GLM-Legal: o agente jurídico da Z.ai obtém 19,2% no Harvey LAB — e estreia como um beta para o qual você se candidata

A Z.ai publicou GLM-Legal em 12 de outubro de 2026, e o número com que abre é 19,2%. Essa é a taxa de aprovação total do modelo no Harvey LAB, uma avaliação de fluxos de trabalho de escritórios de advocacia criada pela fornecedora de IA jurídica Harvey em 24 áreas de atuação — e é o dado mais confiável do lançamento justamente porque parece pouco impressionante. Um modelo jurídico que resolve menos de uma tarefa em cada cinco num teste sério está sendo avaliado segundo um padrão que o próprio fornecedor não abrandou. A parte mais fraca é tudo o que o rodeia: os outros dois benchmarks de destaque, LegalBench e PLawBench, são descritos como equivalentes a "modelos de fronteira de código fechado" não identificados e não trazem número algum. O GLM-Legal é construído sobre GLM-5.3-Flash, o modelo de fundação multimodal da Z.ai com 320B no total e 18B ativos, e, no momento, a forma de obtê-lo é um formulário na página de consultoria do fornecedor, não uma chave de API.

Essa combinação — um número real, avaliado com honestidade, mais duas alegações de paridade não quantificadas — é toda a forma deste lançamento, e vale a pena separá-la antes de qualquer outra coisa.

O que 19,2% no Harvey LAB diz, e o que não diz

O Harvey LAB avalia por aprovação total. Uma tarefa só conta para o modelo se cada etapa for bem-sucedida: os problemas certos identificados, as disposições certas citadas, a análise defensável, a saída formatada conforme o briefing. Esse é um critério mais rigoroso do que um benchmark com pontuação parcial, e é por isso que o número absoluto é baixo, e não porque o modelo é fraco. A Z.ai enquadra isso como confirmação de "execução de tarefas de ponta a ponta confiável, sem degradação intermediária" — em um regime de aprovação total, é só isso que uma tarefa aprovada pode significar.

A comparação que a Z.ai fornece é com seu próprio modelo base, e ela afirma que o GLM-Legal melhora em 12,5 pontos percentuais. Leia isso em contraste com a manchete e a aritmética é gritante:

• GLM-Legal no Harvey LAB — 19,2% de aprovação total, em 24 áreas de atuação, segundo a Z.ai.

• Pontuação implícita do modelo base — cerca de 6,7%, já que a Z.ai declara a diferença como 12,5 pontos e a base é o GLM-5.3-Flash.

• Independência — nenhum. Ambos os números são da própria Z.ai, medidos na própria execução da Z.ai, e nenhum terceiro os reproduziu.

• O papel da Harvey — A Harvey criou o benchmark; o anúncio não diz se foi a Harvey que executou a avaliação ou se foi a Z.ai.

Essa última linha é a lacuna honesta. "Construído pela Harvey" e "pontuado pela Harvey" são afirmações diferentes, e apenas a primeira é feita. Um ganho de 12,5 pontos sobre um modelo base é uma ordem de grandeza plausível para mid-training de domínio mais RL — é assim que a especialização jurídica se parece quando funciona — mas até que alguém de fora da Z.ai execute novamente o harness, é um número de fornecedor, e deveria ser citado como tal.

As duas reivindicações sem número atribuído

O LegalBench abrange análise de contratos, notificações de fusão e decisões judiciais; o PLawBench abrange consultoria jurídica chinesa, análise de casos e redação de documentos sob rubricas detalhadas. A alegação da Z.ai sobre o primeiro é que o GLM-Legal os analisa "com a precisão dos principais modelos de fronteira de código fechado", e sobre o segundo, que "alcança paridade com os principais sistemas de fronteira".

