GLM-Legal 与 Astra for Law：构建法律模型的两种方式，而其中只有一种向你出售 API

过去一个月发布的两款最有趣的法律模型，以截然相反的方式解决同一个问题。GLM-Legal是一种权重层面的特化——Z.ai 把GLM-5.3-Flash拿来，并对它进行法律中期训练和强化学习，直到它表现得像一名法律从业者。Astra for Law是一种配置——供应商让GPT-6 Astra保持原样，并在其前端加装了一个包含 2.3 亿个 URL 的美国判例法索引和一套法律指令。一个是更聪明但资料库不对的律师；另一个是普通律师，却拥有非凡的资料库。你想要哪一个，几乎完全取决于你的问题是推理还是检索，而这两款发布版本是在无法并排比较的基准测试上评分的。

最后一点正是这个比较比标题所呈现的更棘手的原因，所以值得先把它处理掉。

为什么这篇文章中没有任何数字对它们进行正面比较？

GLM-Legal 的核心指标是在 Harvey LAB 上全通过率为 19.2%。Astra for Law 的核心指标则是在一个私有的美国法律研究验证集上总体正确率为 54.0%。任何人都可以用 54 除以 19.2，并得出所配置的版本要好上近三倍的结论。这种算术毫无意义，而原因恰恰如下：

• 评测内容是什么——GLM-Legal 在覆盖 24 个执业领域的端到端律所工作流任务上的表现，对比 Astra for Law 在美国法律研究问题上的表现。二者属于不同的任务族，而非同一任务的不同难度设置。

• 评分严格程度 — Harvey LAB 采用全通过制：只有每一步都成功，任务才计入。Astra 的数值为整体正确率，是一种部分得分的聚合指标。在同一个模型上，全通过评分会机械性地得出更低的数字，而 19.2% 的全通过率与任何给予部分得分的百分比都不具可比性。

• 基线——Z.ai 将 GLM-Legal 与 GLM-5.3-Flash 进行对比评测，并报告提升了 12.5 个百分点。而 GPT 的开发商则将 Astra for Law 与使用普通网络搜索的 GPT-6 Astra 进行对比——从 38.7% 提升到 54.0%——其中检索几乎完成了全部工作。两者都是相对自家基线提出的提升声明，而非彼此之间的对比。

• 司法管辖区——法律效力受司法管辖区限制，而两套测试框架互不覆盖对方的领域。Harvey LAB 和 Astra 验证集聚焦美国；PLawBench，即 GLM-Legal 的第二个基准测试，则面向中文。一个模型可能在一个基准上表现出色、在另一个上毫无用处，却仍能在两个版本的数值上都取得高分。

• 独立性 —— 两边都是零。没有任何第三方用 GLM-Legal 重跑过 Harvey LAB，而供应商之外的任何人也都无法掌控 54.0% 所依据的那个数据划分。

唯一触及这一领域的公开榜单是 Vals AI 的 Legal Research Bench，其中 Astra for Law 的得分为 9.4% 正确率，而一个未具名的前沿模型为 22.5%——这提醒我们，当严格的评分细则取代供应商自行选择的数据划分时，这一类别的头条数字往往会下降，而不是上升。这并不是对 Astra for Law 的定论；而是让我们对这个比较中的每一个数字都持保留态度的理由。

每一个实际上是为了做什么而构建的

架构差异并非学术问题——它决定了每个模型能够在哪些方面表现优异。

• GLM-Legal——模型变了。训练中期引入法律语料库，随后在 Z.ai 所称的数万个真实法律环境中进行强化学习，智能体框架与模型权重协同演化。它交付的是推理能力，而非一个库。

• Astra for Law——该模型并没有。同样是 GPT-6 Astra 的权重，外加一个覆盖美国判例法、成文法与法规的检索层，以及针对法律领域的专门指令。它交付的是一个资料库，而非更出色的律师。

• GLM-Legal 的证据——与其自身基座模型的并排对比。在相同的提示词下，GLM-5.3-Flash 给出的是称职的通用建议；GLM-Legal 则把数字落实到位——将便利终止通知期从 60 天缩短至 30 天，取消知识产权与保密违约的补救期，要求无论是否已付款都须返还工作成果，并加入最长 90 天、按服务商费率计费的过渡协助。

• Astra for Law 的证据——一项检索上的差异。整体正确率为 54.0% 对 38.7%，找到的参考案例多 24%，从正确意见中检索到的相关段落最多多 54%，答案长度约为两倍。这些是厂商自己的数据，且运行在一个其他任何人都无法运行的划分上。

• 对这些演示的诚实总结——基础模型负责找出事实，专用模型负责构建论证。在 Z.ai 的证据分析示例中，GLM-5.3-Flash 发现一份完成度为 60% 的客户报告与一份 41% 的内部快照之间存在矛盾，并称这些文件“可能支持”客户的立场。GLM-Legal 则将一份早先的内部警告、该快照以及一项压制风险的指令串联成一套单一的隐瞒理论，并列出了仍有待检验的索赔要件。

