Z.ai onthult GLM-Legal, een agentisch model voor juridische werkprocessen

Z.ai introduceerde GLM-Legal, een agentisch model voor het juridische domein dat is gebouwd op de basis van GLM-5.3-Flash, in een aankondiging van 12 oktober 2026. Daarbij meldde het bedrijf een slagingspercentage van 19,2% waarbij alle onderdelen werden gehaald op de Harvey LAB-benchmark voor praktijkgerichte werkprocessen bij advocatenkantoren.

Volgens het bedrijf is juridisch werk een ideale stresstest om modellen te trainen voor gebruik in professionele omgevingen waar veel op het spel staat. Z.ai stelt dat de juridische praktijk een ononderbroken verbinding vereist tussen feiten, wettelijke leerstukken, analytisch redeneren en werkproducten die klaar zijn voor de cliënt: bij een professionele opdracht moet een agent de kernkwesties uit brondocumenten halen, verdedigbare argumenten opbouwen en de bevindingen precies volgens de opdrachtspecificaties opmaken. Het bedrijf schrijft dat het gelijktijdig voldoen aan al deze vereisten de echte maatstaf is voor domeinspecifieke modellen.

Benchmarkresultaten

Z.ai zegt GLM-Legal op drie punten te hebben geëvalueerd: het uitvoeren van complexe taken, gespecialiseerd juridisch redeneren en juridische werkprocessen uit de praktijk.

Op Harvey LAB, waar praktijkgerichte werkprocessen bij advocatenkantoren in 24 rechtsgebieden worden beoordeeld, behaalde GLM-Legal een slagingspercentage van 19,2% waarbij alle onderdelen werden gehaald. Dat is volgens het bedrijf een verbetering van 12,5 procentpunt ten opzichte van het basismodel. Z.ai zegt dat dit resultaat bij de strenge beoordeling van Harvey, waarbij alle onderdelen moeten worden gehaald, bevestigt dat het model taken betrouwbaar van begin tot eind uitvoert zonder tussentijds kwaliteitsverlies.

Op LegalBench analyseert het model gespecialiseerde contracten, fusieaanvragen en rechterlijke uitspraken met dezelfde nauwkeurigheid als toonaangevende grensverleggende modellen met gesloten broncode, terwijl het aanzienlijk minder parameters gebruikt, aldus het bedrijf. Z.ai meldt ook dat het model op PLawBench gelijkwaardig presteert aan toonaangevende grensverleggende systemen. Deze benchmark beoordeelt Chinees juridisch advies, zaakanalyses en het opstellen van documenten aan de hand van gedetailleerde beoordelingscriteria.

Trainingsmethode

GLM-Legal is gebouwd op de lichtgewicht basis GLM-5.3-Flash, zoals Z.ai die omschrijft. Het model bouwt zijn domeinkennis uit met gespecialiseerde middentraining, aangevuld met zeer efficiënte post-training.

In de fase van de middentraining breidde Z.ai de hoeveelheid hoogwaardige juridische tekstcorpora uit, zodat het model juridische concepten, wettelijke regels en interpretatiekaders leert binnen een rijke domeincontext. Volgens het bedrijf versterkt deze fase de deductieve verbanden tussen feiten, regels en conclusies en levert ze de kennisbasis die nodig is om complexe vervolgopdrachten uit te voeren.

Met post-training wordt die domeinkennis omgezet in het uitvoeren van taken via reinforcement learning in tienduizenden realistische juridische omgevingen. Daar leert het model analyses te plannen, werkprocessen voort te zetten en concrete resultaten op te leveren binnen duidelijke randvoorwaarden. Z.ai omschrijft Harness in deze opzet als het orkestratiekader dat tijdens de uitvoering actief is: het beheert de taakcontext, koppelt toolsets en stuurt feedback over de uitvoering door. Volgens het bedrijf worden de architectuur van Harness en de modeltraining in nauwe samenhang herhaaldelijk aangepast. Het leerproces werkt twee kanten op: randgevallen die tijdens de modeltraining aan het licht komen, wijzen op knelpunten in de architectuur van Harness, terwijl verbeteringen aan Harness het model blootstellen aan realistische uitvoeringsbeperkingen, van het verwerken van prompts tot de definitieve goedkeuring.

In een derde fase wordt feedback uit de praktijk omgezet in trainingssignalen. Volgens Z.ai beoordelen juridische professionals de resultaten aan de hand van concrete criteria: of alle kritieke kwesties en randgevallen aan bod komen, of argumenten goed zijn onderbouwd en verwijzingen juridisch kloppen, of het resultaat strikt aansluit bij de instructies voor de zaak en of teams verderop in het proces het resultaat direct kunnen gebruiken zonder handmatige aanpassingen. Zo worden subjectieve kwaliteitsnormen omgezet in concrete technische verliesfunctiesignalen. Het bedrijf voert die terug in de taakomgevingen, beoordelingscriteria en het ontwerp van Harness voor volgende trainingscycli, waarbij het verbeteringen toetst aan benchmarks uit de praktijk.