Ambas as alegações são qualitativas. Nenhuma delas vem com uma pontuação, um intervalo de confiança ou um comparador nomeado. Isso não é motivo para duvidar delas — GLM-5.3-Flash é uma base forte, e um derivado especializado em domínio de uma base forte frequentemente alcança paridade em raciocínio de domínio —, mas uma alegação de paridade que você não consegue quantificar é impossível de verificar por design, e as duas afirmações quantitativas no comunicado são ambas sobre o mesmo benchmark. Um leitor que compare este lançamento com o de um concorrente deve perceber que o comunicado é, na verdade, um resultado medido mais duas alegações argumentadas.

O que o treinamento realmente mudou

O detalhe metodológico importa mais aqui do que num ajuste fino típico de domínio, porque o GLM-Legal é uma especialização ao nível dos pesos, e não um produto de recuperação. A Z.ai não lançou um índice de jurisprudência; alterou o modelo. Duas etapas:

• Treinamento intermediário — corpora jurídicos ampliados de alta qualidade, ensinando regras estatutárias e estruturas interpretativas dentro de um contexto de domínio denso, para fortalecer a cadeia dedutiva dos fatos às regras às conclusões.

• Pós-treinamento — aprendizado por reforço em o que a Z.ai chama de "dezenas de milhares de ambientes jurídicos realistas", onde o modelo aprende a planejar uma análise, conduzir um fluxo de trabalho e produzir um entregável sob restrições concretas.

A parte incomum é o loop em torno da etapa de pós-treinamento. A Z.ai descreve o harness do agente — a camada de orquestração em tempo de execução que prepara o contexto, conecta ferramentas e encaminha o feedback de execução — como algo que coevolui com o modelo, em vez de permanecer fixo sob ele. Casos extremos que surgiram no treinamento expuseram gargalos do harness; refinamentos no harness expuseram o modelo a restrições de execução mais realistas. O propósito declarado é impedir a clássica falha de modelos de domínio, em que se adiciona conhecimento, mas não o comportamento do fluxo de trabalho.

Se isso se generaliza é exatamente o que 19,2% de aprovação total está testando. É uma afirmação de confiabilidade, não uma afirmação de conhecimento, e é a métrica certa para se avaliar uma implantação jurídica.

As três demos, lidas atentamente

A postagem do blog mostra GLM-5.3-Flash e GLM-Legal respondendo aos mesmos três comandos lado a lado. A comparação é de autoria do fornecedor e os comandos foram escolhidos pelo fornecedor, portanto prova menos do que uma comparação direta provaria — mas as divergências são específicas o suficiente para serem informativas.

Revisão de contrato. A tarefa é um contrato de serviços de software para um cliente que está trocando de fornecedor. A orientação do modelo base é razoável e genérica: encurtar o prazo de aviso prévio, fazer com que o fornecedor devolva os dados e os entregáveis pagos, adicionar o dever de cooperar com o fornecedor substituto. A orientação do GLM-Legal tem o mesmo formato, mas resolve os números — reduzir o aviso de rescisão por conveniência de 60 para 30 dias, remover totalmente o período de cura em caso de violações de obrigações de PI, confidencialidade ou segurança de dados, exigir a devolução dos produtos de trabalho, tenham eles sido pagos ou não, e adicionar até 90 dias de assistência à transição às taxas então vigentes do fornecedor. Essa é a diferença entre uma lista de verificação e uma marcação de revisão. A Z.ai diz que o AutoClaw aplica essas edições ao documento do Word como alterações controladas e comentários.

Análise de evidências. Quarenta documentos de uma disputa de projeto de software. O modelo base detecta a contradição entre o relatório do cliente de 30 de setembro, que alega 60% de conclusão, e o snapshot interno em cerca de 41%, e diz corretamente que os documentos "podem sustentar" a posição do cliente. O GLM-Legal conecta o alerta interno de 8 de setembro de que o marco não poderia ser honestamente cumprido, o snapshot de 41% e uma instrução executiva para suprimir o risco e continuar a faturar em uma única teoria de ocultação, e então cita as cláusulas do contrato-mestre de serviços de que o pagamento não renuncia a direitos e de garantias subsistentes como a razão pela qual o pagamento continuado não resolve a disputa. O modelo base encontrou os fatos; o GLM-Legal construiu o argumento e nomeou os elementos da pretensão que ainda faltam testar.

