GLM-Legal vs TwIL-LM3-Pro: ด่านหนึ่งเป็นใบอนุญาต อีกด้านเป็นแบบฟอร์ม

เอเจนต์ด้านกฎหมายที่มีอยู่ในรูปคะแนนแบบทดสอบมาตรฐานและแบบฟอร์มสมัคร เทียบกับโมเดลตรรกศาสตร์เชิงรูปแบบที่คุณดาวน์โหลดได้บ่ายนี้ และแทบจะนำไปใช้งานที่ไหนไม่ได้เลย GLM-Legal และ TwIL-LM3-Pro ต่างเป็นผู้เชี่ยวชาญเฉพาะทางแคบ ๆ ที่เปิดตัวห่างกันไม่กี่สัปดาห์ — ตัวหนึ่งสร้างโดย Z.ai บน GLM-5.3-Flash สำหรับการตรวจสอบสัญญา การวิเคราะห์พยานหลักฐาน และการปฏิบัติตามข้อกำหนด ส่วนอีกตัวเป็นโมเดลให้เหตุผลขนาด 3.66B พารามิเตอร์จาก webAI ที่สร้างมาเพื่อตรรกศาสตร์เชิงรูปแบบและพัฒนามาจาก granite-4.2-3b ของ IBM ทั้งสองไม่ได้เป็นคู่แข่งในตำแหน่งเดียวกัน และหน้านี้จะไม่แสร้งทำเป็นอย่างอื่น สิ่งที่ทำให้ทั้งสองคู่ควรแก่การนำมาเทียบเคียงกันก็คือ พวกมันเป็นสองรูปแบบที่แตกต่างกันของโมเดลเฉพาะทางในปี 2026 และแต่ละรูปแบบก็มีวิธีไม่พร้อมใช้งานในแบบของตัวเอง: TwIL-LM3-Pro เผยแพร่ภายใต้สัญญาอนุญาตที่ห้ามใช้ในเชิงพาณิชย์ ส่วน GLM-Legal เผยแพร่อยู่หลังใบสมัครเบต้า โดยไม่มีสัญญาอนุญาต ราคา หรือเอนด์พอยต์ที่เผยแพร่เลยแม้แต่อย่างเดียว

ถ้าคุณมาถึงตรงนี้เพื่อตัดสินใจว่าจะเลือกใช้อันไหน คำตอบสั้น ๆ ก็คือ อันหนึ่งเป็นไฟล์ที่คุณใช้ไม่ได้ตามกฎหมาย ส่วนอีกอันเป็นบริการที่คุณยังซื้อไม่ได้ คำตอบแบบยาวกว่านั้นอยู่ที่ว่าปัญหาสองข้อนี้ ข้อไหนกันแน่ที่แก้ไขได้จริงในไตรมาสนี้

สเปก และสิ่งที่สเปกเหล่านั้นตัดออกไป

ความแตกต่างของพารามิเตอร์มากพอที่จะเปลี่ยนว่าจุดประสงค์ของแต่ละโมเดลคืออะไร ดังนั้นจึงควรเขียนตัวเลขไว้ก่อนเริ่มโต้แย้ง:

• ขนาดและรูปทรง — GLM-Legal เป็นรุ่นที่พัฒนาต่อยอดจากโมเดลพื้นฐานแบบมัลติโมดัลที่มีขนาดรวม 320B และมีพารามิเตอร์ที่เปิดใช้งาน 18B; TwIL-LM3-Pro เป็นดีโคเดอร์แบบเดนส์ขนาด 3.66B มีพารามิเตอร์ 3,659,737,600 ตัวพอดี 40 เลเยอร์ และทำงานใน bf16 ที่ 6.82 GiB หรือในรูปแบบ Q4_K_M GGUF ที่ 2.09 GiB

• บริบท — GLM-Legal สืบทอดหน้าต่าง 1M โทเคนของ GLM-5.3-Flash; TwIL-LM3-Pro มี 131,072 โทเคนจาก granite-4.2-3b โดยไม่เปลี่ยนแปลง