Drie juridische taken in AutoClaw

Z.ai zegt dat gebruikers de mogelijkheden van GLM-Legal binnenkort kunnen inzetten in AutoClaw, het agentplatform dat speciaal voor desktopgebruik is ontwikkeld. Het bedrijf publiceerde drie voorbeeldtaken om de integratie toe te lichten. Bij elk voorbeeld staat ter vergelijking ook de uitvoer van het basismodel GLM-5.3-Flash.

In een voorbeeld van contractbeoordeling kreeg het model de opdracht een contract voor softwarediensten te onderzoeken voor een klant die van aanbieder wisselt, met bijzondere aandacht voor beëindiging en overdracht. In de voorbeelduitvoer stelde het model voor de opzegtermijn van de klant voor beëindiging zonder opgaaf van reden terug te brengen van 60 naar 30 dagen, de hersteltermijn te schrappen voor schendingen van verplichtingen op het gebied van intellectueel eigendom, vertrouwelijkheid of gegevensbeveiliging zodat de klant de overeenkomst onmiddellijk kon beëindigen, teruggave te eisen van alle resultaten en lopende werkzaamheden, ongeacht of daarvoor was betaald, en maximaal 90 dagen overgangsondersteuning toe te voegen voor de overdracht van broncode, documentatie, gegevens en kennis. AutoClaw verwerkt die wijzigingen vervolgens als bijgehouden wijzigingen en opmerkingen in het Word-document.

In een voorbeeld van bewijsanalyse met 40 documenten uit een geschil over een softwareproject vergeleek de modeluitvoer een klantenrapport van 30 september, waarin stond dat het project op schema lag en voor 60% was afgerond, met een interne waarschuwing van 8 september dat de mijlpaal niet eerlijkerwijs kon worden gehaald en een interne momentopname waaruit bleek dat het project voor ongeveer 41% was afgerond. De uitvoer bracht deze documenten in verband met een instructie van de CEO om het risico te verzwijgen en door te gaan met factureren. Ook verwees de uitvoer naar de artikelen 2 en 5 van de raamovereenkomst voor dienstverlening, waarin staat dat betaling geen afstand van rechten inhoudt en dat garanties na betaling van kracht blijven. Dit diende ter onderbouwing van een theorie over verhulling. Daarbij merkte de uitvoer op dat de overige elementen van de vordering moesten worden getoetst voordat een definitieve conclusie kon worden getrokken.

In een voorbeeld van onderzoek naar naleving werd het model gevraagd een plan op te stellen voor de privacywetgeving voor een website die in Singapore, Maleisië en Indonesië wordt gelanceerd, met tracking, e-mailmarketing en cloudopslag in het buitenland. De voorbeelduitvoer bevatte een prioriteitenlijst voor de periode vóór de lancering: publiceer privacyverklaringen in het Engels en Indonesisch; vraag voor niet-essentiële analyse- en advertentiecookies vooraf toestemming op basis van opt-in en bewaar de toestemmingsregistraties; voeg verzoeken om uitschrijving toe aan een uitsluitingslijst; breng in kaart waar cloud-, betalings-, e-mail-, analyse- en contentdeliveryleveranciers gegevens opslaan; en controleer welke contracten en waarborgen voor gegevensoverdracht in elke markt vereist zijn. Daarbij werden wettelijke verwijzingen opgenomen naar de wetgeving inzake de bescherming van persoonsgegevens in Singapore en Maleisië en de wet inzake de bescherming van persoonsgegevens in Indonesië.

Toegang tot de bèta

Z.ai nodigt advocatenkantoren, juridische technologiebedrijven, interne juridische teams en zelfstandig werkende juristen uit om deel te nemen aan de GLM-Legal-bèta. API-toegang wordt geregeld via een aanvraag voor een consultatie.

AutoClaw zelf is een desktopapplicatie die lokaal wordt geïnstalleerd. Volgens de productpagina van AutoClaw ondersteunt de app Windows 10 en hoger, macOS op Apple Silicon- en Intel-computers, iOS en Android. Er zijn ook Linux-versies beschikbaar. De app bevat meer dan 50 ingebouwde vaardigheden, biedt de mogelijkheid om te wisselen tussen de modellen van GLM en DeepSeek en maakt verbinding met WhatsApp, Telegram, Discord, Lark en andere berichtenplatforms, zodat gebruikers taken kunnen toewijzen en resultaten in chatgesprekken kunnen ontvangen.