GLM-Legal so với TwIL-LM3-Pro: Cổng vào ở một bên là giấy phép, bên kia là biểu mẫu

Một tác nhân pháp lý tồn tại dưới dạng một điểm số benchmark và một mẫu đơn đăng ký, đối lại với một mô hình logic hình thức mà bạn có thể tải về ngay chiều nay và gần như không thể triển khai ở bất cứ đâu. GLM-Legal và TwIL-LM3-Pro đều là những chuyên gia hẹp được phát hành cách nhau vài tuần — một cái do Z.ai xây dựng trên GLM-5.3-Flash cho việc rà soát hợp đồng, phân tích chứng cứ và tuân thủ, cái còn lại là mô hình suy luận 3,66B tham số từ webAI được xây dựng cho logic hình thức và bắt nguồn từ granite-4.2-3b của IBM. Chúng không phải là những đối thủ cạnh tranh cho cùng một vị trí, và trang này sẽ không giả vờ rằng có. Điều khiến chúng đáng được đặt cạnh nhau là chúng là hai hình thái riêng biệt mà một mô hình chuyên biệt mang lấy trong năm 2026, và mỗi hình thái có cách riêng để trở nên không khả dụng: TwIL-LM3-Pro được phát hành theo một giấy phép cấm sử dụng thương mại, còn GLM-Legal được phát hành phía sau một đơn đăng ký bản beta với hoàn toàn không có giấy phép, giá cả hay endpoint nào được công bố.

Nếu bạn đến đây để quyết định nên chọn cái nào, thì câu trả lời ngắn gọn là: một cái là tệp bạn không thể sử dụng hợp pháp, còn cái kia là dịch vụ bạn chưa thể mua. Câu trả lời dài hơn là về việc vấn đề nào trong hai vấn đề đó thực sự có thể giải quyết được trong quý này.

Các thông số kỹ thuật, và những gì chúng loại trừ

Sự khác biệt về tham số đủ lớn để làm thay đổi mục đích của mỗi mô hình, nên đáng để ghi lại các con số trước khi tranh luận:

• Kích thước và hình dạng — GLM-Legal là một dẫn xuất của mô hình nền đa phương thức với tổng 320B tham số, 18B tham số hoạt động; TwIL-LM3-Pro là bộ giải mã dense 3,66B, chính xác 3.659.737.600 tham số, 40 lớp, và nó chạy ở định dạng bf16 với 6,82 GiB hoặc dưới dạng Q4_K_M GGUF với 2,09 GiB.

• Ngữ cảnh — GLM-Legal kế thừa cửa sổ 1M token của GLM-5.3-Flash; TwIL-LM3-Pro mang 131,072 token từ granite-4.2-3b không thay đổi.

• Nó được huấn luyện trên dữ liệu gì — các tập ngữ liệu pháp lý trong giai đoạn giữa của quá trình huấn luyện cùng với RL trên hàng chục nghìn môi trường pháp lý thực tế, so với tinh chỉnh có giám sát bằng LoRA hạng 64 trên một tập ngữ liệu logic hình thức tổng hợp, chưng cất đa lộ trình, hợp nhất checkpoint, và một giai đoạn GRPO có trọng số entropy đối chiếu với một bộ kiểm chứng lập trình.

• 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.

• Phân phối — một mẫu đơn đăng ký truy cập API so với checkpoint Hugging Face, bản dựng LiteRT-LM trên thiết bị và một thỏa thuận dành cho doanh nghiệp.

• Các benchmark đã công bố — một con số đạt tất cả trên harness của bên thứ ba, cộng với hai tuyên bố ngang bằng không được định lượng, so với một bộ số liệu chi tiết do nhà cung cấp chạy trên một harness do nhà cung cấp tự xây dựng mà chính model card mô tả là không kết luận được ở một số chỗ.

Hai hàng ở dưới cùng đó chính là những hàng quyết định mọi thứ còn lại. Hãy đọc hàng triển khai trước: GLM-Legal không có endpoint công khai và TwIL-LM3-Pro không có giấy phép thương mại. Mọi thứ khác trong so sánh này đều phụ thuộc vào đó.

