GLM-Legal против Astra for Law: два способа построить юридическую модель, и только один из них продаёт вам API

Две самые интересные юридические модели, выпущенные за последний месяц, решают одну и ту же задачу противоположными средствами. GLM-Legal — это специализация на уровне весов: Z.ai взяла GLM-5.3-Flash и провела её через юридическое промежуточное дообучение и обучение с подкреплением, пока она не начала вести себя как практикующий юрист. Astra for Law — это конфигурация: вендор оставил GPT-6 Astra точно таким, каким он был, и прикрутил к его входу индекс судебной практики США на 230 миллионов URL и набор юридических инструкций. Одна — это более умный юрист с неправильной библиотекой; другая — обычный юрист с необыкновенной библиотекой. Какая из них вам нужна, зависит почти полностью от того, в чём состоит ваша задача — в рассуждениях или в поиске информации, — а эти два релиза оцениваются по бенчмаркам, которые нельзя поставить рядом.

Этот последний пункт — причина того, что данное сравнение сложнее, чем следует из заголовка, поэтому с ним стоит разобраться в первую очередь.

Почему ни одна цифра в этом материале не сравнивает их напрямую?

Ключевой показатель GLM-Legal — 19,2% полного прохождения на Harvey LAB. У Astra for Law — 54,0% общей корректности на закрытом наборе для валидации юридических исследований в США. Любой может разделить 54 на 19,2 и заключить, что настроенная версия почти в три раза лучше. Эта арифметика бессмысленна, и вот почему именно:

• Что оценивается — GLM-Legal на сквозных задачах рабочих процессов юридической фирмы по 24 областям практики против Astra for Law на вопросах юридического исследования в США. Это разные семейства задач, а не разные уровни сложности одной и той же задачи.

• Строгость оценки — Harvey LAB использует принцип «всё или ничего»: задание засчитывается, только если выполнен каждый шаг. Показатель Astra — это общая корректность, агрегированный результат с частичным зачётом. Оценка по принципу «всё или ничего» механически даёт более низкие числа на одной и той же модели, и показатель 19,2% по принципу «всё или ничего» несопоставим с любым процентом, при котором начисляется частичный зачёт.

• Базовые показатели — Z.ai измеряет GLM-Legal в сравнении с GLM-5.3-Flash и сообщает о приросте на 12,5 пункта. Производитель GPT измеряет Astra for Law в сравнении с GPT-6 Astra при обычном веб-поиске — с 38,7% до 54,0% — и почти всю эту работу выполняет поиск. Оба — это заявления о приросте относительно собственной базовой модели поставщика, а не относительно друг друга.

• Юрисдикция — юридическая эффективность привязана к юрисдикции, и ни один из тестовых стендов не покрывает область другого. Harvey LAB и валидационный набор Astra ориентированы на США; PLawBench, второй бенчмарк GLM-Legal, — китайский. Модель может отлично показывать себя в одной юрисдикции и быть бесполезной в другой, но всё равно хорошо выглядеть в цифрах обоих релизов.

• Независимость — ноль с обеих сторон. Ни одна третья сторона не перезапускала Harvey LAB с GLM-Legal, и никто за пределами вендора не контролирует разбиение, на котором были измерены 54,0%.

Единственный публичный рейтинг, который затрагивал эту область, — это Legal Research Bench от Vals AI, где Astra for Law получила оценку 9,4% правильности против 22,5% у неназванной фронтирной модели — напоминание о том, что по мере замены выбранных вендором разбиений строгими критериями оценки заголовочные цифры в этой категории обычно движутся вниз, а не вверх. Это не вердикт по Astra for Law; это причина относиться к каждой цифре в этом сравнении с осторожностью.

Для чего на самом деле создан каждый из них

Разница в архитектуре — не теоретическая: она определяет, в чём каждая модель может быть хороша.

• GLM-Legal — модель изменилась. Юридические корпуса на этапе промежуточного обучения, затем RL в том, что Z.ai описывает как десятки тысяч реалистичных юридических сред, при этом агентный каркас совместно эволюционирует с весами. Он поставляет рассуждения, а не библиотеку.

• Astra for Law — а модель — нет.Те же веса GPT-6 Astra, плюс слой поиска по прецедентному праву США, статутам и нормативным актам, плюс инструкции для юридических задач. В комплекте — библиотека, а не более хороший юрист.

• Доказательства GLM-Legal — сравнение с собственной базовой моделью. На тех же запросах GLM-5.3-Flash даёт грамотные общие рекомендации; GLM-Legal конкретизирует цифры — сокращает уведомление о расторжении по усмотрению с 60 до 30 дней, отменяет срок для исправления нарушений в области интеллектуальной собственности и конфиденциальности, требует возврата рабочих продуктов независимо от того, были ли они оплачены, добавляет до 90 дней помощи в переходный период по тарифам поставщика.

• Доказательства Astra for Law — дельта по извлечению. 54,0% против 38,7% общей точности, на 24% больше найденных референсных дел, до 54% больше релевантных фрагментов, извлечённых из правильных судебных решений, и примерно вдвое большая длина ответа. Собственные цифры вендора, на разбиении, которое больше никто не может воспроизвести.

• Честное резюме демонстраций — базовая модель находит факты, специализированная модель выстраивает аргументацию. В примере Z.ai с анализом доказательств GLM-5.3-Flash замечает противоречие между отчётом клиента, заполненным на 60 %, и внутренним снимком на 41 %, и говорит, что документы «могут подтверждать» позицию клиента. GLM-Legal связывает более раннее внутреннее предупреждение, снимок и указание скрыть риск в единую теорию сокрытия и называет элементы требования, которые ещё предстоит проверить.

