GLM-Legal vs TwIL-LM3-Pro：這道關卡，一邊是許可證，另一邊是表單

一個以基準測試分數與申請表形式存在的法律代理，對上一個你今天下午就能下載、卻幾乎無處可部署的形式邏輯模型。GLM-Legal 與 TwIL-LM3-Pro都是相隔數週推出的狹義專家——一個由 Z.ai 基於 GLM-5.3-Flash 打造，用於合約審查、證據分析與合規；另一個則是 webAI 推出的 3.66B 參數推理模型，專為形式邏輯設計，衍生自 IBM 的 granite-4.2-3b。它們並非爭奪同一位置的競爭對手，而本頁也不會假裝它們是。它們之所以值得並列比較，是因為它們代表了 2026 年專門化模型採取的兩種截然不同形態，而每種形態各有其無法取得的方式：TwIL-LM3-Pro 以禁止商業使用的授權條款發布，而 GLM-Legal 則藏在 beta 申請之後，完全沒有公布授權、價格或端點。

如果你來到這裡是想決定該採用哪一個，簡短的答案是：一個是你無法合法使用的檔案，另一個是你還買不到的服務。比較長的答案則是關於這兩個問題之中，哪一個其實能在這季度內解決。

規格，以及它們排除了什麼

參數差異大到足以改變每個模型的用途，因此在爭論之前，值得先把數字列出來：

• 大小與形狀 — GLM-Legal 是總計 320B、啟用 18B 的多模態基礎模型之衍生物；TwIL-LM3-Pro 是 3.66B 的稠密解碼器，確切為 3,659,737,600 個參數、40 層，以 bf16 執行時佔 6.82 GiB，或以 Q4_K_M GGUF 格式執行時佔 2.09 GiB。

• 脈絡 — GLM-Legal 繼承 GLM-5.3-Flash 的 100 萬個 token 視窗；TwIL-LM3-Pro 沿用 granite-4.2-3b 的 131,072 個 token，維持不變。

• 訓練所用的資料——中期訓練階段的法律語料庫，加上在數萬個逼真法律環境中進行的強化學習，對比在合成形式邏輯語料庫上進行的 rank-64 LoRA 監督式微調、多路徑蒸餾、檢查點融合，以及對照程式化驗證器進行的熵加權 GRPO 階段。

• 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.

• 發佈 — API 存取申請表，對比 Hugging Face 檢查點、LiteRT-LM 裝置端版本，以及企業合作方案。

• 已發表的基準測試——第三方測試框架上一個全數通過的數字，加上兩項未量化的對等性主張，對比一組詳盡的數據：由廠商自行打造的測試框架、廠商自己跑出來的數字，而模型卡本身也形容這些數據在某些地方無法得出結論。

底部那兩列才是決定其他一切的東西。先讀部署那一列：GLM-Legal 沒有公開端點，而 TwIL-LM3-Pro 沒有商業授權。這份比較裡的其他所有內容，都是由那一點衍生而來。

依 TwIL-LM3-Pro 自家模型卡的方式，解讀它的數字

webAI 發布了異常坦率的評估資料，而其中最有用的，是一句在行銷頁面上會被刪掉的話。在巨觀關卡上——0.5539 對上 Qwen3-8B 的 0.5336——評測卡寫道領先幅度為 0.020，「小於每組 n = 200 的抽樣雜訊」，並告訴讀者應將其評為持平，而非勝出。

在模型確實與 Qwen3-8B 拉開差距之處，差距是真實且可衡量的：

• Strict-7— 0.2879 相較於 0.2093，這一列完全不使用任何寬鬆匹配計分，因此不可能靠格式上的僥倖產生。

• 嚴格選擇題 — 0.4100 對 0.0000，是十一個回報列中最寬的通道差距。

• 語料庫擬合 — 在所有分支中語言模型困惑度最低，為 2.3130，相較之下為 2.5478。

• 留出測試套件 — 該模型並未在其中領先。十個資料集的巨觀平均為 0.7901，在統計上與自身基礎模型的 0.7942 持平，並落後於 Qwen3-8B 的 0.8493。

• 在專業領域內 — FOL 翻譯精確匹配為 0.0100，語意解析精確匹配為 0.0000，兩者皆由供應商揭露。

這就是一個狹隘專門模型在被誠實記錄時的樣子：在它被打造來處理的那些確切領域上很強，在一般推理上持平或落後，而且在兩種特定輸出格式上表現很差。這也是授權條款之所以如此重要的原因。一個如此專門的模型只有一項工作，而如果那項工作是商業用途，授權條款就會完全阻擋它。

以同樣的懷疑解讀 GLM-Legal 的數字

Z.ai 的發布內容以 Harvey LAB 上 19.2% 的全通過率作為主打，這是一項涵蓋 24 個執業領域的律師事務所工作流程評測，並較 GLM-5.3-Flash 提升了 12.5 個百分點。這兩項都是廠商自家公布的數據。第二項數字意味著基礎模型的全通過率大約在 6.7% 上下，這說明了全通過標準有多嚴苛：一項任務唯有每一步都到位才會被計入，因此偏低的絕對數字是嚴格評分下的預期結果，而非模型能力薄弱的證據。

另外兩個頭條基準測試沒有附帶任何數字。LegalBench——合約解析、合併申報文件、司法意見——被描述為能匹配「頂尖閉源前沿模型的精確度」。PLawBench，這個中國實務套件，被描述為達到「與領先前沿系統並駕齊驅」。這兩項宣稱都沒有指名比較對象，也沒有附上分數。套用到 TwIL-LM3-Pro 的模型卡上，同樣的標準會問這個法律模型在格式精確度賽道上的表現如何，而這個問題沒有答案，因為沒有人公布過。

