GLM-Legal 對上 Astra for Law：打造法律模型的兩條路，而只有其中一條會把 API 賣給你

過去一個月發布的兩個最有趣的法律模型，以截然相反的手段解決同一個問題。GLM-Legal是一種權重層級的專門化——Z.ai 拿GLM-5.3-Flash，讓它接受法律領域的中期訓練與強化學習，直到它的表現像執業律師。Astra for Law則是一種配置——供應商把GPT-6 Astra原封不動地保留下來，並在它前端加裝了一個包含 2.3 億個 URL 的美國判例法索引，以及一組法律指令。其中一個是更聰明卻用錯圖書館的律師；另一個是普通律師，卻擁有非凡的圖書館。你想要哪一個，幾乎完全取決於你的問題是推理還是檢索，而這兩個發布版本所依據的基準測試無法並列比較。

最後這一點正是為什麼這項比較比標題看起來更困難的原因，因此值得先把它處理掉。

為什麼這篇文章裡沒有任何數字能把它們拿來正面比較

GLM-Legal 的主要數字是在 Harvey LAB 上達到 19.2% 全數通過。Astra for Law 的數字則是在一套非公開的美國法律研究驗證集上達到 54.0% 整體正確率。任何人都可以用 54 除以 19.2，並得出這個配置版本幾乎好上三倍的結論。這種算術毫無意義，確切原因如下：

• 評分對象 — GLM-Legal 在橫跨 24 個執業領域的端到端律師事務所工作流程任務上，對比 Astra for Law 在美國法律研究問題上的表現。這是不同的任務家族，而非同一任務的不同難度設定。

• 評分嚴格度 — Harvey LAB 採全通過制：唯有每個步驟都達標，任務才計為通過。Astra 的數字是整體正確率，屬於部分給分的彙總指標。全通過評分在同一模型上必然產生較低的數字，而 19.2% 的全通過率，無法與任何給予部分分數的百分比相提並論。

• 基準 — Z.ai 以 GLM-5.3-Flash 為對照來衡量 GLM-Legal，並回報有 12.5 個百分點的提升。GPT 開發商則以搭配一般網頁搜尋的 GPT-6 Astra 為對照來衡量 Astra for Law——從 38.7% 到 54.0%——而檢索幾乎包辦了這當中的全部效果。兩者都是相對於供應商自家基準的差異宣稱，而非彼此之間的比較。

• 司法管轄區——法律效力受司法管轄區限制，且兩套評測框架都無法涵蓋對方所及的範圍。Harvey LAB 與 Astra 驗證集聚焦美國；PLawBench 是 GLM-Legal 的第二個基準，則以中國為主。一個模型可能在其中一個表現卓越、在另一個卻毫無用處，仍能在兩份發布的數字上取得佳績。

• 獨立性——雙方皆為零。沒有任何第三方曾以 GLM-Legal 重新執行 Harvey LAB，且廠商以外無人掌控 54.0% 所依據的切分方式。

唯一觸及這個領域的公開排行榜是 Vals AI 的 Legal Research Bench，其中 Astra for Law 的正確率得分為 9.4%，而一個未具名的前沿模型則為 22.5%——這提醒我們，當嚴格的評分準則取代由廠商自行選定的資料切分時，這個類別的頭條數字往往會下降，而非上升。這並非對 Astra for Law 的定論；而是有理由對這項比較中的每一個數字都抱持寬鬆看待的態度。

每一個實際上是為了做什麼而打造的

架構差異並非學術空談——它決定了每個模型能擅長什麼。

• GLM-Legal — 模型變了。法律語料庫用於中期訓練，接著在 Z.ai 所描述的數萬個擬真法律環境中進行強化學習，代理框架與權重同步共同演化。它交付的是推理能力，而非一座資料庫。

• Astra for Law — 模型並沒有。同樣的 GPT-6 Astra 權重，外加一層涵蓋美國判例法、成文法與法規的檢索層，再加上法律專用指令。它推出的是函式庫，不是更優秀的律師。

• GLM-Legal 的實證——與自家基礎模型的並列比較。面對相同的提示詞，GLM-5.3-Flash 給出稱職的一般性建議；GLM-Legal 則把數字談定——將便利終止通知期從 60 天縮短為 30 天、移除智慧財產與保密違約的補正期、要求返還工作成果（無論是否已付款）、以服務商費率增加最多 90 天的過渡協助。

• Astra for Law 的證據——檢索差異。 整體正確率為 54.0% 對 38.7%，找到的參考案例多 24%，從正確意見中檢索出的相關段落最多多 54%，答案長度約為兩倍。這是廠商自家的數字，而且是在其他人都無法執行的資料切分上。

• 對這些示範最誠實的總結——基礎模型找出事實，專門化模型建構論證。在 Z.ai 的證據分析範例中，GLM-5.3-Flash 發現一份完成度 60% 的客戶報告與一份 41% 的內部快照之間存在矛盾，並表示這些文件「可能支持」客戶的立場。GLM-Legal 則將先前的內部警告、該快照，以及一項壓下風險的指示串連成單一隱匿理論，並列出尚待檢驗的請求要素。

