AI的风还是刮到了法律圈
好家伙，智谱把垂直模型，卷到法律圈了！
就在刚刚，智谱推出了一款新的法律专用开源模型——GLM-Legal。
它不只能你聊聊法条，还能包揽审合同、串证据、做跨境合规研究等一系列具体的工作，并交给你一份可以原地使用的成果。
成绩也相当能打。
在Vals AI最新公布的法律测评中，GLM-Legal分别以19.2%的任务全通过率和86.23%的准确率，摘得Harvey LAB与LegalBench双榜开放权重模型榜榜首。
好嘛，卷完聊天、办公和代码还不够，AI开始盯上法律合同和案卷里的细活了。
消息一出，小伙伴们立马坐不住了：
好好好，以后GLM-Legal就是我的法务团队了。
但是Wait，它到底学的是哪国法律，真的能帮咱老中人干活吗？
这就得展开看看了。
审合同、串证据、做合规，GLM-Legal都能接
好消息是，它确实适配咱们老中的法律，不会水土不服。
无论是中文法律实务、英文法律任务、还是东南亚跨境合规等考题，它都能接。
但模拟考终归只是一方面。
真实法律工作中的坑可太多了，一踩一个不吱声。
到底能不能干活，咱们还是得把它拉进真实的法律工作环境里溜溜，看看它能不能帮团队审合同、确定海外发布前的隐私合规事项。
咱们先来看三组官方演示（论GLM-5.3-Flash大战GLM-Legal，自己打自己）：
当咱们需要更换软件服务供应商时，往往需要先审明白合同里的终止和交接条款。
代码、数据、文档能不能顺利拿回来？新供应商能不能接上？
而这些雷，往往就埋在条款里。
于是，GLM-Legal建议我们，把合作终止通知时间从60天缩短至30天，并增加最长90天的过渡支持，方便我们把代码、文档和知识交接都安排进去。
除此之外，它还结合合同已有的成果归属约定，要求交回全部的工作成果（包括尚未完成或尚未付款的部分）。
对比GLM-5.3-Flash，GLM-Legal的优势就很明显了：
前者只是给出较泛的建议，而GLM-Legal则进一步明确了时间、交接范围等内容，并把修改方案与合同现有约定对应了起来。
好嘛，这套结束合作后的“分手流程”被它给写明白了，非常之体面。
那我不禁想了，当我抛出一堆散落的证据时，GLM-Legal又将如何应对呢？
这其实是个很现实的问题。
当项目合作出现纠纷时，我们到底要怎样才能从一堆海量的报告、文档和聊天记录中判断对方的说法有没有问题？
就比如官方给出的这个Case：对外报告称项目完成了60%，内部记录却只有约41%。
在实测中，GLM-5.3-Flash和GLM-Legal都能发现这个矛盾点；
但不同的地方在于，GLM-5.3-Flash只给了建议，但GLM-Legal则在建议的基础上，进一步将进度报告与更早的风险警告、内部沟通关联了起来，并落地到了具体行动。
当这条线索梳理清楚了，咱们才方便回到原件逐项核对、并搞清楚到底哪个数据才是对的，可以继续用下去的。
而当咱们准备在新加坡、马来西亚和印度尼西亚等海外平台上线网站时，可能会面对着用户追踪、邮件营销、海外云存储等每一项都可能涉及隐私合规的难题。
在这时候，我们可能就需要一个助手来帮我们搞清楚上线前究竟要做哪些准备。
对此，GLM-Legal在实测中把需要关注的合规事项，拆分成了团队可以着手落实、继续核查的细致步骤，包括但不限于发布具体隐私声明、让退订请求输入抑制列表等等，一目了然。
这下可方便多了。
所以沿着这个思路回头看，咱们就能更直观地明白Harvey LAB这个19.2%的全通过率到底难在哪、又值钱在哪了。
19.2%全通过，这张考卷有多难？
Harvey LAB的测评可从来不是纸老虎。
它采用了严苛的“全条件通过”机制，只有当模型满足了一项任务中的所有评分条件才算通过，少一条都不行。
它的任务设计也直接对标律所派活：给Agent一个需求、一组客户材料，并让它直接整理出一份能拿来审阅的文件。
其中光Harvey LAB首版，就设置了超过1200项模拟律所工作任务，覆盖并购、知识产权、银行金融等24个法律业务领域。
这意味着，模型从读材料、调工具，到按规矩把结果交出来，这一路都不能掉链子，才能在这里拿到一个不错的分数。
而成绩之外，还有一组测试账单的反差值得咱们关注。