• ข้อมูลที่ใช้ในการฝึก — คลังข้อมูลทางกฎหมายในช่วงกลางการฝึกบวกกับ RL ทั่วสภาพแวดล้อมทางกฎหมายที่สมจริงหลายหมื่นแห่ง เทียบกับการปรับแต่งแบบมีผู้สอนด้วย rank-64 LoRA บนคลังข้อมูลตรรกศาสตร์เชิงรูปแบบสังเคราะห์ การกลั่นแบบหลายเส้นทาง การรวมเช็คพอยต์ และขั้นตอน GRPO ที่ถ่วงน้ำหนักด้วยเอนโทรปีกับตัวตรวจสอบเชิงโปรแกรม

• 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.

• การเผยแพร่ — แบบฟอร์มสมัครเพื่อเข้าถึง API เทียบกับเช็กพอยต์ของ Hugging Face, บิลด์บนอุปกรณ์ของ LiteRT-LM และข้อตกลงระดับองค์กร

• เบนช์มาร์กที่เผยแพร่ — ตัวเลขผ่านทั้งหมดหนึ่งตัวบนฮาร์เนสของบุคคลที่สาม บวกกับข้ออ้างเรื่องความเท่าเทียมที่ไม่ได้ระบุปริมาณอีกสองข้อ เทียบกับชุดตัวเลขโดยละเอียดที่ผู้ขายรันเองบนฮาร์เนสที่ผู้ขายสร้างขึ้น ซึ่งการ์ดโมเดลเองระบุว่ายังไม่มีข้อสรุปชัดเจนในบางจุด

สองแถวล่างสุดนั้นคือแถวที่ตัดสินทุกสิ่งอื่น อ่านแถวการปรับใช้ก่อน: GLM-Legal ไม่มี endpoint สาธารณะ และ TwIL-LM3-Pro ไม่มีใบอนุญาตเชิงพาณิชย์ ทุกอย่างอื่นในการเปรียบเทียบนี้ล้วนเป็นผลสืบเนื่องมาจากสิ่งนั้น

อ่านตัวเลขของ TwIL-LM3-Pro ในแบบที่การ์ดของมันเองทำ

webAI เผยแพร่เอกสารประเมินผลที่ตรงไปตรงมาอย่างผิดปกติ และสิ่งที่มีประโยชน์ที่สุดในนั้นคือประโยคหนึ่งที่คงถูกลบไปแล้วถ้าเป็นหน้าเพจการตลาด บนด่านมาโคร — 0.5539 เทียบกับ 0.5336 ของ Qwen3-8B — การ์ดระบุว่าคะแนนนำคือ 0.020 "เล็กกว่าสัญญาณรบกวนจากการสุ่มตัวอย่างที่ n = 200 ต่อเลน" และบอกผู้อ่านให้ให้คะแนนเป็นความเสมอภาคมากกว่าจะเป็นชัยชนะ

ในจุดที่โมเดลนี้แยกตัวออกจาก Qwen3-8B ได้จริง ส่วนต่างนั้นมีอยู่จริงและวัดผลได้:

• Strict-7 — 0.2879 เทียบกับ 0.2093 ซึ่งเป็นแถวที่ไม่ใช้เครดิตการจับคู่แบบหลวมที่ใดเลย และดังนั้นจึงไม่สามารถเกิดขึ้นได้จากโชคด้านการจัดรูปแบบ

• Strict MCQ — 0.4100 เทียบกับ 0.0000 ซึ่งเป็นช่องว่างระหว่างเลนที่กว้างที่สุดใน 11 แถวที่มีการรายงาน

• ความพอดีของคลังข้อมูล — ค่า perplexity ของแบบจำลองภาษาที่ต่ำที่สุดในบรรดาทุก arm อยู่ที่ 2.3130 เทียบกับ 2.5478

• ชุดทดสอบที่กันไว้ — โมเดลไม่ได้เป็นผู้นำในชุดนี้ ค่ามาโครจากสิบชุดข้อมูลอยู่ที่ 0.7901 ซึ่งไม่ต่างจากฐานของตัวเองที่ 0.7942 อย่างมีนัยสำคัญทางสถิติ และตามหลัง Qwen3-8B ที่ 0.8493