Đọc các con số của TwIL-LM3-Pro theo cách mà thẻ của chính nó đọc.

webAI đã công bố tài liệu đánh giá thẳng thắn một cách bất thường, và điều hữu ích nhất trong đó là một câu lẽ ra đã bị xóa khỏi một trang tiếp thị. Ở cổng macro — 0.5539 so với 0.5336 của Qwen3-8B — thẻ viết rằng mức dẫn trước là 0.020, "nhỏ hơn nhiễu lấy mẫu ở n = 200 mỗi làn," và bảo người đọc hãy chấm nó là ngang bằng thay vì một chiến thắng.

Ở những điểm mà mô hình thực sự tách biệt khỏi Qwen3-8B, các mức chênh lệch là có thật và có thể đo lường được:

• Strict-7 — 0.2879 so với 0.2093, một hàng không sử dụng bất kỳ điểm cộng khớp lỏng nào ở bất cứ đâu, và do đó không thể đạt được nhờ may mắn về định dạng.

• MCQ nghiêm ngặt — 0.4100 so với 0.0000, khoảng cách làn lớn nhất trong mười một hàng được báo cáo.

• Độ khớp ngữ liệu — độ perplexity của mô hình ngôn ngữ thấp nhất trong số mọi nhánh, ở mức 2.3130, so với 2.5478.

• Bộ kiểm thử giữ riêng — mô hình không dẫn đầu ở bộ này. Chỉ số macro trên mười bộ dữ liệu là 0.7901, ngang bằng về mặt thống kê với bản cơ sở của chính nó ở mức 0.7942 và xếp sau mức 0.8493 của Qwen3-8B.

• Trong chuyên ngành — độ khớp chính xác của bản dịch FOL ở mức 0.0100 và độ khớp chính xác của phân tích ngữ nghĩa ở mức 0.0000, cả hai đều được nhà cung cấp công bố.

Đó là hình ảnh của một chuyên gia chuyên biệt hẹp khi được ghi chép trung thực: mạnh ở đúng những lĩnh vực nó được tạo ra để đảm nhiệm, ngang bằng hoặc kém hơn về lập luận tổng quát, và yếu ở hai định dạng đầu ra cụ thể. Đó cũng là lý do giấy phép lại quan trọng đến vậy. Một mô hình đặc thù đến vậy chỉ có một nhiệm vụ, và nếu nhiệm vụ đó mang tính thương mại, giấy phép sẽ chặn nó hoàn toàn.

Đọc các con số của GLM-Legal với cùng sự nghi ngờ

Bản công bố của Z.ai mở đầu bằng tỷ lệ all-pass 19,2% trên Harvey LAB, một đánh giá quy trình làm việc của hãng luật trên 24 lĩnh vực hành nghề, và mức cải thiện 12,5 điểm phần trăm so với GLM-5.3-Flash. Cả hai đều là số liệu do chính nhà cung cấp đưa ra. Con số thứ hai ngụ ý tỷ lệ all-pass của mô hình cơ sở vào khoảng 6,7%, điều này cho thấy tiêu chuẩn all-pass khắt khe đến mức nào: một tác vụ chỉ được tính khi mọi bước đều thành công, nên một con số tuyệt đối thấp là kết quả được mong đợi của việc chấm điểm nghiêm ngặt, chứ không phải bằng chứng cho thấy mô hình yếu.

Hai benchmark chủ đạo còn lại không kèm số liệu nào. LegalBench — phân tích hợp đồng, hồ sơ sáp nhập, ý kiến tư pháp — được mô tả là sánh ngang với "độ chính xác của các mô hình frontier mã nguồn đóng hàng đầu". PLawBench, bộ đánh giá thực hành Trung Quốc, được mô tả là đạt "ngang bằng với các hệ thống frontier hàng đầu". Không tuyên bố nào nêu tên đối tượng so sánh hay gắn kèm một điểm số. Khi áp dụng cho thẻ mô hình của TwIL-LM3-Pro, tiêu chuẩn tương tự đặt câu hỏi mô hình pháp lý này thể hiện ra sao trên các hạng mục đòi hỏi độ chính xác định dạng, và không có câu trả lời, vì chưa có ai công bố một câu trả lời nào.

