GLM-Legal: юридический агент Z.ai набирает 19,2% в Harvey LAB — и запускается как бета-версия, на которую нужно подать заявку

Z.ai опубликовала GLM-Legal 12 октября 2026 года, и число, с которого она начинает, — 19,2%. Это показатель all-pass модели на Harvey LAB — оценке рабочих процессов юридических фирм, созданной поставщиком ИИ-решений для юриспруденции Harvey и охватывающей 24 направления практики, — и это самая заслуживающая доверия цифра в релизе именно потому, что она выглядит невпечатляюще. Юридическая модель, которая проходит меньше одной задачи из пяти на серьёзном испытательном стенде, оценивается по стандарту, который её собственный поставщик не смягчил. Слабее всего всё вокруг: два других главных бенчмарка, LegalBench и PLawBench, описываются как паритет с неназванными «передовыми закрытыми моделями» и вообще не содержат цифр. GLM-Legal построена на GLM-5.3-Flash, мультимодальной базовой модели Z.ai с 320B общих параметров и 18B активных, и прямо сейчас получить её можно только через форму на странице консультаций вендора, а не с помощью ключа API.

Это сочетание — реальное, честно оценённое число плюс два не поддающихся количественной оценке заявления о паритете — и составляет всю суть этого релиза, и его стоит разделить прежде всего остального.

Что означают 19,2% на Harvey LAB — и что они не означают

Harvey LAB оценивает по принципу «всё или ничего». Задача засчитывается модели только если каждый шаг удался: выявлены нужные проблемы, процитированы нужные положения, анализ обоснован, результат оформлен в соответствии с заданием. Это более жёсткий порог, чем бенчмарк с частичным зачётом, и именно поэтому абсолютное число низкое, а не потому, что модель слаба. Z.ai представляет это как подтверждение «надёжного сквозного выполнения задач без деградации на промежуточных этапах» — в режиме «всё или ничего» это единственное, что может означать успешно пройденная задача.

Сравнение, которое приводит Z.ai, проводится с его собственной базовой моделью, и в нём говорится, что GLM-Legal улучшается на 12,5 процентного пункта. Сопоставьте это с заголовком — и арифметика неумолима:

• GLM-Legal на Harvey LAB — 19,2% полного прохождения по 24 областям практики, по данным Z.ai.

• Подразумеваемый балл базовой модели — примерно 6,7%, поскольку Z.ai указывает разрыв в 12,5 пункта, а базовой моделью является GLM-5.3-Flash.

• Независимость — нет. Оба показателя — собственные данные Z.ai, измеренные в её собственном запуске, и ни одна третья сторона их не воспроизвела.

• Роль Harvey — Harvey создал бенчмарк; в анонсе не говорится, проводил ли оценку сам Harvey или Z.ai.

Эта последняя фраза — честный пробел. «Создано Harvey» и «оценено Harvey» — это разные утверждения, и заявляется только первое. Рост на 12,5 пункта относительно базовой модели — правдоподобный порядок величины для доменного mid-training плюс RL — именно так выглядит юридическая специализация, когда она работает, — но пока кто-то за пределами Z.ai не перезапустит тестовый стенд, это вендорская цифра, и цитировать её следует именно как таковую.

Два утверждения, к которым не прикреплён номер

LegalBench охватывает разбор контрактов, документы о слияниях и судебные заключения; PLawBench охватывает китайские юридические консультации, анализ дел и составление документов по детализированным рубрикам. Утверждение Z.ai относительно первого состоит в том, что GLM-Legal разбирает их «с точностью ведущих закрытых фронтирных моделей», а относительно второго — что она «достигает паритета с ведущими фронтирными системами».