• ภายในสาขาเฉพาะทาง — การจับคู่แบบตรงทั้งหมดของการแปล FOL อยู่ที่ 0.0100 และการจับคู่แบบตรงทั้งหมดของการแยกวิเคราะห์เชิงความหมายอยู่ที่ 0.0000 ซึ่งทั้งคู่เปิดเผยโดยผู้ขาย

นั่นคือสิ่งที่ผู้เชี่ยวชาญเฉพาะทางแบบแคบ ๆ ดูเป็นเมื่อมีการทำเอกสารอย่างตรงไปตรงมา: เก่งในด้านเฉพาะเจาะจงที่มันถูกสร้างขึ้นมาเพื่อรองรับ อยู่ในระดับเดียวกับหรือตามหลังในด้านการให้เหตุผลทั่วไป และอ่อนในรูปแบบผลลัพธ์เฉพาะสองรูปแบบ นั่นก็เป็นเหตุผลที่ไลเซนส์สำคัญมากเช่นกัน โมเดลที่เฉพาะเจาะจงขนาดนี้มีงานเดียว และถ้างานนั้นเป็นเชิงพาณิชย์ ไลเซนส์จะปิดกั้นมันโดยสิ้นเชิง

อ่านตัวเลขของ GLM-Legal ด้วยความสงสัยแบบเดียวกัน

การเปิดตัวของ Z.ai นำด้วยอัตราผ่านทั้งหมด 19.2% บน Harvey LAB ซึ่งเป็นการประเมินเวิร์กโฟลว์ของสำนักงานกฎหมายที่ครอบคลุม 24 สาขาการปฏิบัติ และปรับปรุงขึ้น 12.5 จุดเปอร์เซ็นต์เมื่อเทียบกับ GLM-5.3-Flash ทั้งสองตัวเลขเป็นตัวเลขของผู้ขายเอง ตัวเลขที่สองบ่งชี้ว่าอัตราผ่านทั้งหมดของโมเดลฐานอยู่ที่ประมาณ 6.7% ซึ่งบอกให้รู้ว่ามาตรฐานการผ่านทั้งหมดนั้นเข้มงวดเพียงใด งานจะถูกนับก็ต่อเมื่อทุกขั้นตอนสำเร็จเท่านั้น ดังนั้นตัวเลขสัมบูรณ์ที่ต่ำจึงเป็นผลลัพธ์ที่คาดหมายได้จากการให้คะแนนที่เข้มงวด มากกว่าจะเป็นหลักฐานว่าโมเดลอ่อนแอ

เบนช์มาร์กหลักอีกสองรายการไม่มีตัวเลขประกอบ LegalBench — ซึ่งครอบคลุมการแยกวิเคราะห์สัญญา เอกสารยื่นเรื่องควบรวมกิจการ และความเห็นของศาล — ถูกอธิบายว่าอยู่ในระดับที่เทียบได้กับ "ความแม่นยำของโมเดล frontier แบบปิดซอร์สชั้นนำ" ส่วน PLawBench ชุดทดสอบสำหรับการปฏิบัติทางกฎหมายของจีน ถูกอธิบายว่าบรรลุ "ความทัดเทียมกับระบบ frontier ชั้นนำ" ไม่มีข้อกล่าวอ้างใดระบุคู่เปรียบเทียบหรือแนบคะแนนไว้ เมื่อนำมาตรฐานเดียวกันนี้มาใช้กับการ์ดของ TwIL-LM3-Pro คำถามเดียวกันก็คือโมเดลกฎหมายนี้ทำได้ดีเพียงใดในเลนที่วัดความแม่นยำของรูปแบบ และไม่มีคำตอบ เพราะยังไม่มีใครเผยแพร่คำตอบนั้น

