Z.ai presenterer GLM-Legal, en agentbasert modell for juridiske arbeidsflyter

Z.ai introduserte GLM-Legal, en agentbasert modell for det juridiske fagområdet basert på grunnmodellen GLM-5.3-Flash, i en kunngjøring 12. oktober 2026. Selskapet rapporterte en andel på 19,2 % med full uttelling på Harvey LAB-benchmarken for arbeidsflyter i advokatfirmaer fra den virkelige verden.

Selskapet beskriver juridisk arbeid som en ideell stresstest for å trene modeller til å fungere i profesjonelle miljøer med høy risiko. Ifølge Z.ai krever juridisk praksis en ubrutt kjede mellom fakta, lovbestemmelser, analytisk resonnement og leveranser som er klare til bruk for klienten: Når en agent får en profesjonell oppgave, må den hente ut hovedspørsmålene fra kildedokumentene, bygge argumenter som kan forsvares, og presentere funnene i nøyaktig det formatet oppgaven krever. Selskapet skriver at den virkelige målestokken for modeller på spesifikke fagområder er om de klarer å oppfylle alle disse kravene samtidig.

Benchmarkresultater

Z.ai sier at selskapet evaluerte GLM-Legal langs tre akser: gjennomføring av komplekse oppgaver, spesialisert juridisk resonnering og arbeidsflyter fra den virkelige juridiske verden.

På Harvey LAB, som vurderer arbeidsflyter i advokatfirmaer fra den virkelige verden innen 24 praksisområder, oppnådde GLM-Legal en andel på 19,2 % med full uttelling. Det er en forbedring på 12,5 prosentpoeng sammenlignet med grunnmodellen, opplyser selskapet. Z.ai sier at resultatet, med Harvey LABs strenge vurdering der alle krav må bestås, bekrefter pålitelig gjennomføring av oppgaver fra start til slutt uten svekkelse underveis.

På LegalBench analyserer modellen spesialiserte kontrakter, fusjonsmeldinger og rettsavgjørelser med samme presisjon som de beste proprietære toppmodellene, til tross for at den opererer med et betydelig mindre parameterbudsjett, sier selskapet. Z.ai rapporterer også at modellen er på nivå med ledende toppmodeller på PLawBench, som evaluerer juridisk rådgivning, saksanalyse og utarbeidelse av dokumenter på kinesisk etter detaljerte vurderingskriterier.

Treningsmetodikk

GLM-Legal bygger på det Z.ai beskriver som den lette grunnmodellen GLM-5.3-Flash, og utvikler fagkompetansen gjennom spesialisert mellomtrening kombinert med effektiv ettertrening.

I mellomtreningsfasen økte Z.ai mengden juridiske korpora av høy kvalitet, slik at modellen lærer juridiske begreper, lovbestemmelser og tolkningsrammer i en rik faglig kontekst. Ifølge selskapet styrker denne fasen de deduktive forbindelsene mellom fakta, regler og konklusjoner, og gir kunnskapsgrunnlaget som kreves for å løse komplekse oppgaver senere.

Ettertreningen omsetter denne fagkunnskapen til oppgaveløsning gjennom forsterkende læring i titusenvis av realistiske juridiske miljøer. Der lærer modellen å planlegge analyser, drive arbeidsflyter fremover og utarbeide leveranser innenfor konkrete rammer. Z.ai beskriver Harness som rammeverket for orkestrering under kjøring i dette oppsettet: Det håndterer oppgavekonteksten, kobler sammen verktøysett og ruter tilbakemeldinger om gjennomføringen. Selskapet sier at utformingen av Harness og modelltreningen utvikles parallelt, og at læringen går begge veier: Grensetilfeller som avdekkes under modelltreningen, peker ut arkitektoniske flaskehalser i Harness, mens forbedringer av Harness eksponerer modellen for realistiske begrensninger i gjennomføringen, fra mottak av instruksjoner til endelig godkjenning.

Et tredje trinn omsetter tilbakemeldinger fra produksjon til treningssignaler. Z.ai sier at juridiske fagfolk vurderer resultatene etter konkrete kriterier: om alle kritiske problemstillinger og grensetilfeller er tatt hånd om, om argumentene er godt underbygget og henvisningene juridisk holdbare, om leveransen følger oppdragsbeskrivelsen helt nøyaktig, og om teamene som skal arbeide videre med saken, kan bruke resultatet umiddelbart uten manuelt etterarbeid. Disse kravene gjør subjektiv kvalitet om til konkrete tekniske tapsignaler, som selskapet fører tilbake til oppgavemiljøer, vurderingskriterier og utformingen av Harness i senere treningssykluser. Forbedringene valideres mot produksjonsbenchmarkene.