Оба утверждения качественные. Ни одно из них не сопровождается оценкой, доверительным интервалом или указанным компаратором. Это не причина им не верить — GLM-5.3-Flash является сильной базой, а специализированная на предметной области производная сильной базы действительно часто достигает паритета в предметных рассуждениях, — но утверждение о паритете, которое нельзя выразить числом, по своей сути непроверяемо, а два количественных утверждения в релизе оба касаются одного и того же бенчмарка. Читатель, сравнивающий этот запуск с запуском конкурента, должен заметить, что релиз на самом деле представляет собой один измеренный результат плюс два аргументированных.

Что на самом деле изменило обучение

Методологическая деталь здесь важнее, чем при типичном дообучении на конкретную предметную область, потому что GLM-Legal — это специализация на уровне весов, а не продукт для поиска. Z.ai не выпустила индекс судебной практики; она изменила модель. Два этапа:

• Промежуточное обучение — расширенные высококачественные юридические корпуса, обучающие законодательным нормам и интерпретационным подходам в контексте насыщенной предметной области, чтобы усилить дедуктивную цепочку от фактов к нормам и выводам.

• Пост-обучение — обучение с подкреплением в рамках того, что Z.ai называет «десятками тысяч реалистичных юридических сред», где модель учится планировать анализ, продвигать рабочий процесс и создавать конечный результат в условиях конкретных ограничений.

Необычная часть — это цикл вокруг этапа постобучения. Z.ai описывает агентную обвязку — слой оркестрации времени выполнения, который подготавливает контекст, подключает инструменты и маршрутизирует обратную связь об исполнении, — как совместно эволюционирующую с моделью, а не зафиксированную под ней. Граничные случаи, всплывшие при обучении, выявляли узкие места обвязки; доработки обвязки подвергали модель более реалистичным ограничениям исполнения. Заявленная цель — положить конец классическому провалу доменных моделей, когда знания добавляются, а поведение рабочего процесса — нет.

То, обобщается ли это, — как раз то, что проверяет показатель 19,2% all-pass. Это утверждение о надёжности, а не о знании, и именно по этому следует оценивать развёртывание в юридической сфере.

Три демо, читайте внимательно

В посте в блоге показано, как GLM-5.3-Flash и GLM-Legal отвечают на одни и те же три запроса рядом друг с другом. Это сравнение подготовлено вендором, и запросы выбраны вендором, поэтому оно доказывает меньше, чем доказало бы прямое сопоставление, — но расхождения достаточно конкретны, чтобы быть информативными.

Проверка договора. Задача — договор на оказание программных услуг для клиента, меняющего поставщика. Совет базовой модели разумен и обобщён: сократить срок уведомления, обязать поставщика вернуть данные и оплаченные результаты, добавить обязанность сотрудничать с новым поставщиком. Совет GLM-Legal имеет ту же форму, но конкретизирует цифры — сократить срок уведомления о расторжении по усмотрению с 60 до 30 дней, полностью убрать срок для устранения нарушений при нарушении обязательств в отношении интеллектуальной собственности, конфиденциальности или безопасности данных, требовать возврата результатов работы независимо от того, оплачены ли они, и добавить до 90 дней содействия при переходе по действующим на тот момент тарифам поставщика. Это разница между контрольным списком и редлайном. Z.ai говорит, что AutoClaw вносит эти правки в документ Word в виде отслеживаемых изменений и комментариев.

Анализ доказательств. Сорок документов из спора по программному проекту. Базовая модель замечает противоречие между отчётом клиента от 30 сентября, где утверждается о 60% готовности, и внутренним снимком состояния примерно на 41%, и верно говорит, что документы «могут поддержать» позицию клиента. GLM-Legal связывает внутреннее предупреждение от 8 сентября о том, что этап невозможно честно завершить, снимок 41% и указание руководства скрыть риск и продолжать выставление счетов в единую теорию сокрытия, а затем ссылается на пункты генерального соглашения об услугах «оплата не отменяет права» и «сохраняющиеся гарантии» как на причину, по которой продолжение платежей не урегулирует спор. Базовая модель нашла факты; GLM-Legal построила аргумент и назвала элементы иска, которые ещё предстоит проверить.

