智谱发布开源法律模型GLM-Legal，Harvey LAB榜单双料第一
2026/10/17 20:13阅读量 2
智谱推出专为法律场景设计的开源模型GLM-Legal，在Vals AI发布的Harvey LAB与LegalBench双榜中，以19.2%的任务全通过率和86.23%的准确率位居开放权重模型榜首。该模型基于GLM-5.3-Flash底座，通过中期训练与强化学习打造，具备合同审查、证据分析及跨境合规等实务能力。尽管目前仍处于Beta测试阶段且全通过率有限，但其显著低于竞品的成本优势展现了商业化潜力。
事件概述
智谱（Zhipu AI）正式发布了一款垂直领域的法律专用开源大模型——GLM-Legal。该模型旨在解决法律实务中的复杂任务，如合同审阅、证据链梳理及合规研究。在最新的权威测评中，GLM-Legal在开放权重模型类别中取得了全球领先的成绩。
核心信息与评测表现
- 榜单成绩：在Vals AI公布的最新法律测评中，GLM-Legal在Harvey LAB和LegalBench两个基准测试中均获得开放权重模型榜首。
- 全通过率：19.2%（Harvey LAB采用严苛的“全条件通过”机制，要求满足所有评分条件才算通过）。
- 准确率：86.23%。
- 能力覆盖：模型不仅适配中文法律实务，还能处理英文法律任务及东南亚（如新加坡、马来西亚、印尼）的跨境隐私合规问题。
- 成本对比：在与Gemini 4 Argon的性能相近对比中，GLM-Legal虽慢约30分钟，但单项测试成本仅为Gemini的约1/70，显示出极高的性价比。
实战应用场景
官方演示展示了GLM-Legal在处理具体法律工作流中的优势，相比通用模型（如GLM-5.3-Flash），其输出更具可执行性：
- 合同审查与交接管理：在软件供应商更换场景中，模型能精准识别终止条款风险，建议将通知期从60天缩短至30天，并明确过渡支持期及成果交还范围，直接生成修改方案。
- 证据分析与矛盾排查：面对项目进度数据不一致（对外报告60% vs 内部记录41%），模型不仅能发现矛盾，还能关联早期风险警告与沟通记录，提供具体的核对行动指南。
- 出海合规清单：针对多国家网站上线，模型将复杂的隐私法规拆解为可执行的步骤清单，包括隐私声明发布、退订列表抑制等具体操作。
技术路径与训练策略
GLM-Legal的开发遵循类似人类律师的培养路径：
- 第一阶段（法学院）：基于GLM-5.3-Flash底座进行法律语料中期训练，掌握法律概念、法条及分析方法。
- 第二阶段（律所实习）：通过数万级法律任务环境的强化学习，模拟真实工作流，练习材料组织、工具调用及结果交付。同时迭代Agent运行框架，优化反馈流程。
行业背景与展望
- 当前状态：模型目前处于Beta测试阶段，邀请律所、法务团队及独立执业者试用，计划接入AutoClaw平台推进实际应用。19.2%的全通过率表明其在严格标准下仍有提升空间。
- 行业趋势：智谱此前已与幂律智能合作推出PowerLawGLM，持续深耕法律AI领域。与此同时，美国公司Harvey也联合Fireworks推出了基于Kimi K3的法律模型Tenet。这表明“通用底座+专业领域微调/强化学习”已成为法律大模型的主流演进路线。