สิ่งหนึ่งที่ GLM-Legal เผยแพร่แต่ TwIL-LM3-Pro ไม่ได้เผยแพร่ คือการสาธิตว่าความเชี่ยวชาญเฉพาะทางของมันทำงานได้จริง ในข้อพิพาทโครงการที่มีเอกสาร 40 ฉบับ GLM-5.3-Flash พบความขัดแย้งระหว่างรายงานลูกค้าที่เสร็จสมบูรณ์ 60% กับสแนปช็อตภายใน 41% และกล่าวว่าเอกสารเหล่านี้อาจสนับสนุนจุดยืนของลูกค้า GLM-Legal เชื่อมโยงคำเตือนภายในก่อนหน้า สแนปช็อต และคำสั่งให้ปกปิดความเสี่ยงและออกใบแจ้งหนี้ต่อไป เข้าเป็นทฤษฎีการปกปิดเดียว จากนั้นอ้างอิงข้อสัญญาเรื่องการชำระเงินไม่ถือเป็นการสละสิทธิ์ และระบุองค์ประกอบข้อเรียกร้องที่ยังต้องทดสอบ ไม่ทราบว่าสิ่งนั้นจะนำไปใช้ได้ทั่วไปหรือไม่ แต่ที่เห็นได้ชัดคือมันเป็นพฤติกรรมที่แตกต่างอย่างมีนัยสำคัญจากโมเดลฐานของมัน

คำตอบที่ตรงไปตรงมาต่อคำถามที่ว่า “ฉันใช้สิ่งนี้ในโปรดักชันได้ไหม”

คำตอบทั้งสองคือไม่ และคำตอบไม่ทั้งสองมีวันหมดอายุที่แตกต่างกัน

อุปสรรคของ TwIL-LM3-Pro คือสัญญาอนุญาต และสัญญาอนุญาตก็เปลี่ยนได้ด้วยการตัดสินใจเพียงครั้งเดียว เช็กพอยต์นี้อยู่บน Hugging Face ภายใต้ข้อกำหนดการใช้งานที่ไม่ใช่เชิงพาณิชย์ของ webAI เอง การเปลี่ยนสัญญาอนุญาต หรือบิลด์ LiteRT-LM ที่ได้รับสัญญาอนุญาตเชิงพาณิชย์ จะย้ายโมเดลจากชิ้นงานวิจัยไปเป็นคอมโพเนนต์ที่พร้อมนำไปใช้งานได้ภายในบ่ายวันเดียว บิลด์สำหรับใช้งานบนอุปกรณ์ที่ปรากฏเมื่อวันที่ 1 ตุลาคม มีข้อจำกัดของรีโพซิทอรีต้นทางติดมาด้วย ซึ่งเป็นสิ่งที่ต้องตรวจสอบก่อนวางแผนโดยอิงกับมัน

อุปสรรคของ GLM-Legal คือโปรแกรม และโปรแกรมเปลี่ยนแปลงไปตามสัญญา การเข้าถึงต้องผ่านแอปพลิเคชันที่มุ่งเป้าไปยังสำนักงานกฎหมาย บริษัทเทคโนโลยีกฎหมาย ทีมกฎหมายภายในองค์กร และนักกฎหมายอิสระ โดยไม่มีราคาเผยแพร่และไม่มีเอนด์พอยต์สาธารณะ การผสานรวม AutoClaw ถูกเขียนไว้ในอนาคตกาล สำหรับการนำไปใช้งานในระบบที่มีการกำกับดูแล นี่เป็นปัญหาที่ยากกว่าสิทธิ์การใช้งานแบบจำกัด เพราะคุณไม่สามารถสร้างบนสิ่งที่คุณเรียกใช้ไม่ได้

ยังมีคำถามด้านข้อมูลที่ทั้งสองการเปิดตัวไม่ได้ตอบด้วย webAI กล่าวว่าตระกูลนี้มียอดดาวน์โหลดเกินครึ่งล้านครั้งในหนึ่งเดือน — เป็นตัวเลขจากผู้ขายที่ยังไม่ได้รับการตรวจสอบ — และการดาวน์โหลดเช็กพอยต์แบบไม่ใช้เชิงพาณิชย์ที่ให้ใช้ฟรีก็ไม่ใช่ตัวแทนของการนำไปใช้งานจริงในโปรดักชัน ข้อกำหนดเบต้าของ GLM-Legal ยังไม่ถูกเผยแพร่ ซึ่งต่างจากการเป็นสิ่งที่ยอมรับไม่ได้ และเหมือนกับการเป็นสิ่งที่คณะกรรมการความเสี่ยงไม่อาจประเมินได้

