GLM-Legal 是智谱 Z.ai 在 2026 年 10 月 12 日通过官方博客发布的法律领域模型。它走的路线和通用大模型不同：不拼参数规模，而是以轻量的 GLM-5.3-Flash 为底座，用领域中训练加高效后训练，把模型专门调教成能接律所真实活的样子。官方给出的核心成绩是，在 Harvey LAB 这套按律所真实工作流设计的评测里，GLM-Legal 的全通过率达到 19.2%，比其底座模型高出 12.5 个百分点；在 LegalBench 和面向中国法律实务的 PLawBench 上，官方称其表现与前沿闭源模型持平，而参数量明显更小。
19.2% 为什么值得写：这套评测是全有全无
先解释这个数字为什么不低。Harvey LAB 覆盖 24 个执业领域，采用严格的全通过评分：一项任务里事实提取、法条适用、论证结构、交付格式任何一环掉链子，整题就记为不通过，模拟的正是律所对工作成果的验收方式——律师交出去的文件不能只有八成对。真实法律工作难也难在这里：它要求事实、法理、推理和成品之间是一条不断裂的链。GLM-Legal 能把全通过率从底座的约 6.7% 提到 19.2%，说明提升的不只是法律知识量，而是端到端把一件活做完的能力。当然反过来读也成立：即便经过专门训练，五分之四的任务仍过不了全通过线，这正是官方数字里最诚实的部分，法律场景离全自动交付还很远。
训练方法的新意在让模型和运行框架一起进化
GLM-Legal 的训练分三层。先是中训练阶段扩充高质量法律语料，让模型把法律概念、成文规则和解释框架先学扎实。再是后训练阶段：在数万个真实感法律任务环境里做强化学习，让模型学会规划分析、推进流程、在具体约束下产出交付物。这一阶段有个值得注意的做法，官方称之为模型与 Harness（运行框架）协同进化：负责任务上下文、工具连接和反馈路由的框架，与模型训练同步迭代，训练中暴露的边缘案例反过来指出框架的瓶颈，框架的改进又让模型在更真实的执行约束里学习。最后是生产反馈回路：一线法律从业者按关键问题是否都覆盖、论证和引注是否站得住、成品是否严格符合委托要求、下游团队能否直接使用这四条标准打分，评分结果直接变成下一轮训练和评测的改进信号。
三个案例看它到底比底座强在哪
官方博客给了三组同题对比，差异相当具体。合同审查里，任务是为更换服务商的客户审退出条款：底座模型给出的是缩短通知期、要求返还数据这类方向正确的泛泛建议，GLM-Legal 则落到条款级动作——便利解除通知从 60 天改到 30 天，知识产权、保密和数据安全类违约取消补救期可立即解除，未付款的在制成果也要返还，并加上最长 90 天的过渡协助。证据分析里，面对 40 份软件项目纠纷文件，它把对外报告的完成 60% 与内部快照的约 41%、更早的内部预警邮件和高管要求压下风险继续开票的指示串成一条证据链，并援引合同条款说明付款不等于放弃权利。跨境合规案例中，它把新加坡、马来西亚、印尼三地的隐私上线事项排成优先级清单，给出同意记录、退订抑制名单、供应商数据流向梳理等可执行动作并附当地法条编号。这三例的共同点是：输出不再是法律常识复述，而是能直接进谈判、进案卷、进上线清单的工作底稿。
内测开放中，边界也要看清
目前 GLM-Legal 处于内测阶段：官方开放了 API 访问申请，面向律所、法律科技公司、企业法务和独立执业者；其桌面智能体平台 AutoClaw 也即将接入这套能力，可以把修改直接以修订和批注形式写进 Word 文档供团队复核。需要清醒看待的是，三个案例和全部基准都来自智谱官方自测与自选展示，Harvey LAB 的 19.2% 也提醒着：在引用准确性、事实核查这类零容错环节，模型产出仍必须经过律师逐项复核。它的价值定位更像是把初稿、梳理和清单这类最耗时的活先做到可改的程度，而不是替代签字的人。对法律团队来说，这已经足够构成一个值得实测的选项：拿自己脱敏后的真实任务跑一轮全通过式验收，比看任何榜单都更能说明问题。
