GLM-Legal против TwIL-LM3-Pro: врата — это лицензия с одной стороны и форма с другой

Юридический агент, существующий лишь в виде оценки в бенчмарке и заявки на доступ, против модели формальной логики, которую можно скачать уже сегодня днём и развернуть почти негде. GLM-Legal и TwIL-LM3-Pro — обе узкоспециализированные модели, выпущенные с разницей в несколько недель: одна создана Z.ai на базе GLM-5.3-Flash для проверки контрактов, анализа доказательств и соответствия требованиям, другая — модель рассуждений с 3,66 млрд параметров от webAI, созданная для формальной логики и основанная на IBM granite-4.2-3b. Они не соперники за одну и ту же нишу, и эта страница не собирается делать вид, что это не так. Что делает их достойными сопоставления, так это то, что они представляют собой две разные формы, которые специализированная модель принимает в 2026 году, и у каждой формы свой способ быть недоступной: TwIL-LM3-Pro поставляется по лицензии, запрещающей коммерческое использование, а GLM-Legal — через бета-заявку, вообще без опубликованной лицензии, цены или эндпоинта.

Если вы оказались здесь, выбирая, что внедрять, короткий ответ таков: одно — это файл, которым вы не можете законно пользоваться, а другое — сервис, который вы пока не можете купить. Более развёрнутый ответ — о том, какую из этих двух проблем действительно можно решить в этом квартале.

Характеристики — и что они исключают

Разница в параметрах достаточно велика, чтобы изменить предназначение каждой модели, поэтому стоит привести числа, прежде чем переходить к аргументации:

• Размер и форма — GLM-Legal — производная от мультимодальной фундаментальной модели с 320 млрд общих и 18 млрд активных параметров; TwIL-LM3-Pro — плотный декодер на 3,66 млрд, ровно 3 659 737 600 параметров, 40 слоёв, и работает в bf16 при 6,82 ГиБ или как GGUF Q4_K_M при 2,09 ГиБ.

• Контекст — GLM-Legal наследует окно в 1M токенов от GLM-5.3-Flash; TwIL-LM3-Pro сохраняет 131 072 токена из granite-4.2-3b без изменений.

• На чём он обучался — юридические корпуса на промежуточном этапе обучения плюс RL на десятках тысяч реалистичных юридических сред в сравнении с дообучением с учителем LoRA ранга 64 на синтетическом корпусе формальной логики, многопутевой дистилляцией, слиянием контрольных точек и этапом GRPO с энтропийным взвешиванием против программного верификатора.

• 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.

• Распространение — форма заявки на доступ к API в отличие от чекпойнта Hugging Face, локальной сборки LiteRT-LM и корпоративного соглашения.

• Опубликованные бенчмарки — одно число полного прохождения на испытательном стенде третьей стороны плюс два не подкреплённых цифрами заявления о паритете, против подробного набора чисел, полученных вендором на собственном стенде, который сама карточка модели описывает как местами неубедительный.

Эти две строки внизу — те, что определяют всё остальное. Сначала прочитайте строку о развёртывании: у GLM-Legal нет публичного эндпоинта, а у TwIL-LM3-Pro нет коммерческой лицензии. Всё остальное в этом сравнении — следствие этого.

Чтение показателей TwIL-LM3-Pro так, как это делает его собственная карточка

webAI опубликовала необычно откровенный материал по оценке, и самое полезное в нём — это предложение, которое было бы удалено с маркетинговой страницы. На макро-гейте — 0,5539 против 0,5336 у Qwen3-8B — в карточке написано, что преимущество составляет 0,020, «меньше, чем шум выборки при n = 200 на каждую дорожку», и читателю предлагается расценивать это как паритет, а не как победу.

Там, где модель действительно отрывается от Qwen3-8B, преимущества реальны и измеримы:

• Strict-7 — 0.2879 против 0.2093, строка, которая нигде не использует зачёт за нестрогое совпадение и потому не может быть получена за счёт везения с форматированием.

• Строгий MCQ — 0,4100 против 0,0000, самый широкий разрыв между дорожками среди одиннадцати представленных строк.

