Z.ai ने कानूनी कार्यप्रवाहों के लिए एजेंट-आधारित मॉडल GLM-Legal पेश किया

Z.ai ने GLM-5.3-Flash आधार वाले कानूनी क्षेत्र के एजेंट-आधारित मॉडल GLM-Legal को 12 अक्टूबर 2026 की घोषणा में पेश किया। कंपनी ने बताया कि वास्तविक विधि-फर्म कार्यप्रवाहों पर आधारित Harvey LAB बेंचमार्क में इसकी सभी मानदंडों पर उत्तीर्ण होने की दर 19.2% रही।

कंपनी के अनुसार, कानूनी काम उन उच्च-दाँव वाले पेशेवर परिवेशों में काम करने के लिए मॉडल प्रशिक्षित करने की आदर्श कसौटी है। Z.ai का तर्क है कि कानूनी अभ्यास में तथ्यों, वैधानिक सिद्धांतों, विश्लेषणात्मक तर्क और ग्राहक को सौंपे जाने योग्य कार्य-परिणामों के बीच एक अखंड कड़ी होनी चाहिए: किसी पेशेवर काम के निर्देश मिलने पर एजेंट को स्रोत दस्तावेज़ों से मुख्य मुद्दे निकालने, तर्कसंगत और बचाव योग्य दलीलें तैयार करने और अपने निष्कर्षों को काम की सटीक अपेक्षाओं के अनुरूप प्रस्तुत करने में सक्षम होना चाहिए। कंपनी लिखती है कि इन सभी शर्तों को एक साथ पूरा करना ही क्षेत्र-विशिष्ट मॉडलों की असली कसौटी है।

बेंचमार्क के नतीजे

Z.ai के अनुसार, उसने GLM-Legal का मूल्यांकन तीन पहलुओं पर किया: जटिल कार्यों को पूरा करना, विशिष्ट कानूनी तर्क और वास्तविक दुनिया के कानूनी कार्यप्रवाह।

कंपनी की रिपोर्ट के मुताबिक, 24 कानूनी अभ्यास क्षेत्रों के वास्तविक विधि-फर्म कार्यप्रवाहों का मूल्यांकन करने वाले Harvey LAB में GLM-Legal ने सभी मानदंडों पर 19.2% उत्तीर्णता दर हासिल की। यह उसके आधार मॉडल से 12.5 प्रतिशत अंक बेहतर है। Z.ai का कहना है कि Harvey की सख्त, सभी मानदंडों पर उत्तीर्णता वाली मूल्यांकन पद्धति के तहत यह नतीजा मध्यवर्ती चरणों में गुणवत्ता घटे बिना शुरू से अंत तक भरोसेमंद ढंग से काम पूरा करने की पुष्टि करता है।

कंपनी के मुताबिक, LegalBench पर यह मॉडल विशिष्ट अनुबंधों, विलय संबंधी दस्तावेज़ों और न्यायिक मतों का विश्लेषण शीर्ष बंद-स्रोत फ्रंटियर मॉडलों जैसी सटीकता से करता है, जबकि इसका पैरामीटर बजट उनसे काफी कम है। Z.ai ने यह भी बताया कि बारीक मानदंडों वाली मूल्यांकन पद्धति के तहत चीनी कानूनी परामर्श, मामले के विश्लेषण और दस्तावेज़ तैयार करने का आकलन करने वाले PLawBench पर इसका प्रदर्शन अग्रणी फ्रंटियर प्रणालियों के बराबर है।

प्रशिक्षण पद्धति

Z.ai के वर्णन के अनुसार, GLM-Legal का आधार हल्का GLM-5.3-Flash मॉडल है। इसमें विशिष्ट मध्य-प्रशिक्षण को उच्च-दक्षता वाले प्रशिक्षण-पश्चात चरण के साथ जोड़कर क्षेत्र-विशेष की क्षमता बढ़ाई गई है।

मध्य-प्रशिक्षण के चरण में Z.ai ने उच्च-गुणवत्ता वाले कानूनी दस्तावेज़ों का संग्रह बढ़ाया, ताकि मॉडल विषय-विशेष के सघन संदर्भ में कानूनी अवधारणाएँ, वैधानिक नियम और व्याख्यात्मक ढाँचे सीख सके। कंपनी के अनुसार, यह चरण तथ्यों, नियमों और निष्कर्षों के बीच निगमनात्मक संबंधों को मजबूत करता है और आगे के जटिल कार्यों को पूरा करने के लिए आवश्यक ज्ञान का आधार तैयार करता है।

