GLM-Legal vs TwIL-LM3-Pro: Grinden är en licens på ena sidan och ett formulär på den andra

En juridisk agent som existerar som en benchmark-poäng och ett ansökningsformulär, mot en formallogisk modell som du kan ladda ner i eftermiddag och driftsätta nästan ingenstans. GLM-Legal och TwIL-LM3-Pro är båda smala specialister som släpptes med några veckors mellanrum — en byggd av Z.ai på GLM-5.3-Flash för avtalsgranskning, evidensanalys och efterlevnad, den andra en resonemangsmodell med 3,66 miljarder parametrar från webAI byggd för formell logik och härledd från IBMs granite-4.2-3b. De är inte rivaler om samma plats, och den här sidan tänker inte låtsas något annat. Det som gör dem värda att ställa sida vid sida är att de är de två distinkta former som en specialiserad modell antar 2026, och varje form har sitt eget sätt att vara otillgänglig: TwIL-LM3-Pro levereras under en licens som förbjuder kommersiell användning, och GLM-Legal levereras bakom en betaansökan utan publicerad licens, pris eller endpoint över huvud taget.

Om du har hamnat här för att bestämma vilken du ska införa, är det korta svaret att den ena är en fil som du inte lagligt kan använda och den andra är en tjänst som du ännu inte kan köpa. Det längre svaret handlar om vilket av dessa två problem som faktiskt går att lösa det här kvartalet.

Specifikationerna, och vad de utesluter

Parameterskillnaden är så pass stor att den förändrar vad varje modell är till för, så det är värt att redovisa siffrorna innan argumentet:

• Storlek och form — GLM-Legal är en derivata av en multimodal basmodell med totalt 320B, varav 18B aktiva; TwIL-LM3-Pro är en tät avkodare på 3,66B, exakt 3 659 737 600 parametrar, 40 lager, och den körs i bf16 vid 6,82 GiB eller som en Q4_K_M GGUF på 2,09 GiB.

• Kontext — GLM-Legal ärver GLM-5.3-Flashs 1M-tokenfönster; TwIL-LM3-Pro har 131 072 tokens från granite-4.2-3b oförändrade.

• Vad den tränades på — juridiska korpusar under mellanträning plus RL över tiotusentals realistiska juridiska miljöer mot en övervakad finjustering med rank-64 LoRA på en syntetisk korpus för formell logik, flervägsdestillation, checkpointfusion och en entropiviktad GRPO-fas mot en programmatisk verifierare.

• 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.

• Distribution — ett ansökningsformulär för API-åtkomst kontra en Hugging Face-checkpoint, en LiteRT-LM-byggversion för enheter och ett företagsavtal.

• Publicerade riktmärken — en enda siffra där allt godkänns i en tredje parts testrigg, plus två okvantifierade paritetsanspråk, jämfört med en detaljerad uppsättning leverantörskörda siffror i en leverantörsbyggd testrigg som modellkortet självt beskriver som inte entydiga på sina håll.

De två raderna längst ner är de som avgör allt annat. Läs driftsättningsraden först: GLM-Legal har ingen offentlig slutpunkt och TwIL-LM3-Pro har ingen kommersiell licens. Allt annat i den här jämförelsen är en följd av det.

Att läsa siffrorna för TwIL-LM3-Pro på samma sätt som dess eget kort gör

webAI publicerade ovanligt uppriktigt utvärderingsmaterial, och det mest användbara i det är en mening som skulle ha raderats från en marknadsföringssida. På makrogrinden – 0,5539 mot Qwen3-8B:s 0,5336 – skriver kortet att försprånget är 0,020, ”mindre än samplingsbruset vid n = 200 per bana”, och uppmanar läsaren att bedöma det som paritet snarare än en vinst.

Där modellen faktiskt skiljer sig från Qwen3-8B är marginalerna verkliga och mätbara:

• Strict-7 — 0.2879 mot 0.2093, en rad som inte använder några poäng för lös matchning någonstans och därför inte kan ha uppstått genom tur med formateringen.

• Strikt MCQ — 0,4100 mot 0,0000, det bredaste körfältsgapet bland de elva rapporterade raderna.

