大模型从单轮代码生成转向专业协作，真实工作要求模型在目标与交付约束下消化碎片文件，组织知识并保持严谨；法律工作集中挑战，是高风险压力测试。法律实践要求事实、教义、推理与客户成果衔接，智能体提取问题、构建论证并规范输出，满足约束是领域模型基准。GLM-Legal 三维度受评，于 Harvey LAB 取得 19.2% 全通过率，以更精简参数在 LegalBench 和 PLawBench 上追平前沿闭源模型。
正文
大型语言模型正从单轮代码生成转向更广泛的专业协作（Professional Cowork）。真实世界的知识工作提出了不同要求：模型必须在具体目标和紧迫交付约束下消化碎片化源文件，把专业知识组织成连贯分析，并在整个执行生命周期中保持领域严谨性。法律工作集中体现了这些挑战，是训练模型在高风险专业环境中运行的理想压力测试。
法律实践要求事实、成文法理、分析推理和可供客户使用的工作成果之间保持不断链。接到专业任务时，智能体必须从源文件中提取核心问题，构建有辩护力的论证，并按精确的任务规范格式化结论。同时满足所有这些约束，才是领域专用模型的真正基准。
我们从三个维度评估 GLM-Legal：复杂任务执行、专业法律推理和真实法律工作流。GLM-Legal 在 Harvey LAB 上取得 19.2% 的全通过率，同时在 LegalBench 和 PLawBench 上比肩前沿闭源模型，尽管参数规模明显更小。
基准测试亮点
在复杂执行、法律推理和真实起草方面，GLM-Legal 在保持高推理效率的同时达到前沿级表现：
Harvey LAB（19.2% 全通过率）： 在覆盖 24 个执业领域的真实律所工作流中，GLM-Legal 得分 19.2%，比基础模型提升 12.5 个百分点。在 Harvey 严格的全通过评分下，这确认了其可靠的端到端任务执行能力，且不会在中间环节出现退化。
LegalBench（领域推理持平）： 以顶级闭源前沿模型的精度解析专业合同、并购文件和司法意见，尽管参数预算明显更小。
PLawBench（中文本地化实践）： 在细粒度评分标准下，于中国法律咨询、案例分析和文书起草方面与领先前沿系统持平。
训练方法
GLM-Legal 优先考虑训练效率。它构建在轻量级的 GLM-5.3-Flash 基础之上，通过专门的中期训练和高效后训练来扩展领域能力。把基础预训练直接与下游任务执行绑定，我们训练模型解析源记录、适用法律原则、组织论证，并在最终交付前保持输出质量。
1. 中期训练：巩固领域基础
中期训练建立了系统的法律基础。我们扩大了高质量法律语料的规模，让模型在密集的领域语境中学习法律概念、成文法规则和解释框架。这一阶段强化了事实、规则和结论之间的演绎联系，为复杂下游执行提供所需的知识基底。
2. 后训练：模型与 Agent Harness 协同进化
后训练通过数万个真实法律环境中的强化学习，把领域知识转化为任务执行。模型学会在具体约束下规划分析、推进工作流并生成交付物。
在此设置中，Harness 是运行时编排框架。它管理任务上下文、连接工具集并路由执行反馈：
协同迭代优化： Harness 架构与模型训练同步迭代。任务结构化、上下文摄入和运行时反馈循环共同支配智能体的探索。
双向学习： 模型训练中暴露的边缘案例会定位 Harness 的架构瓶颈。反过来，Harness 的改进让模型面对真实执行约束，训练它检索相关上下文、通过中间执行信号适应，并达到从接收提示到最终交付的生产级标准。
3. 生产反馈循环
真实工作流和从业者反馈决定了我们的优化路线图。在生产中，法律专业人士按具体标准评估输出：
是否处理了所有关键问题和边缘情况？
论证是否有充分依据，引用在法律上是否可靠？
交付物是否严格遵循案件简报？
下游团队能否直接使用输出而无需手动返工？
这些要求把主观质量转化为具体的工程损失信号。在诊断遗漏事实、分析肤浅或格式偏差等问题时，我们会检查整个执行流水线，分离原始模型智能、上下文暂存和工作流逻辑各自的贡献。
我们把这些发现直接反馈到任务环境、评估标准和 Harness 设计中，用于后续训练循环，并根据生产基准验证改进。这种在实践需求、任务环境、Harness 和模型训练之间的紧密反馈循环，确保算法进步直接转化为生产可靠性。
将 GLM-Legal 引入 AutoClaw
你很快就能在 AutoClaw（我们的桌面原生智能体平台）中使用这些能力。下面的示例说明 GLM-Legal 如何协助三类常见法律任务：审查合同、准备案件和规划跨境上线。