Исследование соответствия требованиям. Веб-сайт, запускаемый в Сингапуре, Малайзии и Индонезии, с отслеживанием, маркетингом по электронной почте и зарубежным облачным хранилищем. Базовая модель выдаёт грамотный чек-лист перед запуском. GLM-Legal выдаёт приоритизированный чек-лист с привязками к нормативным актам — SG PDPA s26, MY PDPA s129, ID PDP Law Arts 55–56 — и отделяет общие меры контроля от вопросов, специфичных для конкретного рынка.

Ссылки на законодательство — это та часть, которую юрист может проверить за один день, и именно из-за них демонстрации вообще стоит смотреть. А то, чего они не показывают, — это то, как модель ведёт себя в деле, где правильный ответ заключается в том, что клиент неправ.

Доступ: сначала форма, AutoClaw — позже

Опубликованной цены нет, и нет публичного эндпоинта. Призыв к действию Z.ai — «Присоединяйтесь к GLM-Legal Beta» — адресован юридическим фирмам, legal-tech-компаниям, внутренним юридическим командам и независимым практикующим юристам, при этом доступ к API предоставляется по заявке на странице консультаций поставщика. Абзац об AutoClaw написан в будущем времени — «скоро вы сможете задействовать эти возможности в AutoClaw» — поэтому настольная агентская платформа — это предстоящая интеграция, а не уже выпущенная, и Z.ai не называет сроков ни для того, ни для другого.

Если вы хотите сегодня строить решение на базовой модели, честное разделение таково: база доступна, а юридический вариант — нет. GLM 5.3 Flash есть в каталоге OrcaRouter по цене из прайс-листа Z.ai без добавленной наценки — $0,15 за миллион входных токенов и $0,50 за миллион выходных токенов, при чтении из кэша — $0,030 — поэтому изменение цены вендором на эту модель отражается на нашей стороне в тот же день, а не в конце контрактного цикла. Один ключ открывает доступ более чем к 200 моделям, а автоматическое переключение при сбое означает, что вы можете направить staging-путь на базовую модель, не рискуя продакшен-маршрутом. Всё в трёх демо, что не зависит от юридического пост-обучения, — реструктуризация предоставленного вами набора пунктов, форматирование вывода под шаблон фирмы, создание чек-листа для первичной проверки, — можно прототипировать на GLM 5.3 Flash уже сейчас и заменить id модели, когда откроется бета. Всё, что зависит от специализации, прототипировать нельзя, потому что специализация — это та часть, что стоит за формой.

Что изменило бы эту историю

Три вещи, в порядке их важности. Цифра для LegalBench и PLawBench — заявления о паритете являются ключевыми для всех, кто выбирает юридическую модель, а сейчас они меньше всего поддаются проверке. Независимый прогон Harvey LAB, в идеале такой, где стендом управляет Harvey, а не Z.ai. И цена, потому что доменная модель, которая стоит существенно дороже за одно дело, чем её базовая, должна оправдывать эту разницу показателем прохождения всех тестов, а не полировкой.

Ни один из трёх не появился. Что действительно появилось, так это по-настоящему специализированная модель, построенная на базовой модели с 18 млрд активных параметров, с единственным прогоном бенчмарка по настолько строгому стандарту оценки, что 19,2% выглядят правдоподобно, и с процессом доступа, который говорит о том, что поставщик ещё не настолько уверен, чтобы включить её в прайс-лист.

Для юридической команды, решающей, что делать с анонсом на этой неделе, ответ, вероятно, такой же, как и в случае любого релиза с доступом по заявке: изучайте демо-материалы на предмет выявляемых ими сценариев отказа, самостоятельно проверяйте ссылки на нормы законодательства и выстраивайте окружающий пайплайн на модели, к которой вы действительно можете обратиться уже сегодня, чтобы вся миграция свелась к замене одного идентификатора модели.

автоматическое переключение при сбое означает, что можно направить промежуточный путь на базовую модель, не рискуя производственным маршрутом.