प्रशिक्षण-पश्चात चरण में इस क्षेत्र-विशेष के ज्ञान को कार्य-निष्पादन में ढाला जाता है। इसके लिए दसियों हज़ार यथार्थपरक कानूनी परिवेशों में सुदृढीकरण अधिगम कराया जाता है, जहाँ मॉडल विश्लेषण की योजना बनाना, कार्यप्रवाह को आगे बढ़ाना और ठोस बाध्यताओं के अनुरूप नतीजे तैयार करना सीखता है। Z.ai इस व्यवस्था में Harness को रनटाइम समन्वय ढाँचा बताता है: यह कार्य का संदर्भ संभालता है, टूलसेट जोड़ता है और निष्पादन से मिली प्रतिक्रिया को सही दिशा में भेजता है। कंपनी के मुताबिक, Harness की संरचना और मॉडल का प्रशिक्षण साथ-साथ आगे बढ़ते हैं और दोनों एक-दूसरे से सीखते हैं: मॉडल प्रशिक्षण के दौरान सामने आने वाले असामान्य मामले Harness की संरचनात्मक अड़चनों की पहचान करते हैं, जबकि Harness में सुधार मॉडल को प्रॉम्प्ट मिलने से लेकर अंतिम अनुमोदन तक, निष्पादन की वास्तविक बाध्यताओं से परिचित कराते हैं।

तीसरे चरण में उत्पादन से मिली प्रतिक्रिया को प्रशिक्षण संकेतों में बदला जाता है। Z.ai के अनुसार, कानूनी पेशेवर ठोस मानदंडों के आधार पर नतीजों का मूल्यांकन करते हैं: क्या सभी महत्वपूर्ण मुद्दों और असामान्य मामलों को संबोधित किया गया है; क्या दलीलों के समर्थन में पर्याप्त आधार हैं और उद्धरण कानूनी रूप से सही हैं; क्या तैयार सामग्री मामले के विवरण का पूरी तरह पालन करती है; और क्या आगे काम करने वाली टीमें बिना हाथ से दोबारा काम किए उस सामग्री का तुरंत उपयोग कर सकती हैं। इन अपेक्षाओं से गुणवत्ता के व्यक्तिपरक आकलन ठोस इंजीनियरिंग लॉस संकेतों में बदल जाते हैं। कंपनी इन्हें आगे के प्रशिक्षण चक्रों के लिए कार्य-परिवेशों, मूल्यांकन मानदंडों और Harness की संरचना में वापस शामिल करती है और उत्पादन बेंचमार्क के आधार पर सुधारों की पुष्टि करती है।

AutoClaw में कानूनी काम के तीन उदाहरण

Z.ai का कहना है कि उपयोगकर्ता जल्द ही उसके डेस्कटॉप-आधारित एजेंट प्लेटफ़ॉर्म AutoClaw में GLM-Legal की क्षमताओं का उपयोग कर सकेंगे। इस एकीकरण को दिखाने के लिए कंपनी ने तीन नमूना कार्य प्रकाशित किए। तुलना के लिए हर उदाहरण के साथ आधार मॉडल GLM-5.3-Flash का नतीजा भी दिया गया है।

अनुबंध की समीक्षा के एक उदाहरण में मॉडल से ऐसे ग्राहक के लिए सॉफ़्टवेयर सेवा अनुबंध जाँचने को कहा गया, जो सेवा-प्रदाता बदल रहा था। समीक्षा में अनुबंध समाप्ति और काम का हस्तांतरण मुख्य विषय थे। नमूने के नतीजे में ग्राहक की सुविधा के लिए अनुबंध समाप्त करने की सूचना-अवधि 60 से घटाकर 30 दिन करने; बौद्धिक संपदा, गोपनीयता या डेटा-सुरक्षा संबंधी दायित्वों के उल्लंघन के लिए सुधार-अवधि हटाने, ताकि ग्राहक तुरंत अनुबंध समाप्त कर सके; भुगतान हुआ हो या नहीं, सभी सुपुर्दगी योग्य सामग्री और जारी काम लौटाना अनिवार्य करने; और स्रोत कोड, दस्तावेज़ीकरण, डेटा तथा ज्ञान के हस्तांतरण को शामिल करते हुए अधिकतम 90 दिनों की संक्रमण-सहायता जोड़ने का प्रस्ताव था। इसके बाद AutoClaw उन संशोधनों को Word दस्तावेज़ में ट्रैक किए गए बदलावों और टिप्पणियों के रूप में दर्ज करता है।