В совокупности эти две доказательные базы описывают чёткое разделение. GLM-Legal продаётся за счёт профессионального суждения; Astra for Law — за счёт того, что не упустит дело.

Где каждый из них, скорее всего, вас подведёт

Оба релиза документируют собственные слабые стороны, что удаётся немногим запускам, а их режимы отказа — зеркальное отражение друг друга.

Самый поучительный результат Astra for Law дал сторонний тест, а не сам запуск. В юрисдикциях за пределами США три модели, протестированные юридической ИИ-фирмой HAQQ, каждая ссылалась на верное положение, но искажала его содержание — Astra была юридически корректна в 66,7% таких пунктов против 100% у Claude Opus 5. Инструмент проверки цитирования пропускает такие ответы, потому что ссылка настоящая и правильная. Клиент — нет. Это именно тот сбой, который Legal Search Index структурно хуже всего приспособлен исправлять: индекс охватывает только США, а ошибка кроется в чтении, а не в поиске.

Слабые стороны GLM-Legal лежат в противоположной плоскости. Он настроен на китайскую практику статутного права и практику нескольких юрисдикций — демонстрация комплаенса разруливает обязательства Сингапура, Малайзии и Индонезии в сфере приватности со ссылками на конкретные разделы — и у него нет аналога индекса прецедентного права США. При американских исследованиях архитектура, которая находит 230 миллионов URL прецедентов, делает то, чего GLM-Legal просто не делает. Его публично заявленные сильные стороны — это драфтинг, связывание доказательств и работа с документами с оценкой по рубрикам; а опубликованная им доказательная база вообще не содержит утверждений о поиске.

Ни один из поставщиков не опубликовал те документы по управлению, которые главный юрисконсульт юридической фирмы запросит в первую очередь. Astra for Law предлагается с Zero Data Retention в API и использованием ChatGPT Enterprise, по умолчанию исключённым из проверки людьми, но эти гарантии предоставляются на уровне отдельной организации, а сама программа работает по приглашениям. Бета-условия GLM-Legal вообще не опубликованы, и это не то же самое, что быть неприемлемыми — они просто недокументированы, а недокументированное нельзя отнести в комитет по рискам.

Возможность попробовать любой из них, и сколько это стоит

Ни одна из юридических конфигураций не указана в публичном тарифном справочнике.

• Astra for Law — Trusted Access: доступ по приглашению и нацеленность на крупные фирмы; опубликованной цены на юридическую конфигурацию нет; идентификатор модели API был описан как «скоро появится».

• GLM-Legal — бета-приложение, ориентированное на юридические фирмы, компании в сфере правовых технологий, внутренние команды и независимых специалистов; цена не опубликована; публичный эндпоинт отсутствует.

• При этом обе базовые модели уже работают.GPT-6 Astra стоит $10 за миллион входных токенов и $50 за миллион выходных при контексте 1,05 млн токенов, с пересмотром цены для длинного контекста после порога в 272 000 входных токенов, который наборы юридических документов будут регулярно превышать. GLM 5.3 Flash стоит $0,15 и $0,50 при контексте 1 млн токенов. Это 66-кратная разница в цене на вход для двух моделей, которые обе обрабатывают комплект договоров за один проход.

Обе модели присутствуют в каталоге OrcaRouter по этим прайсовым ценам без наценки, и в этой категории это значит больше, чем обычно: изменение цены поставщиком на любую из моделей отражается здесь в тот же день, а не в конце контрактного цикла. Один ключ покрывает обе, поэтому команде юридического инжиниринга, которой нужна Astra для задач с интенсивным поиском, а GLM 5.3 Flash — для высоконагруженной первичной проверки, не требуется два коммерческих договора, два SDK или два набора учётных данных. DSL маршрутизации разделяет трафик по классам задач, поэтому путь черновика и путь резюме могут указывать на разные модели и при этом выставляться в одном счёте.

И есть намеренное ограничение, которое стоит назвать, а не скрывать. То, что на самом деле отличает Astra for Law от GPT-6 Astra, — это Legal Search Index, и этот слой не продаётся — вы не можете маршрутизировать к нему, и никто другой тоже. Мы маршрутизируем базовую модель. Команда, которая сегодня прототипирует юридический рабочий процесс на GPT-6 Astra, тестирует всё, кроме той части, которая делала юридическую конфигурацию лучше.

Какой выбрать?

Если речь идёт об исследовании судебной практики США, анализе с упором на прецеденты или о чём-либо, где главный риск — пропустить источник права, Astra for Law нацелена именно на это, а GLM-Legal за эту нишу не конкурирует. Если речь идёт о подготовке документа по спецификации, соблюдении требований законодательства в рамках указанных правовых режимов или о рассуждениях на основе уже предоставленного вами набора документов, доказательства GLM-Legal более непосредственно относятся к делу — и её демонстрации показывают именно то поведение, которое вам нужно: модель, которая выдаёт числа и формулировки условий, а не контрольный список того, что следует учесть.

Для большинства юридических команд практический ответ в этом квартале таков: ни то, ни другое не является решением, которое вам нужно принять прямо сейчас. Оба варианта требуют подачи заявки для доступа, оба не имеют цены, и за обоими заявленными показателями стоит ровно один прогон бенчмарка, контролируемый вендором. Команды, которые будут готовы, когда откроется доступ, — это те, кто потратил это время на построение пайплайна на базовых моделях, которые действительно можно вызывать, — так что переход на специализированную версию позже станет изменением идентификатора модели, а не переплатформированием.

DSL маршрутизации разделяет трафик по классам задач, поэтому путь подготовки черновиков и путь составления сводок могут указывать на разные модели и при этом оплачиваться по одному счёту.