożnością oceny przez komitet ds. ryzyka.

Na czym budować, gdy obie bramy są zamknięte

Praktycznym posunięciem jest oddzielenie specjalisty od pipeline'u, ponieważ to pipeline będzie tym, co faktycznie będziesz posiadać. Dziś żadnego ze specjalistów nie da się nigdzie routować; tym, co można routować, jest generalista znajdujący się poniżej GLM-Legal i otaczających go kroków.

GLM 5.3 Flash znajduje się w katalogu OrcaRouter w cenie katalogowej Z.ai z 0% marży — 0,15 USD za milion tokenów wejściowych i 0,50 USD za milion tokenów wyjściowych, odczyt z pamięci podręcznej po 0,030 USD — więc zmiana ceny przez dostawcę modelu bazowego jest u nas widoczna już tego samego dnia. Jeden klucz daje dostęp do ponad 200 modeli, co pozwala zespołowi inżynierii prawnej już teraz prototypować kroki tworzenia projektów, szablonów i list kontrolnych na modelu bazowym, a po otwarciu wersji beta zmienić tylko jeden identyfikator modelu. Automatyczne przełączanie awaryjne sprawia, że takie prototypowanie jest bezpieczne: trasa stagingowa może wskazywać na model, którego nikt nie ocenił niezależnie, bez umieszczania za nim ścieżki produkcyjnej.

Jeśli chodzi o połowę obrazu dotyczącą logiki formalnej, lokalny checkpoint i hostowany generalista dopełniają się, a nie zastępują się nawzajem, a fuzja modeli jest mechanizmem, który to konkretyzuje — panel modeli odpowiadających wspólnie, dzięki czemu mały runner wykonujący ścisłe wynikanie lub formalizację twierdzeń w Lean może współistnieć obok hostowanego modelu piszącego otaczającą go prozę. Podział, który sugerują własne liczby webAI, jest oczywisty: uruchamiaj model lokalny tam, gdzie produktem jest etykieta, a wszystko, co ma wrócić jako tekst, przekierowuj.

Jedyna rzecz, której nie należy robić, to traktować którąkolwiek z tych dwóch jako decyzję. TwIL-LM3-Pro to plik do pobrania o rozmiarze 2,09 GiB, którego ocena nic nie kosztuje, podobnie jak porzucenie go. GLM-Legal to formularz, a jego wcześniejsze wypełnienie kosztuje cię jedno popołudnie.

Który z nich, jeśli to rzeczywiście jedno albo drugie

Nie pokrywają się w wystarczającym stopniu, aby jedna odpowiedź była użyteczna, więc uczciwa wersja jest warunkowa. Jeśli twoim problemem jest etykietowanie wynikania, formalizacja twierdzeń w Lean, parsowanie semantyczne lub przebieg w środowisku odizolowanym od sieci, w którym wynikiem jest etykieta, a nie proza, TwIL-LM3-Pro jest lepiej dopasowany z tych dwóch, a licencja to jedyna prawdziwa przeszkoda. Jeśli twoim problemem jest sporządzanie tekstów zgodnie ze specyfikacją, zgodność z przepisami w ramach wymienionych reżimów prawnych albo uzasadniona analiza zestawu dokumentów, który już posiadasz, GLM-Legal jest do tego stworzony, a TwIL-LM3-Pro nie opublikował żadnych dowodów prawnych.

Łączy je to, że żaden z dostawców nie wycenił specjalistycznego produktu, a obaj ocenili swój główny wynik względem własnego modelu bazowego na własnym zestawie testowym. To nie jest powód, by odrzucać którąkolwiek z tych premier — 19,2% GLM-Legal jest wiarygodne właśnie dlatego, że ocena jest surowa, a karta TwIL-LM3-Pro jest wystarczająco uczciwa, by podać własne wyniki zerowe. To powód, by zaplanować integrację wokół modelu, który możesz wywołać już dziś, i potraktować oba te modele jako ulepszenia, które wdrożysz, gdy brama się otworzy, a nie jako fundamenty, na których budujesz.

Bramką na TwIL-LM3-Pro jest tekst prawny, a tekst prawny to jedyna rzecz w tym porównaniu, którą dostawca może zmienić, nie wypuszczając niczego. Bramką na GLM-Legal jest decyzja biznesowa o tym, kiedy beta staje się produktem. Z tych dwóch rzeczy obserwuj licencję — to ona może się zmienić bez ostrzeżenia.

fuzja modeli to mechanizm, który to konkretyzuje — panel modeli odpowiadających wspólnie, dzięki czemu mały runner zajmujący się ścisłym wynikanim logicznym lub formalizacją twierdzeń Lean może działać obok hostowanego modelu piszącego wokół tego prozę.