Z.ai представляет GLM-Legal — агентную модель для юридических рабочих процессов

В объявлении от 12 октября 2026 года Z.ai представила GLM-Legal — агентную модель для юридической сферы, созданную на основе GLM-5.3-Flash. Компания сообщила, что модель прошла все проверки в 19,2% случаев по результатам теста Harvey LAB, оценивающего реальные рабочие процессы юридических фирм.

Компания считает юридическую работу идеальным стресс-тестом для обучения моделей работе в профессиональной среде с высокими ставками. По мнению Z.ai, юридическая практика требует непрерывной связи между фактами, нормами законодательства, аналитическими рассуждениями и готовым для клиента результатом: получив профессиональное задание, агент должен извлечь ключевые вопросы из исходных документов, выстроить аргументацию, выдерживающую проверку, и оформить выводы в точном соответствии с требованиями задания. Как пишет компания, истинный критерий качества специализированных моделей — одновременное соблюдение всех этих условий.

Результаты тестирования

По словам Z.ai, компания оценивала GLM-Legal по трем направлениям: выполнение сложных задач, специализированные юридические рассуждения и работа с реальными юридическими процессами.

По данным компании, в тесте Harvey LAB, оценивающем реальные рабочие процессы юридических фирм в 24 областях практики, GLM-Legal прошла все проверки в 19,2% случаев — на 12,5 процентного пункта больше, чем базовая модель. Z.ai утверждает, что такой результат при строгой оценке Harvey по принципу «все проверки пройдены» подтверждает надежное выполнение задач от начала до конца без ухудшения на промежуточных этапах.

По словам компании, в LegalBench модель анализирует специализированные договоры, документы о слияниях и судебные решения с точностью, сопоставимой с точностью лучших передовых моделей с закрытым исходным кодом, несмотря на значительно меньший бюджет параметров. Z.ai также сообщает, что GLM-Legal не уступает ведущим передовым системам в PLawBench, где по детализированным критериям оцениваются юридические консультации, анализ дел и подготовка документов на китайском языке.

Методика обучения

GLM-Legal создана на основе облегченной базовой модели GLM-5.3-Flash, как описывает ее Z.ai; компетенции в юридической области расширяются за счет специализированного промежуточного обучения в сочетании с высокоэффективным постобучением.

На этапе промежуточного обучения Z.ai увеличила объем высококачественных юридических корпусов, чтобы модель усваивала юридические понятия, нормы законодательства и принципы толкования с учетом насыщенного отраслевого контекста. По данным компании, этот этап укрепляет логические связи между фактами, нормами и выводами, формируя необходимую базу знаний для выполнения сложных последующих задач.

Постобучение превращает знания в предметной области в навык выполнения задач благодаря обучению с подкреплением в десятках тысяч реалистичных юридических сред: модель учится планировать анализ, продвигать рабочие процессы и создавать результаты с учетом конкретных ограничений. Z.ai описывает Harness как среду оркестрации, работающую во время выполнения: она управляет контекстом задачи, подключает наборы инструментов и направляет обратную связь о выполнении. По словам компании, архитектура Harness и обучение модели совершенствуются синхронно, а обучение идет в обоих направлениях: нештатные случаи, выявленные в ходе обучения модели, помогают обнаружить архитектурные узкие места в Harness, тогда как усовершенствование Harness позволяет проверять модель в реалистичных условиях выполнения — от получения запроса до окончательного утверждения результата.

На третьем этапе обратная связь из реальной эксплуатации превращается в обучающий сигнал. По словам Z.ai, юристы оценивают результаты по конкретным критериям: учтены ли все критически важные вопросы и нестандартные случаи, достаточно ли обоснованы аргументы и корректны ли ссылки на источники с юридической точки зрения, строго ли результат соответствует заданию по делу и могут ли следующие команды сразу использовать его без ручной доработки. Эти требования позволяют выразить субъективную оценку качества через конкретные инженерные функции потерь. Компания использует их для последующей настройки сред выполнения задач, критериев оценки и архитектуры Harness в следующих циклах обучения, а улучшения проверяет на производственных тестах.