合在一起看，这两个证据基础描绘出一种清晰的区分。GLM-Legal以判断力为卖点；Astra for Law以不漏掉案件为卖点。

它们各自可能让你失望的地方

两个版本都记录了自己的弱点，这比大多数发布做得都多，而且它们的失败模式互为镜像。

Astra for Law最有启发性的结果来自第三方测试，而非发布本身。在美国以外的司法辖区，法律AI公司HAQQ测试的三款模型均引用了正确的条款，却错误陈述了其内容——Astra在这些条目中的法律正确率为66.7%，而Claude Opus 5为100%。引用检查器会让这些答案通过，因为引用真实且正确。但客户不会。这正是Legal Search Index从结构上最不适合修复的故障：该索引仅限美国，而且错误在于解读，而非检索。

GLM-Legal 的弱点则恰恰相反。它针对中文及多司法管辖区的成文法实务进行了调优——其合规演示能以条文级引用解决新加坡、马来西亚和印度尼西亚的隐私义务问题——而且它并不具备与美国判例法索引相当的能力。在美国法律研究方面，那套能检索到 2.3 亿条判例 URL 的架构所做的事，GLM-Legal 根本做不到。其公开宣称的强项是文书起草、证据关联以及按评分标准评分的文档工作；其公开证据中完全不含任何关于检索能力的主张。

两家供应商都没有公布律师事务所总法律顾问首先会索要的治理文件。Astra for Law 提供了 API 上的零数据保留（Zero Data Retention），并默认将 ChatGPT Enterprise 的使用排除在人工审核之外，但该覆盖范围是按组织逐一授予的，且该项目采用邀请制。GLM-Legal 的测试版条款则完全没有公布，这与不可接受并不相同——它只是没有文档记录，而没有文档记录的东西，你是无法拿到风险委员会上去的。

有机会试用其中任何一个，以及它的费用

两种合法配置均未列入公开价目表。

• Astra for Law — Trusted Access，采用邀请制，面向大型律所；法律版配置未公布价格；API 模型 id 据称即将推出。

• GLM-Legal — 一款面向律师事务所、法律科技公司、企业内部法务团队和独立执业者的测试版应用；未公布价格；无公开接口。

• 不过，底层模型两者都已上线。 GPT-6 Astra 的定价为每百万输入 token 10 美元、每百万输出 token 50 美元，上下文长度为 1.05M token；当输入超过 272,000 token 时启用长上下文重新计价，而法律文件集将经常越过这一阈值。GLM 5.3 Flash 的定价为每百万输入 token 0.15 美元、每百万输出 token 0.50 美元，上下文长度为 1M token。对于两个都能一次性处理一整套合同的模型来说，输入价格相差 66 倍。

两者都以标价列在 OrcaRouter 目录中，未加收任何加价，而这一点在这一品类中比平时更为重要：任一型号的供应商价格一有变动，当天就会在这里生效，而不是等到合同周期结束才更新。一把密钥即可同时覆盖两者，因此，一个想让 Astra 承担检索密集型工作、让 GLM 5.3 Flash 负责大批量初审的法律工程团队，无需建立两套商务关系、接入两套 SDK 或管理两组凭证。路由 DSL 按任务类别分流流量，因此起草路径和摘要路径可以指向不同的模型，却仍能合并到一张发票上计费。

有一个刻意设置的限制，值得点明，而不是藏着掖着。真正让 Astra for Law 区别于 GPT-6 Astra 的，是 Legal Search Index，而这一层并不出售——你无法将请求路由到它，其他任何人也不能。我们路由的是基础模型。一个团队今天在 GPT-6 Astra 上做法律工作流原型，测试的是一切，唯独没有测试那个让法律配置变得更好的部分。

该选哪一个

如果工作是美国判例法研究、以先例为主的分析，或任何主要风险在于遗漏权威依据的事项，那么 Astra for Law 正是针对这一点，而 GLM-Legal 并不与之竞争。如果工作是按照规范起草、跨指定法域的法定合规，或对您已提供的文件集进行推理，那么 GLM-Legal 的证据更为直接相关——其演示展示了您想要的具体行为，即模型生成数字和条款语言，而不是一份需要考虑的事项清单。

对大多数法务团队来说，本季度实际答案就是：两者目前都不是你必须做出的决定。两者都需申请才能使用，两者都尚未定价，而且它们宣传数字的背后，都只有一次由供应商控制的基准测试运行。等准入开放时能准备好的团队，是那些利用这段时间在真正可调用的基础模型上搭建流水线的团队——这样以后采用专用版本时，就只是更改模型 ID，而不是重新搭建平台。

路由 DSL按任务类别拆分流量，因此起草路径和摘要路径可以指向不同的模型，同时仍在同一张发票上计费。