Z.ai prezentuje GLM-Legal, model agentowy do obsługi procesów prawnych

Z.ai zaprezentowało GLM-Legal, model agentowy wyspecjalizowany w prawie, oparty na bazowym modelu GLM-5.3-Flash, w ogłoszeniu z 12 października 2026 r.. Poinformowało przy tym, że model osiągnął wynik 19,2% w kategorii zaliczenia wszystkich kryteriów w benchmarku Harvey LAB, obejmującym rzeczywiste procesy pracy kancelarii prawnych.

Firma przedstawia pracę prawniczą jako idealny test wytrzymałościowy dla modeli trenowanych do działania w profesjonalnych środowiskach, w których stawka jest wysoka. Jak argumentuje Z.ai, praktyka prawnicza wymaga nieprzerwanego powiązania faktów, przepisów prawa, rozumowania analitycznego i dokumentów gotowych do przekazania klientowi: agent, któremu powierzono zadanie zawodowe, musi wydobyć najważniejsze kwestie z dokumentów źródłowych, zbudować możliwe do obrony argumenty i przedstawić ustalenia w formacie ściśle odpowiadającym wymaganiom zadania. Jak pisze firma, prawdziwym sprawdzianem dla modeli wyspecjalizowanych w danej dziedzinie jest jednoczesne spełnienie wszystkich tych wymogów.

Wyniki benchmarków

Z.ai informuje, że oceniło GLM-Legal w trzech obszarach: realizacji złożonych zadań, specjalistycznego rozumowania prawniczego i rzeczywistych procesów pracy prawnej.

Jak podaje firma, w Harvey LAB, który ocenia rzeczywiste procesy pracy kancelarii prawnych w 24 obszarach praktyki, GLM-Legal osiągnęło wynik 19,2% w kategorii zaliczenia wszystkich kryteriów, poprawiając rezultat bazowego modelu o 12,5 punktu procentowego. Z.ai twierdzi, że przy rygorystycznym ocenianiu Harvey, w którym trzeba zaliczyć wszystkie kryteria, wynik ten potwierdza niezawodną realizację zadań od początku do końca, bez pogorszenia jakości na etapach pośrednich.

Według firmy w benchmarku LegalBench model analizuje specjalistyczne umowy, dokumenty dotyczące fuzji i przejęć oraz orzeczenia sądowe z precyzją czołowych modeli granicznych o zamkniętym kodzie źródłowym, mimo że dysponuje znacznie mniejszą liczbą parametrów. Z.ai informuje również, że model dorównuje wiodącym systemom granicznym w PLawBench, który ocenia konsultacje prawne, analizę spraw i sporządzanie dokumentów w chińskim systemie prawnym według szczegółowych kryteriów.

Metodyka trenowania

GLM-Legal bazuje na tym, co Z.ai określa jako lekki model GLM-5.3-Flash, a kompetencje w dziedzinie prawa rozwija dzięki specjalistycznemu etapowi treningu śródokresowego połączonemu z wysokowydajnym treningiem potreningowym.

Na etapie treningu śródokresowego Z.ai zwiększyło ilość wysokiej jakości korpusów prawniczych, aby model uczył się pojęć prawnych, przepisów ustawowych i ram interpretacyjnych w bogatym kontekście dziedzinowym. Według firmy etap ten wzmacnia dedukcyjne powiązania między faktami, przepisami i wnioskami, tworząc bazę wiedzy niezbędną do realizacji złożonych zadań na dalszych etapach.

Trening potreningowy przekłada tę wiedzę dziedzinową na realizację zadań dzięki uczeniu ze wzmocnieniem w dziesiątkach tysięcy realistycznych środowisk prawniczych, w których model uczy się planować analizę, prowadzić procesy pracy i przygotowywać materiały zgodnie z konkretnymi ograniczeniami. Z.ai opisuje Harness jako działający w czasie wykonywania zadań szkielet orkiestracji: zarządza kontekstem zadania, łączy zestawy narzędzi i przekazuje informacje zwrotne dotyczące realizacji. Jak podaje firma, architektura Harness i trenowanie modelu są udoskonalane równolegle, a uczenie przebiega w obu kierunkach: przypadki brzegowe ujawnione podczas trenowania modelu wskazują wąskie gardła architektury środowiska Harness, a udoskonalenia tego środowiska zaznajamiają model z realistycznymi ograniczeniami realizacji zadań — od wczytania polecenia po ostateczne zatwierdzenie.

Trzeci etap przekształca informacje zwrotne z produkcyjnego wykorzystania w sygnał treningowy. Z.ai informuje, że prawnicy oceniają wyniki według konkretnych kryteriów: czy uwzględniono wszystkie kluczowe kwestie i przypadki brzegowe, czy argumenty są dobrze uzasadnione, a cytowane przepisy i orzeczenia przywołano poprawnie, czy przygotowany materiał ściśle odpowiada opisowi sprawy oraz czy zespoły na kolejnych etapach mogą od razu z niego skorzystać bez ręcznego poprawiania. Wymogi te przekładają subiektywną jakość na konkretne sygnały straty wykorzystywane w procesie inżynieryjnym. Firma uwzględnia je następnie w środowiskach zadań, kryteriach oceny i projekcie środowiska Harness w kolejnych cyklach treningowych, a ulepszenia weryfikuje na podstawie benchmarków produkcyjnych.