• Korpusanpassning — den lägsta språkmodellsperplexiteten av alla armar på 2,3130, mot 2,5478.

• Held-out-svit — modellen leder den inte. Makrot för de tio dataseten är 0,7901, statistiskt i nivå med dess egen bas på 0,7942 och bakom Qwen3-8B:s 0,8493.

• Inom specialiseringen – exakt träff för FOL-översättning ligger på 0,0100 och exakt träff för semantisk parsning på 0,0000, båda angivna av leverantören.

Det är så en smal specialist ser ut när den dokumenteras ärligt: stark på de exakta banor den byggdes för, i nivå med eller efter på allmän resonemangsförmåga, och svag på två specifika utdataformat. Det är också anledningen till att licensen spelar så stor roll. En så specifik modell har en enda uppgift, och om den uppgiften är kommersiell blockerar licensen den helt.

Att läsa GLM-Legals siffror med samma misstänksamhet

Z.ais lansering inleds med 19,2 % all-pass på Harvey LAB, en utvärdering av advokatbyråers arbetsflöden inom 24 rättsområden, och en förbättring med 12,5 procentenheter jämfört med GLM-5.3-Flash. Båda är leverantörens egna siffror. Den andra antyder en all-pass-frekvens för basmodellen på omkring 6,7 %, vilket visar hur hård all-pass-standarden är: en uppgift räknas bara när varje steg lyckas, så en låg absolut siffra är det förväntade resultatet av strikt bedömning snarare än ett bevis på en svag modell.

De två andra framträdande benchmarkarna saknar siffror. LegalBench – avtalsparsning, fusioneringsansökningar, domstolsutlåtanden – beskrivs matcha ”precisionen hos de främsta slutna frontier-modellerna”. PLawBench, sviten för kinesisk praktik, beskrivs nå ”paritet med ledande frontiersystem”. Inget av påståendena namnger en jämförelsepunkt eller anger en poäng. Tillämpat på TwIL-LM3-Pros kort ställer samma standard frågan hur den juridiska modellen presterar på format-exakthetsbanorna, och det finns inget svar, eftersom ingen har publicerat ett.

Det enda som GLM-Legal publicerar men TwIL-LM3-Pro inte gör är en demonstration av att dess specialisering fungerar. I en projektstvist med 40 dokument hittar GLM-5.3-Flash motsägelsen mellan en klientrapport som är 60 % färdig och en intern ögonblicksbild på 41 % och säger att dokumenten kan stödja klientens ståndpunkt. GLM-Legal sammanför en tidigare intern varning, ögonblicksbilden och en instruktion om att undertrycka risken och fortsätta fakturera till en enda teori om undanhållande, citerar sedan avtalets klausul om att betalning inte utgör avstående från rättigheter och pekar ut de yrkandeinslag som ännu återstår att pröva. Huruvida det låter sig generaliseras är okänt. Att det är ett väsentligt annorlunda beteende jämfört med basmodellen är synligt.

Det ärliga svaret på "kan jag använda det här i produktion"

Båda svaren är nej, och de två nejen har olika utgångsdatum.

TwIL-LM3-Pros hinder är en licens, och licenser förändras med ett beslut. Checkpointen ligger på Hugging Face under webAI:s egna icke-kommersiella villkor; en omlicensiering eller ett kommersiellt licensierat LiteRT-LM-bygge skulle flytta modellen från forskningsartefakt till driftsättningsbar komponent på en enda eftermiddag. Enhetsbygget som dök upp den 1 oktober bär det överordnade repots begränsning, vilket är det som bör verifieras innan man planerar utifrån det.

GLM-Legals blockerare är ett program, och program förändras med ett avtal. Åtkomst sker via en applikation som riktar sig till advokatbyråer, legal-tech-företag, interna team och oberoende praktiker, utan publicerat pris och utan publik slutpunkt. AutoClaw-integrationen är skriven i futurum. För en reglerad driftsättning är detta ett svårare problem än en restriktiv licens, eftersom man inte kan bygga på något man inte kan anropa.