• Соответствие корпусу — самая низкая перплексия языковой модели среди всех вариантов: 2.3130 против 2.5478.

• Отложенный набор — модель в нём не лидирует. Макро-показатель по десяти наборам данных составляет 0.7901, статистически на уровне собственной базовой версии с 0.7942 и ниже, чем 0.8493 у Qwen3-8B.

• Внутри специализации — точное совпадение перевода FOL составляет 0,0100, а точное совпадение семантического разбора — 0,0000, оба раскрыты поставщиком.

Вот как выглядит узкий специалист, когда о нём честно документируют: силён именно в тех направлениях, для которых создавался, на уровне или отстаёт в общих рассуждениях и слаб в двух конкретных форматах вывода. Это также причина, почему лицензия так важна. У настолько специфичной модели одна задача, и если эта задача коммерческая, лицензия полностью её блокирует.

Читая цифры GLM-Legal с тем же подозрением

В релизе Z.ai главное — 19,2% полного прохождения в Harvey LAB, оценке рабочих процессов юридических фирм по 24 практическим областям, и улучшение на 12,5 процентного пункта по сравнению с GLM-5.3-Flash. Обе цифры — собственные данные вендора. Вторая подразумевает, что доля полного прохождения у базовой модели составляет где-то около 6,7%, что показывает, насколько строг стандарт полного прохождения: задача засчитывается только тогда, когда успешно выполнен каждый шаг, поэтому низкое абсолютное число — ожидаемый результат строгого оценивания, а не свидетельство слабости модели.

Два других ключевых бенчмарка не содержат цифр. LegalBench — разбор договоров, документы о слияниях, судебные заключения — описывается как соответствующий «точности лучших закрытых фронтирных моделей». PLawBench, набор для китайской юридической практики, описывается как достигающий «паритета с ведущими фронтирными системами». Ни одно из утверждений не называет объект сравнения и не прилагает оценку. Если применить тот же стандарт к карточке TwIL-LM3-Pro, он требует ответить, как юридическая модель справляется с дорожками точного соответствия формату, и ответа нет, потому что никто его не публиковал.

Единственное, что GLM-Legal публикует, а TwIL-LM3-Pro — нет, — это демонстрация того, что его специализация работает. В споре по проекту с 40 документами GLM-5.3-Flash находит противоречие между завершённым на 60% отчётом для клиента 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 и продолжать выставление счетов в единую теорию сокрытия, затем ссылается на оговорку соглашения о том, что оплата не означает отказ от прав, и называет элементы требования, которые ещё предстоит проверить. Неизвестно, обобщается ли это. А вот то, что это поведение существенно отличается от поведения его базовой модели, видно.

Честный ответ на вопрос «можно ли это использовать в продакшене»

Оба ответа — нет, и у этих двух «нет» разные сроки действия.

Блокером TwIL-LM3-Pro является лицензия, а лицензии меняются одним решением. Чекпойнт размещён на Hugging Face на собственных некоммерческих условиях webAI; смена лицензии или коммерчески лицензированная сборка LiteRT-LM перевели бы модель из исследовательского артефакта в компонент, готовый к развёртыванию, за один день. Сборка для работы на устройстве, появившаяся 1 октября, несёт ограничение родительского репозитория, и именно это следует проверить, прежде чем планировать с учётом этого.

Блокер GLM-Legal — это программа, а программы меняются вместе с контрактом. Доступ осуществляется через приложение, ориентированное на юридические фирмы, legal-tech компании, внутренние команды и независимых практикующих юристов, без опубликованной цены и без публичного эндпоинта. Интеграция AutoClaw написана в будущем времени. Для регулируемого развёртывания это более сложная проблема, чем ограничительная лицензия, потому что нельзя строить на том, что нельзя вызвать.

Есть также вопрос о данных, на который не отвечает ни один из релизов. webAI утверждает, что семейство перешагнуло отметку в полмиллиона загрузок за месяц — цифра вендора, не прошедшая аудит, — а загрузки бесплатного некоммерческого чекпойнта не являются косвенным показателем использования в продакшене. Бета-условия GLM-Legal не опубликованы: это отличается от неприемлемости и тождественно невозможности оценки комитетом по рискам.