兩份證據基礎合起來讀，說明了清楚的分工。GLM-Legal 賣的是判斷力；Astra for Law 賣的是不會漏掉案件。

每一項可能讓你失望的地方

兩個版本都記錄了自身的弱點，這比大多數發布所能做到的還多，而且它們的失敗模式正好互為鏡像。

Astra for Law 最具啟發性的結果來自第三方測試，而非產品發表本身。在美國以外的司法管轄區，法律 AI 公司 HAQQ 測試的三個模型都引用了正確的條文，卻錯誤陳述了條文內容——Astra 在這些項目中有 66.7% 在法律上正確，而 Claude Opus 5 則為 100%。引註檢查工具會讓這些答案過關，因為引註真實且正確。客戶則不然。這正是 Legal Search Index 在結構上最無力修正的失誤：該索引僅涵蓋美國，而錯誤出在解讀，而非檢索。

GLM-Legal 的弱點則恰恰落在相反方向。它針對中文與多司法管轄區的法規實務進行調校——該合規示範以條文層級的引註解決新加坡、馬來西亞與印尼的隱私義務——而且它並沒有相當於美國判例法索引的東西。在美國研究方面，那個能找出 2.3 億個判例 URL 的架構所做的事，正是 GLM-Legal 根本不會做的。它對外公布的強項是草擬、證據連結與依評分規準評分的文件工作；其對外公布的證據完全不含檢索方面的主張。

兩家供應商都尚未發布律師事務所總法律顧問會首先要求的治理文件。Astra for Law 具備 API 上的零資料保留，且 ChatGPT Enterprise 的使用預設被排除於人工審查之外，但該保障是按組織授予的，且該計畫是邀請制的。GLM-Legal 的測試版條款完全未公布，這與不可接受並不相同——它只是沒有文件記錄，而未記錄在案正是你無法帶到風險委員會的東西。

能試用其中任一款，以及它的費用

這兩種合法配置都不在公開價目表上。

• Astra for Law — 受信任存取，採邀請制，鎖定大型律師事務所；法律配置尚未公布價格；API 模型 ID 據稱即將推出。

• GLM-Legal — 一款針對律師事務所、法律科技公司、企業內部法務團隊與獨立執業者的 Beta 版應用程式；未公布定價；亦無公開端點。

• 不過，這兩者的底層模型目前都已正式上線。GPT-6 Astra 在 105 萬詞元的上下文下，每百萬輸入詞元要價 10 美元、每百萬輸出詞元 50 美元，而且輸入一旦超過 272,000 詞元就會啟動長上下文重新計價，而法律文件集動輒就會跨過這個門檻。GLM 5.3 Flash 則是在 100 萬詞元的上下文下，價格為 0.15 美元與 0.50 美元。對兩個都能一口氣吞下整套合約的模型來說，這代表輸入價格相差達 66 倍。

兩者都以那些標價列在 OrcaRouter 目錄中，未額外加價，這在這個類別中比平常更重要：任一型號的供應商價格變動，在這裡當天就會生效，而不是等到合約週期結束才生效。 一組金鑰即可同時涵蓋兩者，因此，若法律工程團隊想用 Astra 處理檢索密集型工作、用 GLM 5.3 Flash 進行大量初審，就不需要兩套商業合作關係、兩套 SDK 或兩組憑證。路由 DSL 會依任務類別拆分流量，因此草擬路徑與摘要路徑可以指向不同模型，仍合併於同一張發票計費。

而且有一個刻意設下的限制，值得點名，而不是藏起來。真正讓 Astra for Law 與 GPT-6 Astra 有所區別的，是 Legal Search Index，而那一層並不對外販售——你無法將請求路由到它，其他任何人也不行。我們路由的是基礎模型。今天在 GPT-6 Astra 上製作法律工作流程原型的團隊，測試到的是一切，唯獨少了讓法律配置變得更好的那部分。

該選哪一個

如果這項工作是美國判例法研究、高度倚重先例的分析，或任何主要風險在於漏掉某項權威依據的工作，Astra for Law 正是直接針對這類需求，而 GLM-Legal 並未在這塊競爭。如果這項工作是依規格起草、跨具名法域的成文法合規，或對你已提供的文件集進行推理，GLM-Legal 的證據則更直接切中要點——其示範也展現了你想要的具體行為，也就是一個會產出數字與條款用語，而不是產出待考量事項清單的模型。

對多數法律團隊而言，本季務實的答案是：這兩者都還不是你們現在必須做出的決定。兩者都需申請才能使用，兩者都尚未定價，而且兩者那些亮眼數字背後，都只有一次由供應商掌控的基準測試。等到閘門開放時能準備就緒的團隊，是那些在這段空檔期間，用真正可呼叫的基礎模型建立起管線的團隊——如此一來，日後採用專用版本時，就只是變更模型 ID，而不是重新平台化。

路由 DSL會依任務類別拆分流量，因此草擬路徑與摘要路徑可以指向不同的模型，卻仍合併在同一張帳單上計費。