Điều duy nhất GLM-Legal công bố mà TwIL-LM3-Pro không công bố là minh chứng cho thấy chuyên môn hóa của nó đang vận hành. Trong một tranh chấp dự án gồm 40 tài liệu, GLM-5.3-Flash tìm ra mâu thuẫn giữa một báo cáo khách hàng hoàn thành 60% và một bản chụp nội bộ 41% và nói rằng các tài liệu có thể hỗ trợ lập trường của khách hàng. GLM-Legal liên kết một cảnh báo nội bộ trước đó, bản chụp và một chỉ thị nhằm che giấu rủi ro và tiếp tục xuất hóa đơn thành một học thuyết che giấu duy nhất, sau đó viện dẫn điều khoản thanh toán không từ bỏ quyền của thỏa thuận và nêu tên các yếu tố khiếu nại vẫn cần kiểm chứng. Liệu điều đó có khái quát hóa được hay không thì chưa rõ. Việc nó là một hành vi khác biệt đáng kể so với mô hình cơ sở của nó thì có thể thấy rõ.

Câu trả lời trung thực cho "liệu tôi có thể dùng cái này trong production không"

Cả hai câu trả lời đều là không, và hai chữ "không" ấy có ngày hết hạn khác nhau.

Rào cản của TwIL-LM3-Pro là giấy phép, mà giấy phép thì thay đổi chỉ bằng một quyết định. Checkpoint nằm trên Hugging Face theo các điều khoản phi thương mại của chính webAI; việc cấp phép lại hoặc một bản dựng LiteRT-LM được cấp phép thương mại sẽ đưa mô hình từ một sản phẩm nghiên cứu thành một thành phần có thể triển khai chỉ trong một buổi chiều. Bản dựng trên thiết bị xuất hiện ngày 1 tháng 10 mang hạn chế của kho lưu trữ gốc, và đó là điều cần xác minh trước khi lập kế hoạch dựa trên nó.

Rào cản của GLM-Legal là một chương trình, và các chương trình thay đổi theo hợp đồng. Quyền truy cập diễn ra thông qua một ứng dụng hướng đến các công ty luật, công ty legal-tech, đội ngũ nội bộ và những người hành nghề độc lập, không có giá công bố và không có endpoint công khai. Tích hợp AutoClaw được viết ở thì tương lai. Đối với một triển khai chịu sự quản lý, đây là một vấn đề khó hơn so với một giấy phép hạn chế, bởi vì bạn không thể xây dựng trên thứ mà bạn không thể gọi.

Cũng có một câu hỏi về dữ liệu mà không bản phát hành nào trả lời. webAI nói rằng họ mô hình này đã vượt mốc nửa triệu lượt tải xuống trong một tháng — một con số của nhà cung cấp, chưa được kiểm toán — và lượt tải xuống của một checkpoint miễn phí phi thương mại không phải là đại diện thay thế cho việc sử dụng trong sản xuất. Các điều khoản beta của GLM-Legal chưa được công bố, điều đó khác với việc bị coi là không thể chấp nhận được và giống hệt với việc không thể được một hội đồng rủi ro đánh giá.

Xây dựng trên điều gì khi cả hai cổng đều đóng kín

Bước đi thiết thực là tách chuyên gia khỏi pipeline, vì pipeline mới là thứ bạn thực sự sẽ sở hữu. Cả hai chuyên gia hiện nay đều không thể định tuyến ở bất kỳ đâu; thứ có thể định tuyến được là mô hình tổng quát bên dưới GLM-Legal và các bước xung quanh.

GLM 5.3 Flash có mặt trên danh mục của OrcaRouter với đúng giá niêm yết của Z.ai, mức chênh giá 0% — 0,15 USD cho mỗi triệu token đầu vào và 0,50 USD cho mỗi triệu token đầu ra, lượt đọc cache ở mức 0,030 USD — nên khi nhà cung cấp thay đổi giá của model nền, phía chúng tôi đã cập nhật ngay trong cùng ngày. Một khóa duy nhất truy cập được hơn 200 model, và đó chính là điều cho phép một nhóm kỹ thuật pháp lý thử nghiệm các bước soạn thảo, tạo mẫu và lập danh sách kiểm tra trên model nền ngay bây giờ, rồi chỉ cần đổi một model id duy nhất khi bản beta mở ra. Cơ chế tự động chuyển đổi dự phòng giúp việc thử nghiệm đó trở nên an toàn: một tuyến staging có thể trỏ tới model mà chưa ai đánh giá độc lập mà không cần đặt tuyến production phía sau nó.