จะต่อยอดจากอะไรในขณะที่ประตูทั้งสองบานปิดอยู่

แนวทางปฏิบัติที่สมเหตุสมผลคือการแยกผู้เชี่ยวชาญเฉพาะทางออกจากไปป์ไลน์ เพราะไปป์ไลน์คือสิ่งที่คุณจะเป็นเจ้าของจริง ๆ วันนี้ไม่มีผู้เชี่ยวชาญเฉพาะทางรายใดที่กำหนดเส้นทางไปที่ใดได้เลย สิ่งที่กำหนดเส้นทางได้คือโมเดลทั่วไปที่อยู่ภายใต้ GLM-Legal และขั้นตอนโดยรอบ

GLM 5.3 Flash อยู่ในแค็ตตาล็อกของ OrcaRouter ในราคาตามที่ Z.ai กำหนด โดยไม่มีมาร์กอัป 0% — 0.15 ดอลลาร์ต่อโทเค็นอินพุต 1 ล้านโทเค็น และ 0.50 ดอลลาร์ต่อเอาต์พุต 1 ล้านโทเค็น การอ่านแคชอยู่ที่ 0.030 ดอลลาร์ — ดังนั้นการเปลี่ยนแปลงราคาจากผู้จำหน่ายสำหรับโมเดลฐานจะมีผลในระบบของเราภายในวันเดียวกัน คีย์เดียวเข้าถึงโมเดลได้มากกว่า 200 โมเดล ซึ่งเป็นสิ่งที่ทำให้ทีมวิศวกรรมกฎหมายสามารถสร้างต้นแบบขั้นตอนการร่างเอกสาร การทำเทมเพลต และรายการตรวจสอบบนโมเดลฐานได้ตอนนี้ และเปลี่ยนเพียง model id เดียวเมื่อเบต้าเปิด การสลับแบบอัตโนมัติเมื่อเกิดข้อขัดข้องทำให้การสร้างต้นแบบนั้นปลอดภัย: เส้นทาง staging สามารถชี้ไปยังโมเดลที่ยังไม่มีใครประเมินอย่างอิสระ โดยไม่ต้องมีเส้นทางโปรดักชันรองรับอยู่เบื้องหลัง

สำหรับครึ่งที่เป็นตรรกะเชิงรูปแบบของภาพรวม เช็กพอยต์ภายในเครื่องและโมเดลทั่วไปที่โฮสต์ไว้เป็นส่วนเสริมกันมากกว่าจะทดแทนกัน และการหลอมรวมโมเดลคือกลไกที่ทำให้เรื่องนั้นเป็นรูปธรรม — คณะโมเดลที่ตอบร่วมกัน เพื่อให้โมเดลตัวเล็กที่ทำหน้าที่อนุมานแบบเข้มงวดหรือแปลงข้อความให้เป็นรูปแบบทางการใน Lean สามารถอยู่เคียงข้างโมเดลที่โฮสต์ไว้ซึ่งทำหน้าที่ร้อยเรียงคำบรรยายรอบ ๆ ได้ การแบ่งแบบที่ตัวเลขของ webAI เองชี้ให้เห็นคือแบบที่ชัดเจนอยู่แล้ว: ให้รันโมเดลภายในเครื่องในจุดที่ผลลัพธ์ที่ส่งมอบเป็นป้ายกำกับ และส่งทุกอย่างที่ต้องกลับมาในรูปแบบงานเขียนไปตามเส้นทางที่เหมาะสม