GLM-Legal 所發表、而 TwIL-LM3-Pro 未發表的唯一一點，是展示其專業化確實奏效。在一個涉及 40 份文件的專案爭議中，GLM-5.3-Flash 找出一份完成度 60% 的客戶報告與一份 41% 的內部快照之間的矛盾，並表示這些文件可能支持客戶的立場。GLM-Legal 將較早的內部警告、該快照，以及一項壓下風險並繼續開立發票的指示，串連成單一的隱匿理論，接著引用該協議中「付款不構成放棄權利」的條款，並列出尚待檢驗的請求要件。這是否能普遍成立仍屬未知。它與其基礎模型相比，行為有實質不同，這一點清楚可見。

「我可以在生產環境中使用這個嗎？」的誠實答案

兩個答案都是否，而這兩個否的到期日不同。

TwIL-LM3-Pro 的阻礙在於授權，而授權會隨著一項決定而改變。該檢查點放在 Hugging Face 上，採用 webAI 自身的非商業條款；重新授權，或採用取得商業授權的 LiteRT-LM 建置版本，就能在一個下午內讓這個模型從研究產物變成可部署元件。10 月 1 日出現的裝置端建置版本帶有母儲存庫的限制，這正是以它為前提規劃前必須查證的事。

GLM-Legal 的障礙是一項計畫，而計畫會隨合約而變。使用權限須透過申請取得，對象是律師事務所、法律科技公司、企業內部法務團隊與獨立執業者，既沒有公開價格，也沒有公開端點。AutoClaw 整合是以未來式撰寫的。對於受監管的部署而言，這比限制性授權更棘手，因為你無法在無法呼叫的東西上建構。

還有一個資料問題，兩個發布版本都沒有回答。webAI 表示該系列在一個月內下載量突破五十萬次——這是廠商提供的數字，未經審計——而免費非商用檢查點的下載量，不能作為正式生產使用的代理指標。GLM-Legal 的 beta 條款尚未公開，這與無法接受不同，卻與風險委員會無法評估無異。

當兩扇門都關閉時，該以什麼為基礎？

務實的做法是把專用模型從管線中分離出來，因為你真正會擁有的是管線本身。今天這兩個專用模型都無法路由到任何地方；可路由的是 GLM-Legal 底下的通用模型，以及周遭的步驟。

GLM 5.3 Flash 已在 OrcaRouter 目錄中，以 Z.ai 的定價上架，加價 0% — 每百萬輸入權杖 $0.15、每百萬輸出權杖 $0.50，快取讀取為 $0.030 — 因此基礎模型的供應商價格一旦變動，我們這邊當天就會同步生效。 一組金鑰即可存取超過 200 個模型，這讓法律工程團隊現在就能在基礎模型上原型開發草擬、範本化與檢查清單步驟，並在 beta 開放時只更改一個模型 ID。自動容錯移轉讓這種原型開發更安全：預備路由可以指向一個尚未經過任何人獨立評估的模型，而不會讓正式環境路徑依賴它。

就整體局面中形式邏輯的那一半而言，本地檢查點與託管通用模型是互補而非替代關係，而模型融合正是讓這件事具體成形的機制——由一組模型共同作答，因此一個負責嚴格蘊涵或 Lean 語句形式化的小型執行器，可以與負責周邊文字撰寫的託管模型並存。webAI 自家數字所暗示的分工是顯而易見的那一種：在交付成果是標籤時運行本地模型，並將所有必須以文字形式回傳的內容都路由出去。

最不該做的一件事，就是把這兩者中的任何一個當成一項決定。TwIL-LM3-Pro 是一個 2.09 GiB 的下載檔，評估它不花任何成本，放棄它也不花任何成本。GLM-Legal 是一份表單，提早填寫只會花上你一個下午。

哪一個，如果它確實是兩者之一

它們重疊得不足以讓單一答案有用，所以誠實的版本是有條件的。如果你的問題是蘊含標註、Lean 陳述形式化、語意剖析，或是輸出是標籤而非成篇文字的氣隙式處理，TwIL-LM3-Pro 是兩者中更合適的，而授權是你唯一真正的障礙。如果你的問題是依規格起草、跨具名法規制度的法令遵循，或對你已持有的文件集進行推理分析，GLM-Legal 正是為此而設，而 TwIL-LM3-Pro 完全沒有發表過任何法律相關證據。

它們的共同點是，兩家廠商都沒有為這款專業產品定價，而且雙方都在自己的測試框架上，將自己的主要成果與自家基礎模型進行評分。這並不是否定任何一個發布的理由——GLM-Legal 的 19.2% 之所以可信，正是因為評分標準嚴苛，而 TwIL-LM3-Pro 的模型卡也誠實到足以列出自己的零結果。這反而是個理由，讓你圍繞著一個今天就能呼叫的模型來規劃整合，並將這兩者視為當閘門打開時才採用的升級，而非作為你建構的基礎。

TwIL-LM3-Pro 的門檻是法律文本，而在這項比較中，法律文本是供應商唯一不需推出任何東西就能更改的一點。GLM-Legal 的門檻則是一項關於 beta 何時成為產品的商業決策。在這兩者之中，要留意授權條款——它是唯一可能毫無預警就變動的那一個。

模型融合是讓這件事具體落實的機制——由一組模型共同回答，因此一個執行嚴格蘊含或 Lean 陳述形式化的小型執行器，可以與一個負責周邊文字敘述的託管模型並存。