1. 合同审查：让退出条款为客户服务
任务：审查一份客户更换服务商的软件服务合同，重点关注终止与交接。
GLM-5.3-Flash
终止与交接
合同允许客户提前 60 天通知终止，并对实质违约提供 30 天补救期。可考虑缩短通知期，让客户更灵活。终止时，要求服务商返还客户数据以及客户已付款的已完成交付物。增加配合继任服务商的义务，包括合理提供文档和交接协助。确认未付款项以及过渡支持可能产生的费用。
GLM-Legal
终止与交接
将客户的便利终止通知从 60 天减至 30 天。删除对 IP、保密或数据安全义务违约的补救期，使客户能够 立即终止。第 4 条已把工作成果转让给客户：要求返还所有交付物和在制品，无论是否已付款。增加 最多 90 天的过渡协助，涵盖源代码、文档、数据以及向客户或其继任服务商的知识转移，费用按服务商届时费率计算。
更换服务商时，团队需要一个能保护交接的退出条款。GLM-Legal 将上述目标转化为具体条款，而 AutoClaw 会把这些修改带入 Word 文档，带修订和批注，供团队审阅和谈判。
2. 证据分析：把文件与案件理论关联起来
任务：分析一起软件项目纠纷中的 40 份文件，找出服务商进度报告中的矛盾。
GLM-5.3-Flash
外部报告与内部记录
9 月 30 日的客户报告称项目按计划进行且完成 60%（BR-000024），而内部快照记录约为 41% 完成度（BR-000027）。内部邮件还讨论了架构风险以及关于客户沟通的指示（BR-000014；BR-000015）。这些文件可能支持客户关于进度被夸大的主张。需审查报告历史、发票记录和合同条款，判断这些陈述是否具有误导性，以及还需要哪些进一步证据。
GLM-Legal
外部报告与内部记录
9 月 30 日“ON TRACK – 60% COMPLETE”报告（BR-000024）应与 9 月 8 日关于里程碑无法诚实达成的警告（BR-000014）以及内部约 41% 的快照（BR-000027）对照阅读。CEO 关于压制风险并继续开票的指示（BR-000015）把这种内部认知与披露决定联系起来。MSA 第 2 条和第 5 条规定付款不放弃权利，且保证在付款后继续有效（BR-000001），因此仅凭继续付款并不能解决争议。这些关联支持隐瞒理论；在得出最终结论前，需核对完成度计量并检验其余索赔要件。
在项目纠纷中，关键是把进度报告与服务商内部所知联系起来。GLM-Legal 将外部陈述与冲突记录配对，引用源文件并解释其潜在法律意义。矛盾图帮助团队评估证据、决定下一步调查，同时保持事实与推断的区分。
3. 合规研究：确定上线前隐私优先事项
任务：为一个在新加坡、马来西亚和印度尼西亚上线的网站规划隐私合规，涉及跟踪、邮件营销和海外云存储。
GLM-5.3-Flash
上线前优先事项
上线前，发布隐私通知，说明收集、使用、共享和海外存储。审查 Cookie 和分析工具是否需要同意，在营销邮件中包含退订选项，并确保供应商提供适当的数据保护保障。检查新加坡、马来西亚和印度尼西亚适用的隐私法，并确认任何本地要求。上线计划应处理通知、同意、营销和传输，把责任分配给相关团队，并在网站上线前审查未决法律问题。
GLM-Legal
上线前优先事项
P0——建议上线前完成： 发布英文和印尼文隐私通知，涵盖目的、传输、权利和投诉。对非必要分析和广告使用选择加入（opt-in），保留同意记录，并把营销许可与注册分开。让退订请求进入抑制名单。把云、支付、邮件、分析和 CDN 供应商映射到其数据目的地，然后确认每个市场要求的合同与传输保障（新加坡 PDPA 第 26 条；马来西亚 PDPA 第 129 条；印尼 PDP Law 第 55–56 条）。把这些通用控制作为保守的上线基线，同时检查每个市场的具体要求。
跨境上线需要一个团队能执行的计划。GLM-Legal 把隐私要求拆解为跟踪同意、营销许可和海外数据传输的实操步骤，并给出每个市场的法律参考。优先级清单帮助团队实施通用控制，并识别上线前需确认的国别问题。
加入 GLM-Legal Beta
无论你是律所、法律科技公司、内部法律团队还是独立执业者，我们都邀请你体验 GLM-Legal。
申请 API 访问权限：https://z.ai/consultation/legal
AutoClaw：https://autoclaw.z.ai
评论