在成绩相近的情况下，GLM-Legal比Gemini 4 Argon慢了近30分钟、但Gemini的每项测试成本约为GLM-Legal的70倍：
这一结果或许也提醒着咱们，在挑选法律工作搭子的时候，我们也得把成绩、成本和时间得放在一起考虑。
那么GLM-Legal究竟是怎样训练出来的？
答案或许就藏在智谱一套配套的养成路径里。
智谱给GLM-Legal安排的成长路线，可以概括成一句话：
先送进“法学院”，再带到“模拟律所”练手。
第一步，GLM-Lega会在GLM-5.3-Flash底座上进行法律语料中期训练，并学习法律概念、法条和分析方法，打牢专业基础。
第二步，GLM-Lega则需要通过数万法律任务环境中的强化学习，不断练习读材料、做分析、推进任务和交付成果。
同时，团队也在不断迭代Agent运行框架，改进材料组织、工具连接和反馈流程，让模型与工作环境一起磨合。
眼熟不？眼熟就对了！
这不就是咱们法学生走过的打怪升级实录吗？！
先考入大学法学院疯狂啃书攒内功、然后在大三四大四一头扎进律所当实习牛马，最后熬过好几年，甚至一路往上考，才终于能从小透明进化成靠谱的律师。
AI现在走的，正是咱们当年走过的路啊！
只不过，GLM-Lega目前还处于相对青涩的实习牛马阶段罢了，咱还不能指望它上来就达到合伙人水平。
毕竟智谱这位“法律专才”现在还有许多需要继续检验的地方，19.2%的全通过率也意味着它在严格评分条件下，多数任务仍未实现全部达标，目前还有很大的提升空间。
这也就对应了智谱现在的动作：
邀请律所、法律科技公司、企业法务团队和独立执业人士申请GLM-Legal Beta，并让专业人士参与试用、提供反馈，共同打磨模型；
同时，智谱还计划将相关能力接入AutoClaw，推进实际应用。
好家伙，这背后传递出了一个清晰的信号啊：
智谱正拉着一群最懂行的法律人打磨GLM-Lega，目标很明确，就是让它在未来真正成为律师手里得力的辅助工具。
而未来，智谱能不能真的实现这一愿景，也值得咱们期待一波。
其实智谱开卷法律模型，也并非心血来潮。
早在2023年，智谱就与专注智能合同等业务的法律科技公司幂律智能合作，基于ChatGLM-130B框架联合研发并推出了一款千亿参数级法律垂直模型PowerLawGLM，涉及法律咨询、合同起草和审查等场景。
此后，智谱更是以老股东的身份，持续参与了幂律智能的战略融资和近8000万元Pre-B轮融资。
而将通用模型送去“读法律”的，也不止智谱。
早在今年8月，Harvey便联手Fireworks，以Kimi K3为底座，后训练出了一款自己的法律模型——Tenet。
据Harvey介绍，专项训练后，它完成的LAB留出任务数量接近底座的两倍，成本则保持稳定。
这些探索，或许也为行业提供了一些新思路，那就是：
选好通用底座后，再用专业任务、行业数据和工作环境继续训练，仍有机会把模型的能力继续往前推一步。
而未来，谁能进一步把模型的“专业课”教得扎实，把“模拟律所”搭得更实用，让它练出更多在真实工作中能用得上的本事，或许才能真正赢得这一圈层用户的认可。
参考链接：
[1]
https://x.com/Zai_org/status/2109678174468534511?s=20
[2]
https://z.ai/blog/glm-legal
[3]
https://x.com/ValsAI/status/2109678921017168061
[4]
https://www.harvey.ai/blog/introducing-harveys-legal-agent-benchmark?utm_source=chatgpt.com
[5]
https://media.qimingpian.cn/2023/06/29/bd6b454d1bf2400827f682a6c5e7eacf.html?utm_source=chatgpt.com
- 陶哲轩：数学2.0时代已至！2026-10-11
- 24天！Jev估值翻至75亿美元，年度硅谷最爽逆袭了吧2026-10-10
- Nano Banana终于2.1了！4K直出，中文进步太明显2026-10-10
- 精准揪出RL训练数据Bug，Prompt直出小游戏，IQuest-Q1夯爆了！2026-09-29