Pesquisa de conformidade. Um site sendo lançado em Singapura, Malásia e Indonésia com rastreamento, marketing por e-mail e armazenamento em nuvem no exterior. O modelo base produz uma lista de tarefas de pré-lançamento competente. O GLM-Legal produz uma lista priorizada com dispositivos legais — SG PDPA s26, MY PDPA s129, ID PDP Law Arts 55–56 — e separa controles compartilhados de questões específicas de cada mercado.

As citações de leis são a parte que um advogado pode verificar numa tarde, e são o motivo pelo qual as demos valem a pena ser lidas. A parte que elas não mostram é como o modelo se comporta num caso em que a resposta correta é que o cliente está errado.

Acesso: um formulário agora, AutoClaw depois

Não há preço publicado nem endpoint público. A chamada para ação da Z.ai é "Junte-se ao GLM-Legal Beta", destinada a escritórios de advocacia, empresas de tecnologia jurídica, equipes jurídicas internas e profissionais independentes, com acesso à API mediante candidatura na página de consultoria do fornecedor. O parágrafo sobre o AutoClaw está redigido no futuro — "em breve, você poderá colocar esses recursos em prática no AutoClaw" —, portanto a plataforma de agente para desktop é uma integração futura, não uma integração já disponível, e a Z.ai não se compromete com uma data para nenhuma das duas.

Se você quiser desenvolver com base no modelo subjacente hoje, a divisão honesta é esta: o modelo base está disponível e a variante jurídica não. O GLM 5.3 Flash está no catálogo do OrcaRouter pelo preço de tabela da Z.ai, sem nenhum markup adicionado — US$ 0,15 por milhão de tokens de entrada e US$ 0,50 por milhão de tokens de saída, com leituras de cache a US$ 0,030 — portanto, uma mudança de preço do fornecedor nesse modelo aparece do nosso lado no mesmo dia, e não no fim de um ciclo de contrato. Uma única chave dá acesso a mais de 200 modelos, e o failover automático significa que você pode apontar um caminho de staging para o modelo base sem apostar uma rota de produção nele. Tudo nas três demos que não depende do pós-treinamento jurídico — reestruturar um conjunto de cláusulas que você fornece, formatar a saída para o template de um escritório, gerar um checklist de primeira revisão — você pode prototipar no GLM 5.3 Flash agora e trocar o id do modelo quando a beta abrir. Tudo o que depende da especialização você não pode prototipar, porque a especialização é a parte que está por trás do formulário.

O que mudaria esta história

Três coisas, por ordem de importância. Um número para o LegalBench e o PLawBench — as alegações de paridade são as fundamentais para quem escolhe um modelo jurídico, e atualmente são as menos verificáveis. Uma execução independente do Harvey LAB, idealmente uma em que a Harvey, e não a Z.ai, controla o harness. E um preço, porque um modelo de domínio que custa significativamente mais por caso do que o seu modelo base tem de justificar essa diferença na taxa de aprovação total, e não no refinamento.

Nenhum dos três chegou. O que chegou foi um modelo genuinamente especializado, construído sobre uma base com 18B de parâmetros ativos, com uma execução de benchmark sob um padrão de avaliação suficientemente rigoroso para que 19,2% soe credível, e um processo de acesso que indica que o fornecedor ainda não está suficientemente confiante para o colocar numa tabela de preços.

Para uma equipe jurídica decidindo o que fazer com o anúncio desta semana, a resposta provavelmente é a mesma de qualquer lançamento com acesso condicionado a candidatura: leia as demos em busca dos modos de falha que elas revelam, confira você mesmo as citações de leis e construa o pipeline ao redor com base em um modelo que você realmente possa chamar hoje, para que a migração inteira seja apenas trocar um ID de modelo.

failover automático significa que você pode apontar um caminho de staging para o modelo base sem apostar uma rota de produção nele.