Trzy zadania prawnicze w AutoClaw

Z.ai informuje, że użytkownicy będą mogli wkrótce wykorzystać możliwości GLM-Legal w AutoClaw, natywnej dla komputerów stacjonarnych platformie agentowej firmy. Aby pokazać, jak działa integracja, opublikowano trzy przykładowe zadania. Każdemu przykładowi towarzyszy wynik bazowego modelu GLM-5.3-Flash, który służy do porównania.

W przykładzie dotyczącym analizy umowy model miał przeanalizować umowę o świadczenie usług informatycznych dla klienta zmieniającego dostawcę, koncentrując się na rozwiązaniu umowy i przekazaniu obowiązków. W przykładowym wyniku zaproponowano skrócenie z 60 do 30 dni okresu wypowiedzenia umowy przez klienta bez podania przyczyny, usunięcie okresu na usunięcie naruszeń obowiązków dotyczących własności intelektualnej, poufności lub bezpieczeństwa danych, tak aby klient mógł rozwiązać umowę ze skutkiem natychmiastowym, zobowiązanie do zwrotu wszystkich materiałów końcowych i prac w toku niezależnie od tego, czy zostały opłacone, a także dodanie maksymalnie 90-dniowego okresu wsparcia przejściowego obejmującego przekazanie kodu źródłowego, dokumentacji, danych i wiedzy. Następnie AutoClaw wprowadza te zmiany do dokumentu Word jako śledzone zmiany i komentarze.

W przykładzie analizy dowodów obejmującym 40 dokumentów dotyczących sporu związanego z projektem informatycznym wynik analizy zestawił raport dla klienta z 30 września, według którego projekt przebiegał zgodnie z planem i został ukończony w 60%, z wewnętrznym ostrzeżeniem z 8 września, że nie można uczciwie obiecać dotrzymania terminu kamienia milowego, oraz z wewnętrznym zestawieniem wskazującym na ukończenie około 41% prac. Powiązał te dokumenty z poleceniem prezesa, by zataić ryzyko i nadal wystawiać faktury, a także przywołał punkty 2 i 5 umowy ramowej o świadczenie usług, zgodnie z którymi zapłata nie oznacza zrzeczenia się praw, a gwarancje pozostają w mocy po dokonaniu płatności. Wykorzystał je na poparcie tezy o zatajeniu, zaznaczając jednocześnie, że przed sformułowaniem ostatecznego wniosku należy zweryfikować pozostałe przesłanki roszczenia.

W przykładzie badania zgodności z przepisami model miał zaplanować ochronę prywatności dla witryny internetowej uruchamianej w Singapurze, Malezji i Indonezji, która korzysta ze śledzenia użytkowników, marketingu e-mailowego i zagranicznej pamięci masowej w chmurze. Wygenerował listę priorytetów do realizacji przed uruchomieniem witryny: opublikować informacje o ochronie prywatności w języku angielskim i indonezyjskim, uzyskiwać zgodę na analitykę i reklamę niekonieczne do działania serwisu, prowadząc jednocześnie rejestr zgód, kierować żądania rezygnacji z subskrypcji na listę adresów wykluczonych z wysyłki, sporządzić mapę dostawców usług chmurowych, płatniczych, poczty elektronicznej, analitycznych i dystrybucji treści wraz z lokalizacjami, w których przetwarzają dane, oraz potwierdzić, jakie umowy i zabezpieczenia transferu danych są wymagane na każdym z tych rynków. Wskazał przy tym przepisy singapurskiej i malezyjskiej ustawy o ochronie danych osobowych oraz indonezyjskiej ustawy o ochronie danych osobowych.

Dostęp do wersji beta

Z.ai zaprasza kancelarie prawne, firmy z branży technologii prawniczych, wewnętrzne zespoły prawne oraz niezależnych praktyków do udziału w programie beta GLM-Legal. Dostęp do API można uzyskać, składając wniosek o konsultację.

AutoClaw to aplikacja komputerowa instalowana lokalnie. Zgodnie z informacjami na stronie produktu AutoClaw obsługuje system Windows 10 i nowsze, macOS na komputerach z układami Apple Silicon i procesorami Intel, iOS oraz Android, a dostępne są również wersje dla systemu Linux. Aplikacja zawiera ponad 50 wbudowanych umiejętności, umożliwia przełączanie się między modelami GLM i DeepSeek oraz łączy się z WhatsApp, Telegramem, Discordem, Larkiem i innymi platformami do przesyłania wiadomości, dzięki czemu użytkownicy mogą zlecać zadania i otrzymywać wyniki w wątkach czatu.