Z.ai、法務ワークフロー向けエージェント型モデル「GLM-Legal」を発表

Z.aiは、GLM-5.3-Flashを基盤とする法務分野向けのエージェント型モデル「GLM-Legal」を、2026年10月12日の発表で紹介した。同社によると、実際の法律事務所のワークフローを対象とするHarvey LABベンチマークで、全項目合格率19.2％を達成した。

同社は、法務業務を、重大な責任を伴う専門的な環境でモデルを機能させるための理想的なストレステストと位置付けている。Z.aiによると、法律実務では、事実、法令の法理、分析的推論、そしてクライアントに提出できる成果物の間に、途切れのない一貫性が求められる。専門的なタスクを与えられたエージェントは、原資料から重要な論点を抽出し、根拠のある主張を組み立て、タスクの厳密な仕様に沿って調査結果をまとめなければならない。同社は、こうした制約をすべて同時に満たすことこそ、特定分野向けモデルの真の評価基準だとしている。

ベンチマークの結果

Z.aiによると、同社は複雑なタスクの遂行、専門的な法的推論、実際の法務ワークフローという3つの軸でGLM-Legalを評価した。

24の実務分野にわたる実際の法律事務所のワークフローを評価するHarvey LABで、GLM-Legalは全項目合格率19.2％を達成した。これはベースモデルを12.5パーセントポイント上回る結果だと同社は報告している。Z.aiによると、Harveyの厳格な全項目合格方式の採点基準において、この結果は、中間段階で性能を損なうことなく、タスクを最初から最後まで確実に遂行できることを示している。

同社によると、LegalBenchでは、モデルは専門的な契約書、合併関連の届出書類、司法意見書を解析し、パラメーター規模を大幅に抑えながら、最高水準のクローズドソース型フロンティアモデルに匹敵する精度を実現した。さらにZ.aiは、中国の法律相談、事案分析、文書作成を詳細な評価基準で測るPLawBenchでも、最先端の主要システムと同等の性能を示したと報告している。

トレーニング手法

Z.aiが「軽量」と説明するGLM-5.3-Flashを基盤に、専門的な中間学習と高効率な事後学習を組み合わせることで、GLM-Legalは法務分野の能力を高めている。

中間学習の段階では、高品質な法務コーパスの量を拡充し、密度の高い専門的文脈の中で、モデルが法律上の概念、法令の規則、解釈の枠組みを学べるようにした。Z.aiによると、この段階によって事実、規則、結論の間の演繹的なつながりが強化され、複雑な後続タスクを遂行するために必要な知識基盤が形成される。

事後学習では、数万件に及ぶ現実的な法務環境で強化学習を行い、専門知識をタスクの遂行能力へと結び付ける。モデルは、具体的な制約の下で分析を計画し、ワークフローを進め、成果物を作成する方法を学ぶ。この仕組みにおいてZ.aiが「ハーネス」と呼ぶのは、実行時のオーケストレーションを担うフレームワークだ。タスクのコンテキストを管理し、ツール群を接続して、実行に関するフィードバックを振り分ける。同社によると、ハーネスのアーキテクチャとモデルのトレーニングは歩調を合わせて反復的に進み、学習は双方向に行われる。モデルのトレーニングで明らかになったエッジケースはハーネスのアーキテクチャ上のボトルネックを特定する一方、ハーネスの改良によって、プロンプトの取り込みから最終承認まで、現実的な実行上の制約にモデルが対応できるようになる。

第3段階では、実運用から得たフィードバックをトレーニングのシグナルに変換する。Z.aiによると、法務の専門家は具体的な基準に照らして出力を評価する。重要な論点とエッジケースがすべて扱われているか、主張に十分な根拠があり、引用が法的に妥当か、成果物が案件の依頼内容に厳密に沿っているか、そして後続のチームが手作業で修正せずにすぐ利用できるかを確認する。こうした要件により、主観的な品質は具体的なエンジニアリング上の損失シグナルへと変換される。同社はそのシグナルをタスク環境、評価基準、ハーネスの設計に反映させ、次のトレーニングサイクルに活用し、実運用のベンチマークに照らして改善を検証する。

AutoClawで試せる3つの法務タスク

Z.aiによると、ユーザーはまもなく、デスクトップネイティブのエージェントプラットフォームであるAutoClawでGLM-Legalの機能を活用できるようになる。同社は連携の例として、3つのタスクを公開した。それぞれの例には、比較用としてベースモデルのGLM-5.3-Flashによる出力も併記されている。

契約書レビューの例では、事業者の切り替えを検討しているクライアントのソフトウェアサービス契約書を、契約終了と引き継ぎを中心に確認するようモデルに指示した。サンプル出力では、クライアント側の任意解約に必要な通知期間を60日から30日に短縮すること、知的財産、機密保持、データセキュリティに関する義務違反について是正期間をなくしてクライアントが直ちに契約を終了できるようにすること、有償かどうかを問わず、すべての成果物と進行中の作業を返還させること、さらにソースコード、文書、データ、知識の移転を対象とする最長90日間の移行支援を追加することを提案した。その後AutoClawは、これらの修正をWord文書に変更履歴とコメントとして反映する。

ソフトウェアプロジェクトをめぐる紛争に関する40件の文書を対象とした証拠分析の例では、サンプル出力は、プロジェクトは予定どおり進んでおり、9月30日時点で60％完了していると記した顧客向け報告書を、マイルストーンの達成は正直に言って不可能だとする9月8日付の社内警告、および完了率を約41％と記録した社内スナップショットと照合した。さらに、リスクを伏せて請求を続けるよう指示したCEOの指示と、支払いによって権利が放棄されることはなく、保証は支払い後も存続すると定める基本業務委託契約の第2条および第5条を、隠蔽を主張する根拠として結び付ける一方、最終的な結論を出す前に、請求を構成する残りの要件も検証すべきだと指摘した。

コンプライアンス調査の例では、モデルに対し、トラッキング、メールマーケティング、海外のクラウドストレージを利用する、シンガポール、マレーシア、インドネシアで公開予定のウェブサイトについて、プライバシーコンプライアンスの計画を立てるよう求めた。サンプル出力では、公開前に優先して行う事項として、英語とインドネシア語のプライバシー通知を公開すること、必須ではない分析と広告についてオプトイン方式の同意を適用し、同意記録を保管すること、配信停止の申請を配信抑止リストに登録すること、クラウド、決済、メール、分析、コンテンツ配信の各ベンダーとデータの送信先を対応付けること、さらに各市場で必要となる契約と越境移転の保護措置を確認することを挙げた。また、シンガポールとマレーシアの個人データ保護法、およびインドネシアの個人データ保護法に関する法令上の参照も示した。

ベータ版への参加

Z.aiは、法律事務所、リーガルテック企業、企業内法務チーム、独立して活動する実務家にGLM-Legalのベータ版への参加を呼びかけている。APIへのアクセスは、相談申し込みを通じて受け付ける。

AutoClaw自体は、ローカルにインストールして使うデスクトップアプリケーションです。AutoClawの製品ページによると、Windows 10以降、Apple SiliconおよびIntel搭載マシンのmacOS、iOS、Androidに対応しており、Linux版も提供されています。アプリには50種類を超えるスキルが標準搭載され、GLMとDeepSeekのモデルを切り替えて利用できます。また、WhatsApp、Telegram、Discord、Larkなどのメッセージングプラットフォームに接続できるため、ユーザーはチャット内でタスクを割り当て、結果を受け取ることができます。