सॉफ़्टवेयर परियोजना से जुड़े विवाद के 40 दस्तावेज़ों के साक्ष्य-विश्लेषण के एक उदाहरण में, नमूना आउटपुट ने 30 सितंबर की ग्राहक रिपोर्ट का मिलान 8 सितंबर की आंतरिक चेतावनी से किया। ग्राहक रिपोर्ट में कहा गया था कि परियोजना तय योजना के अनुसार चल रही है और 60% पूरी हो चुकी है, जबकि आंतरिक चेतावनी में कहा गया था कि मील का पत्थर ईमानदारी से हासिल नहीं किया जा सकता; एक आंतरिक स्थिति-चित्र में परियोजना लगभग 41% पूरी दर्ज थी। उसने इन अभिलेखों को जोखिम दबाने और बिल भेजना जारी रखने के सीईओ के निर्देश से जोड़ा और छिपाव के दावे के समर्थन में मास्टर सेवा अनुबंध की धारा 2 और 5 का हवाला दिया, जिनमें कहा गया है कि भुगतान से अधिकार समाप्त नहीं होते और भुगतान के बाद भी वारंटियाँ प्रभावी रहती हैं। साथ ही, उसने यह भी कहा कि अंतिम निष्कर्ष पर पहुँचने से पहले दावे के बाकी तत्वों की जाँच की जानी चाहिए।

अनुपालन संबंधी शोध के एक उदाहरण में, मॉडल से सिंगापुर, मलेशिया और इंडोनेशिया में शुरू होने वाली ऐसी वेबसाइट के लिए गोपनीयता अनुपालन की योजना बनाने को कहा गया, जिसमें ट्रैकिंग, ईमेल मार्केटिंग और विदेश में क्लाउड स्टोरेज शामिल थे। नमूना आउटपुट ने लॉन्च से पहले की प्राथमिकताओं की सूची दी: अंग्रेज़ी और इंडोनेशियाई में गोपनीयता सूचनाएँ प्रकाशित करना; गैर-आवश्यक विश्लेषिकी और विज्ञापन के लिए ऑप्ट-इन सहमति लागू करना और सहमति के अभिलेख रखना; सदस्यता समाप्त करने के अनुरोधों को दमन सूची में भेजना; क्लाउड, भुगतान, ईमेल, विश्लेषिकी और सामग्री-वितरण सेवा प्रदाताओं का उनकी डेटा-गंतव्यों के साथ मानचित्रण करना; और प्रत्येक बाज़ार में आवश्यक अनुबंधों तथा डेटा हस्तांतरण सुरक्षा उपायों की पुष्टि करना। इसमें सिंगापुर और मलेशिया के व्यक्तिगत डेटा संरक्षण अधिनियमों तथा इंडोनेशिया के व्यक्तिगत डेटा संरक्षण कानून के वैधानिक संदर्भ भी दिए गए।

बीटा तक पहुँच

Z.ai, कानून फ़र्मों, कानूनी प्रौद्योगिकी कंपनियों, कंपनियों की आंतरिक कानूनी टीमों और स्वतंत्र पेशेवरों को GLM-Legal बीटा में शामिल होने के लिए आमंत्रित कर रहा है। एपीआई तक पहुँच के लिए परामर्श हेतु आवेदन करना होगा।

AutoClaw स्वयं एक डेस्कटॉप ऐप्लिकेशन है, जिसे कंप्यूटर पर स्थानीय रूप से इंस्टॉल किया जाता है। AutoClaw का उत्पाद पृष्ठ के अनुसार, यह Windows 10 और इसके बाद के संस्करणों, Apple Silicon और Intel मशीनों पर macOS, iOS और Android को सपोर्ट करता है; Linux के संस्करण भी उपलब्ध कराए जाते हैं। ऐप में 50 से अधिक अंतर्निर्मित कौशल हैं, यह GLM और DeepSeek मॉडल के बीच स्विच करने की सुविधा देता है और WhatsApp, Telegram, Discord, Lark तथा अन्य मैसेजिंग प्लेटफ़ॉर्म से जुड़ता है, ताकि उपयोगकर्ता चैट थ्रेड में ही कार्य सौंप सकें और उनके परिणाम प्राप्त कर सकें।