Det finns också en datafråga som ingen av släppen besvarar. webAI säger att familjen passerade en halv miljon nedladdningar på en månad – en leverantörssiffra, oreviderad – och nedladdningar av en gratis icke-kommersiell checkpoint är inte en proxy för produktionsanvändning. GLM-Legals betavillkor är opublicerade, vilket är något annat än att vara oacceptabla och identiskt med att vara omöjliga för en riskkommitté att bedöma.

Vad man ska bygga vidare på medan båda grindarna är stängda

Det praktiska greppet är att separera specialisten från pipelinen, eftersom pipelinen är det du faktiskt kommer att äga. Ingen av specialisterna är routbar någonstans i dag; det som är routbart är generalisten under GLM-Legal och de omgivande stegen.

GLM 5.3 Flash finns i OrcaRouters katalog till Z.ai:s listpris med 0 % påslag — 0,15 USD per miljon indatatoken och 0,50 USD per miljon utdatatoken, cacheläsningar för 0,030 USD — så en leverantörsprisändring på basmodellen slår igenom hos oss samma dag. En nyckel når fler än 200 modeller, vilket gör att ett team för juridisk teknik kan prototypa stegen för utkast, mallar och checklistor på basmodellen nu och byta ett enda modell-id när betan öppnar. Automatisk failover gör den prototypningen säker: en staging-rutt kan peka på en modell som ingen oberoende har utvärderat utan att en produktionsväg ligger bakom den.

För den formallogiska halvan av bilden är den lokala checkpointen och den hostade generalisten komplement snarare än substitut, och modellfusion är mekanismen som gör det konkret – en panel av modeller som svarar tillsammans, så att en liten runner som utför strikt entailment eller formalisering av Lean-påståenden kan sitta vid sidan av en hostad modell som sköter prosan runt omkring. Uppdelningen som webAI:s egna siffror antyder är den självklara: kör den lokala modellen där leveransen är en etikett, och dirigera allt som måste komma tillbaka som text.

Det enda du inte ska göra är att behandla någon av dessa som ett beslut. TwIL-LM3-Pro är en nedladdning på 2,09 GiB som inte kostar något att utvärdera och ingenting att överge. GLM-Legal är ett formulär, och att fylla i det tidigt kostar dig en eftermiddag.

Vilken av dem, om det verkligen är den ena eller den andra

De överlappar inte tillräckligt för att ett enda svar ska vara användbart, så den ärliga versionen är villkorad. Om ditt problem är entailment-märkning, formalisering av Lean-påståenden, semantisk parsning eller en luftgapad körning där utdata är en etikett snarare än prosa, är TwIL-LM3-Pro den av de två som passar bättre, och licensen är ditt enda verkliga hinder. Om ditt problem är att skriva enligt en specifikation, lagstadgad efterlevnad inom namngivna regelverk eller resonerande analys över en dokumentuppsättning som du redan har, är GLM-Legal inriktad på det, och TwIL-LM3-Pro har inte publicerat några juridiska bevis alls.

Gemensamt för dem är att ingen av leverantörerna har satt ett pris på den specialiserade produkten, och båda har betygsatt sitt huvudresultat mot sin egen basmodell i sitt eget utvärderingsramverk. Det är inte ett skäl att avfärda någon av lanseringarna – GLM-Legals 19,2 % är trovärdigt just för att bedömningen är hård, och TwIL-LM3-Pros modellkort är tillräckligt ärligt för att publicera sina egna nollresultat. Det är ett skäl att planera integrationen kring en modell du kan anropa idag och behandla båda dessa som uppgraderingar du inför när grinden öppnas, inte som grundvalar du bygger på.

Grinden för TwIL-LM3-Pro är juridisk text, och juridisk text är det enda i den här jämförelsen som en leverantör kan ändra utan att leverera något. Grinden för GLM-Legal är ett affärsbeslut om när en beta blir en produkt. Av de två, håll ett öga på licensen — det är den som skulle kunna ändras utan förvarning.

modellfusion är mekanismen som gör det konkret — en panel av modeller som svarar tillsammans, så att en liten runner som utför strikt entailment eller formalisering av Lean-påståenden kan sitta bredvid en hostad modell som sköter prosan runt omkring.