Về nửa phần logic hình thức của bức tranh, checkpoint cục bộ và mô hình tổng quát được host là bổ trợ cho nhau chứ không phải thứ thay thế cho nhau, và hợp nhất mô hình chính là cơ chế biến điều đó thành cụ thể — một nhóm mô hình cùng trả lời, để một runner nhỏ làm suy diễn nghiêm ngặt hoặc hình thức hóa phát biểu Lean có thể đồng hành cùng một mô hình được host đảm nhận phần văn xuôi xung quanh. Sự phân chia mà chính các con số của webAI gợi ý là sự phân chia hiển nhiên: chạy mô hình cục bộ ở nơi sản phẩm bàn giao là một nhãn, và định tuyến mọi thứ cần quay trở lại dưới dạng văn bản viết.

Điều duy nhất không nên làm là coi một trong hai thứ này như một quyết định. TwIL-LM3-Pro là một bản tải xuống 2,09 GiB, không tốn gì để đánh giá và không tốn gì để từ bỏ. GLM-Legal là một biểu mẫu, và điền nó sớm sẽ tốn của bạn một buổi chiều.

Cái nào, nếu nó thực sự là cái này hay cái kia

Chúng không trùng lặp đủ để một câu trả lời duy nhất hữu ích, nên phiên bản trung thực là có điều kiện. Nếu vấn đề của bạn là gán nhãn entailment, hình thức hóa phát biểu trong Lean, phân tích cú pháp ngữ nghĩa, hay một lượt chạy air-gapped nơi đầu ra là nhãn chứ không phải văn xuôi, thì TwIL-LM3-Pro là lựa chọn phù hợp hơn trong hai và giấy phép là trở ngại thực sự duy nhất của bạn. Nếu vấn đề của bạn là soạn thảo theo đặc tả, tuân thủ luật định trên các khuôn khổ được nêu tên, hay phân tích có lập luận trên một bộ tài liệu bạn đã có, thì GLM-Legal hướng đến việc đó và TwIL-LM3-Pro chưa công bố bất kỳ bằng chứng pháp lý nào.

Điểm chung của chúng là không nhà cung cấp nào trong hai đã định giá cho sản phẩm chuyên biệt, và cả hai đều đã chấm điểm kết quả nổi bật của mình so với mô hình cơ sở của riêng họ trên khung đánh giá của riêng họ. Đó không phải là lý do để gạt bỏ bất kỳ bản phát hành nào trong hai — 19,2% của GLM-Legal đáng tin chính vì cách chấm điểm khắt khe, và thẻ mô hình của TwIL-LM3-Pro đủ trung thực để công bố cả những kết quả null của chính nó. Đó là lý do để lập kế hoạch tích hợp xoay quanh một mô hình mà bạn có thể gọi ngay hôm nay và coi cả hai thứ này là những bản nâng cấp bạn đưa vào sử dụng khi cổng mở, chứ không phải là nền móng để bạn xây dựng dựa trên.

Rào cản đối với TwIL-LM3-Pro là văn bản pháp lý, và văn bản pháp lý là thứ duy nhất trong so sánh này mà nhà cung cấp có thể thay đổi mà không cần phát hành bất cứ thứ gì. Rào cản đối với GLM-Legal là một quyết định kinh doanh về thời điểm một bản beta trở thành sản phẩm. Trong hai thứ đó, hãy để mắt đến giấy phép — đó là thứ có thể thay đổi mà không báo trước.

kết hợp mô hình là cơ chế cụ thể hóa điều đó — một nhóm mô hình cùng trả lời, nhờ đó một trình thực thi nhỏ thực hiện suy luận chặt chẽ hoặc hình thức hóa phát biểu Lean có thể đứng cạnh một mô hình được host đảm nhiệm phần văn xuôi xung quanh nó.