สิ่งเดียวที่ห้ามทำคือมองว่าทั้งสองอย่างนี้เป็นการตัดสินใจ TwIL-LM3-Pro เป็นไฟล์ดาวน์โหลดขนาด 2.09 GiB ที่ไม่มีค่าใช้จ่ายในการประเมินและไม่มีค่าใช้จ่ายในการทิ้ง GLM-Legal เป็นแบบฟอร์ม และการกรอกแต่เนิ่นๆ ใช้เวลาของคุณหนึ่งบ่าย

อันไหนนะ ถ้าหากมันเป็นหนึ่งหรืออีกอย่างหนึ่งจริง ๆ

ทั้งสองไม่ได้ทับซ้อนกันมากพอที่จะทำให้คำตอบเดียวมีประโยชน์ ฉะนั้นคำตอบที่ตรงไปตรงมาคือต้องมีเงื่อนไข หากปัญหาของคุณคือการติดป้ายกำกับความสัมพันธ์เชิงนัย การทำให้ประโยคใน Lean เป็นรูปแบบทางการ การแยกวิเคราะห์เชิงความหมาย หรือการประมวลผลแบบ air-gapped ที่ผลลัพธ์เป็นป้ายกำกับแทนที่จะเป็นข้อความร้อยเรียง TwIL-LM3-Pro คือตัวที่เหมาะกว่าจากทั้งสอง และใบอนุญาตคืออุปสรรคจริงเพียงอย่างเดียวของคุณ หากปัญหาของคุณคือการร่างเอกสารตามข้อกำหนด การปฏิบัติตามกฎหมายในระบอบที่ระบุชื่อ หรือการวิเคราะห์เชิงเหตุผลจากชุดเอกสารที่คุณมีอยู่แล้ว GLM-Legal ถูกออกแบบมาเพื่อสิ่งนั้น และ TwIL-LM3-Pro ยังไม่ได้เผยแพร่หลักฐานด้านกฎหมายใด ๆ เลย

สิ่งที่พวกเขามีร่วมกันคือทั้งสองผู้ขายไม่ได้ตั้งราคาสำหรับผลิตภัณฑ์เฉพาะทาง และทั้งคู่ได้ให้คะแนนผลลัพธ์หลักของตนเองโดยเทียบกับโมเดลฐานของตนเองบนฮาร์เนสของตนเอง นั่นไม่ใช่เหตุผลที่จะเพิกเฉยต่อการเปิดตัวใด ๆ — 19.2% ของ GLM-Legal เชื่อถือได้เพราะการให้คะแนนนั้นเข้มงวด และการ์ดของ TwIL-LM3-Pro ก็ซื่อสัตย์พอที่จะพิมพ์ผลลัพธ์ที่เป็นโมฆะของตัวเอง มันเป็นเหตุผลที่จะวางแผนการผสานรวมโดยใช้โมเดลที่คุณเรียกใช้ได้ในวันนี้ และมองทั้งสองสิ่งนี้เป็นการอัปเกรดที่คุณจะนำมาใช้เมื่อประตูเปิด ไม่ใช่เป็นรากฐานที่คุณสร้างทับ

ด่านของ TwIL-LM3-Pro คือข้อความทางกฎหมาย และข้อความทางกฎหมายเป็นสิ่งเดียวในการเปรียบเทียบนี้ที่ผู้ขายสามารถเปลี่ยนแปลงได้โดยไม่ต้องปล่อยอะไรเลย ด่านของ GLM-Legal คือการตัดสินใจทางธุรกิจว่าเมื่อใดเบต้าจะกลายเป็นผลิตภัณฑ์ ในสองสิ่งนี้ ให้จับตาดูสัญญาอนุญาต — มันคือสิ่งเดียวที่อาจเปลี่ยนแปลงได้โดยไม่มีการเตือน

การหลอมรวมโมเดล คือกลไกที่ทำให้สิ่งนั้นเป็นรูปธรรม — คณะของโมเดลที่ตอบร่วมกัน เพื่อให้ตัวรันขนาดเล็กที่ทำงานการอนุมานแบบเข้มงวดหรือการทำให้ข้อความใน Lean เป็นทางการ สามารถอยู่เคียงข้างโมเดลที่โฮสต์ไว้ซึ่งทำหน้าที่เขียนร้อยแก้วรายล้อมมันได้