Tre juridiske oppgaver i AutoClaw

Z.ai sier at brukerne snart vil kunne ta i bruk GLM-Legals funksjoner i AutoClaw, selskapets agentplattform utviklet for skrivebordet, og har publisert tre eksempeloppgaver for å vise hvordan integrasjonen fungerer. Hvert eksempel presenteres sammen med resultater fra grunnmodellen GLM-5.3-Flash til sammenligning.

I et eksempel på kontraktsgjennomgang ble modellen bedt om å undersøke en programvaretjenesteavtale for en klient som skulle bytte leverandør, med særlig vekt på oppsigelse og overlevering. I eksempelresultatet foreslo modellen å redusere klientens oppsigelsesfrist ved oppsigelse uten grunn fra 60 til 30 dager, fjerne fristen for å rette opp brudd på forpliktelser knyttet til immaterielle rettigheter, konfidensialitet eller datasikkerhet slik at klienten kunne si opp umiddelbart, kreve tilbakelevering av alle leveranser og alt arbeid under utvikling, enten det var betalt for eller ikke, og legge til inntil 90 dagers bistand ved overgangen, inkludert overføring av kildekode, dokumentasjon, data og kunnskap. AutoClaw legger deretter endringene inn i Word-dokumentet som sporede endringer og kommentarer.

I et eksempel på bevisanalyse som omfattet 40 dokumenter fra en tvist om et programvareprosjekt, sammenholdt eksempelutdataene en klientrapport datert 30. september, der det sto at prosjektet var i rute og 60 % fullført, med en intern advarsel datert 8. september om at milepælen ikke kunne nås uten å gi et uriktig bilde, og et internt øyeblikksbilde som viste at prosjektet var omtrent 41 % fullført. Analysen knyttet disse dokumentene til en instruks fra administrerende direktør om å undertrykke risikoen og fortsette faktureringen, og viste til punkt 2 og 5 i rammeavtalen for tjenester, som fastslår at betaling ikke innebærer at rettigheter frafalles, og at garantier fortsatt gjelder etter betaling. Dette støttet en teori om tilsløring, samtidig som det ble påpekt at de øvrige vilkårene for kravet burde prøves før en endelig konklusjon ble trukket.

I et eksempel på etterlevelsesundersøkelser ble modellen bedt om å planlegge personvernetterlevelse for et nettsted som skulle lanseres i Singapore, Malaysia og Indonesia, med sporing, e-postmarkedsføring og lagring i utenlandske skytjenester. Eksempelutdataene besto av en prioritert liste over tiltak før lansering: publisere personvernerklæringer på engelsk og indonesisk, innhente aktivt samtykke til analyse- og annonseringsteknologi som ikke er nødvendig, samtidig som samtykkene loggføres, sende forespørsler om avmelding til en sperreliste, kartlegge hvor leverandører av skytjenester, betalingstjenester, e-post, analyse og innholdslevering lagrer dataene, og bekrefte hvilke kontrakter og sikkerhetstiltak for dataoverføringer som kreves i hvert marked. Listen viste også til lovbestemmelsene i Singapores og Malaysias personopplysningslover og Indonesias personopplysningslov.

Betatilgang

Z.ai inviterer advokatfirmaer, juridiske teknologiselskaper, interne juridiske team og selvstendig næringsdrivende jurister til å delta i GLM-Legal-betaen. API-tilgang håndteres gjennom en søknad om konsultasjon.

AutoClaw er i seg selv et skrivebordsprogram som installeres lokalt. Ifølge produktsiden til AutoClaw støtter det Windows 10 og nyere, macOS på maskiner med Apple Silicon og Intel-prosessorer, iOS og Android. Programmet tilbys også for Linux. Det inneholder mer enn 50 innebygde ferdigheter, lar brukerne bytte mellom GLM- og DeepSeek-modeller og kobler seg til WhatsApp, Telegram, Discord, Lark og andre meldingsplattformer, slik at brukerne kan tildele oppgaver og motta resultater i chat-tråder.