Три юридические задачи в AutoClaw

По словам Z.ai, вскоре пользователи смогут применять возможности GLM-Legal в AutoClaw — агентной платформе для настольных компьютеров. Чтобы показать, как работает интеграция, компания опубликовала три примера задач. В каждом примере для сравнения приведен результат базовой модели GLM-5.3-Flash.

В примере с анализом договора модели поручили изучить договор на оказание услуг в сфере программного обеспечения для клиента, переходящего к другому поставщику, уделив особое внимание расторжению договора и передаче дел. В примере результата предлагалось сократить срок уведомления клиента о расторжении договора по его усмотрению с 60 до 30 дней; отменить срок на устранение нарушений обязательств в отношении интеллектуальной собственности, конфиденциальности или безопасности данных, чтобы клиент мог расторгнуть договор немедленно; обязать вернуть все результаты работ и незавершенные материалы независимо от того, были ли они оплачены; а также предусмотреть до 90 дней помощи при переходе, включая передачу исходного кода, документации, данных и знаний. Затем AutoClaw вносит эти правки в документ Word в режиме исправлений и добавляет комментарии.

В примере анализа доказательств по спору вокруг программного проекта, охватывавшем 40 документов, модель сопоставила сентябрьский отчет для клиента от 30 сентября, в котором говорилось, что проект идет по плану и выполнен на 60%, с внутренним предупреждением от 8 сентября о том, что уложиться в срок по этапу честно не получится, и внутренним отчетом, фиксировавшим готовность примерно на 41%. Модель связала эти документы с указанием генерального директора скрыть риск и продолжать выставлять счета, а также сослалась на разделы 2 и 5 генерального договора об оказании услуг, согласно которым оплата не означает отказа от прав, а гарантии сохраняют силу после оплаты. Это было приведено в поддержку версии о сокрытии, при этом модель отметила, что оставшиеся элементы иска следует проверить до окончательного вывода.

В примере исследования требований к соблюдению законодательства модель попросили разработать план обеспечения конфиденциальности для сайта, который запускается в Сингапуре, Малайзии и Индонезии и использует отслеживание действий пользователей, email-маркетинг и зарубежное облачное хранилище. В примере ответа был составлен список приоритетных мер до запуска: опубликовать уведомления о конфиденциальности на английском и индонезийском языках; получать согласие по принципу opt-in на использование необязательной аналитики и рекламы, сохраняя записи о согласиях; направлять запросы на отписку в список адресов, которым запрещена рассылка; определить места хранения данных у поставщиков облачных, платежных, почтовых, аналитических услуг и доставки контента; а также проверить договоры и меры защиты при передаче данных, требуемые на каждом из рынков. В ответе были приведены ссылки на законодательные акты о защите персональных данных Сингапура и Малайзии, а также на закон Индонезии о защите персональных данных.

Доступ к бета-версии

Z.ai приглашает юридические фирмы, компании в сфере юридических технологий, штатные юридические отделы и независимых специалистов присоединиться к бета-тестированию GLM-Legal. Доступ к API предоставляется по результатам подачи заявки на консультацию.

AutoClaw — это настольное приложение, устанавливаемое непосредственно на устройство. Согласно странице продукта AutoClaw, приложение поддерживает Windows 10 и более поздние версии, macOS на устройствах с Apple Silicon и процессорами Intel, iOS и Android; также доступны сборки для Linux. В приложение встроено более 50 навыков; оно позволяет переключаться между моделями GLM и DeepSeek и подключается к WhatsApp, Telegram, Discord, Lark и другим платформам для обмена сообщениями, чтобы пользователи могли назначать задачи и получать результаты прямо в чатах.