讨论气氛以怀疑、讽刺和职业自嘲为主，分歧主轴不是「法律 AI 有没有用」，而是「在幻觉、责任、闭源数据与基准宣传都没解决前，它到底是提效工具、律师的金饭碗，还是新的风险与炒作」。较多评论聚焦幻觉漏检、责任归属和基准不可信；少数人则在争论律师会被廉价 LLM 削弱还是因签字责任反而更轻松高薪，也有人看好可追责的专业 AI 护城河。
认为责任归属、披露和防幻觉机制都严重不足
- 该产品看起来依赖修订留痕和人工复核，但评论指出这没有解决 LLM 直接编造案例或判决的问题；一旦律师复核漏掉，就会面对愤怒的法官，甚至被追责。还有人主张应立法强制律师披露 AI 使用情况，并重点改进责任模型；也有人贴出「AI 幻觉案例」清单，称这是绕不开的持续灾难（较多人）。 > 他们似乎依赖修订留痕和人工复核，却没解决 LLM 直接编造案例或裁判结果的问题；律师一旦漏检，就会面对愤怒的法官（@Natsu）
认为基准成绩和宣传不可信，实际准确率太低
- 有律师用户表示，基准 20% 通过率根本不值得买账，诉讼的关键是为新颖情境做准备，而不是重打旧案；也有人直言不到 20% 准确率完全没用，并嘲讽这只是基准炒作。还有人质疑它面对海量且互相矛盾的证据时，与现有前沿模型相比究竟如何（较多人）。 > 作为律师，我对基准 20% 的通过率并不买账，诉讼的关键在于为新颖情境做准备，而不是重打过去的官司（@otterley）
担心闭源与中国背景带来数据主权、保密和特权风险
- 有人确认这不是开源权重模型，只能通过 z.ai 使用；如果美欧用户上传私人法律信息，就会被没有引渡条约的对立国家处理和存储。还有人追问：把邮箱接到这类第三方服务，为什么竟然没有让人丧失全部法律特权？评论也联想到中国实验室转向闭源会改变外界情绪，以及 Harvey 被美国实验室挤压利润的传闻（少数人）。 > 如果美欧用户把私人法律信息放上去，就会被一个没有引渡条约的对立国家处理和存储（@consumer451）
质疑适用法系不明，且示例偏向美英普通法
- 有人指出页面没说明系统面向美国法、中国法还是欧洲法，作者似乎默认读者知道；同时示例多集中在普通法国家。若把面向美英法律体系设计的工具套用到其他法系，会产生什么连锁反应值得担忧（少数人）。 > 最好能说明它到底是面向美国法、中国法还是欧洲法，作者似乎默认大家都知道（@bb123）
认为人类签字要求反而让律师更轻松高薪
- 由于仍需要律师做专业签署，LLM 承担重活，律师可能变成有保障、轻松且高薪的监督者；这一反直觉判断认为「人类签字」不会削弱他们，反而镀金（少数人）。 > 律师会过上镀金生活，人类签字让 LLM 干重活，他们拿到有保障、轻松且高薪的工作（@dyauspitr）
认为廉价 LLM 会侵蚀律师的守门人地位
- 有评论抨击律师是昂贵、排外且制造不平等的看门人，如今连日常重复、低技能的工作也能被更便宜的 LLM 以低成本完成，其垄断可能被削弱（少数人）。
认为更该用 AI 帮助超负荷的法官以提升裁判质量
- 通常关注点在律师，但法官可能更超负荷；若 AI 能辅助法官，最终或许能带来更好的判决（少数人）。 > 大家通常担心律师，但法官可能更超负荷；如果能帮法官，最终是否会做出更好的判决（@senshan）
认为正确且可法律追责的专业垂直 AI 前景广阔
- 有人对法律、医疗、工程、会计等专业 AI 感到兴奋，认为能真正做对、且能在法律上负责的 AI，正好是值得抢占的护城河（少数人）。 > 专业 AI 很有意思，法律、医疗、工程、会计都能受益；做对且能法律追责的 AI，正是可以抢占的护城河（@newsclues）
质疑演示视频像 SaaS demo，怀疑缺乏法律专家参与
- 有人觉得演示视频非常像 SaaS 演示代码做出来的，怀疑团队到底有没有和真正的法律领域专家合作（少数人）。 > 视频非常像 SaaS 演示编码出来的，我怀疑他们到底有没有和法律领域专家合作（@alansaber）
有价值的补充
- 精巧类比：有人引用「自任律师必有傻瓜客户」的旧谚，并把律师把工作外包给 AI 类比成把案件交给 Freakazoid——一个能访问全部互联网知识、却只会张开手臂假装飞行的角色（@dsr_）。
- 技术补充：有开发者查看智能体解决 Harvey 基准中公司知识任务的轨迹，发现多个有问题的任务和评分标准，并在代码托管平台的 issue 中列举（@mathis-l）。
- 实践补充：有人用 Chrome 访问该法律 z.ai 站点时遇到证书通用名无效的错误，浏览器提示连接不是私密连接（@toephu2）。