Что собирать, пока оба гейта закрыты?

Практичный ход — отделить специалиста от пайплайна, потому что именно пайплайном вы действительно будете владеть. Ни один специалист сегодня нигде не маршрутизируется; маршрутизировать можно универсал, лежащий в основе GLM-Legal, и окружающие шаги.

GLM 5.3 Flash доступен в каталоге OrcaRouter по каталожной цене Z.ai с наценкой 0% — $0,15 за миллион входных токенов и $0,50 за миллион выходных, чтение из кэша — $0,030, — поэтому при изменении вендором цены на базовую модель у нас она обновляется в тот же день. Один ключ открывает доступ более чем к 200 моделям, и именно это позволяет команде юридической разработки уже сейчас прототипировать этапы составления документов, работы с шаблонами и чек-листами на базовой модели, а при открытии беты изменить всего один идентификатор модели. Автоматическое переключение при сбое делает такое прототипирование безопасным: маршрут в staging может указывать на модель, которую никто независимо не проверял, не подставляя под это продакшен-путь.

Что касается формально-логической половины картины, локальный чекпойнт и размещённый у провайдера универсал — это не взаимозаменяемые, а взаимодополняющие элементы, и именно слияние моделей делает это конкретным: панель моделей, отвечающих вместе, позволяет небольшому исполнителю, выполняющему строгий энтейлмент или формализацию утверждений на Lean, работать рядом с размещённой моделью, которая пишет прозу вокруг этого. Разделение, на которое указывают собственные цифры webAI, очевидно: запускать локальную модель там, где результат — это метка, а всё, что должно вернуться в виде текста, направлять по другому маршруту.

Единственное, чего не стоит делать, — это воспринимать любое из этих двух как решение. TwIL-LM3-Pro — это загрузка на 2,09 ГиБ, которую ничего не стоит оценить и от которой ничего не стоит отказаться. GLM-Legal — это форма, и если заполнить её заранее, это обойдётся вам в полдня.

Какой именно, если это действительно одно или другое?

Они пересекаются недостаточно, чтобы один ответ был полезен, поэтому честная версия будет условной. Если ваша задача — разметка логического следования, формализация утверждений на Lean, семантический разбор или прогон в изолированной среде, где на выходе метка, а не связный текст, то TwIL-LM3-Pro из этих двух подходит ближе, и лицензия — ваше единственное реальное препятствие. Если ваша задача — составление документов по спецификации, соответствие законодательным требованиям в указанных режимах или аргументированный анализ по набору документов, который у вас уже есть, то GLM-Legal ориентирован именно на это, а TwIL-LM3-Pro вообще не опубликовал никаких юридических свидетельств.

Их общее — то, что ни один из вендоров не назначил цену на специализированный продукт, и оба оценили свой главный результат в сравнении с собственной базовой моделью на собственном тестовом стенде. Это не причина отвергать ни один из выпусков — 19,2% у GLM-Legal вызывают доверие именно потому, что оценка строгая, а карточка TwIL-LM3-Pro достаточно честна, чтобы опубликовать собственные нулевые результаты. Это причина планировать интеграцию вокруг модели, которую можно вызвать уже сегодня, и относиться к обоим этим решениям как к улучшениям, которые вы внедрите, когда откроется доступ, а не как к фундаменту, на котором вы строите.

Ограничение в TwIL-LM3-Pro — это юридический текст, а юридический текст — единственное в этом сравнении, что поставщик может изменить, ничего не выпуская. Ограничение в GLM-Legal — это бизнес-решение о том, когда бета-версия становится продуктом. Из этих двух следите за лицензией — именно она может измениться без предупреждения.

Объединение моделей — это механизм, который делает это конкретным: панель моделей отвечает вместе, так что небольшая модель, выполняющая строгое логическое следование или формализацию утверждений на Lean, может работать рядом с размещённой моделью, создающей вокруг этого текст.