Z.ai lanserar GLM-Legal, en agentbaserad modell för juridiska arbetsflöden

Z.ai presenterade GLM-Legal, en agentbaserad modell för juridik byggd på grundmodellen GLM-5.3-Flash, i ett tillkännagivande den 12 oktober 2026. Företaget rapporterade en andel på 19,2 procent med godkänt på samtliga delar av Harvey LAB:s riktmärke för verkliga arbetsflöden på advokatbyråer.

Företaget beskriver juridiskt arbete som ett idealiskt stresstest för att träna modeller att verka i professionella miljöer med höga insatser. Enligt Z.ai kräver juridisk verksamhet en obruten kedja mellan fakta, lagstadgad doktrin, analytiskt resonemang och arbetsprodukter som är färdiga att lämnas till klienten: när en professionell uppgift ges måste en agent hämta ut kärnfrågorna ur källdokument, bygga hållbara argument och utforma sina resultat exakt enligt uppgiftens specifikationer. Företaget skriver att den verkliga måttstocken för domänspecifika modeller är att samtidigt uppfylla alla dessa krav.

Resultat från riktmärken

Z.ai uppger att företaget utvärderade GLM-Legal utifrån tre aspekter: utförande av komplexa uppgifter, specialiserat juridiskt resonemang och verkliga juridiska arbetsflöden.

På Harvey LAB, som bedömer verkliga arbetsflöden på advokatbyråer inom 24 rättsområden, uppnådde GLM-Legal en andel på 19,2 procent med godkänt på samtliga delar, en förbättring med 12,5 procentenheter jämfört med grundmodellen, uppger företaget. Enligt Z.ai bekräftar resultatet, med Harvey LAB:s strikta bedömning där alla delar måste vara godkända, att modellen på ett tillförlitligt sätt kan utföra uppgifter från början till slut utan att prestationen försämras mellan momenten.

På LegalBench tolkar modellen specialiserade avtal, fusionsanmälningar och domstolsutlåtanden med samma precision som de främsta slutna frontier-modellerna, trots att den arbetar med en betydligt mindre parameterbudget, uppger företaget. Z.ai rapporterar också att modellen presterar i nivå med ledande frontier-system på PLawBench, som utvärderar juridisk rådgivning, fallanalys och dokumentutformning inom kinesisk juridik enligt detaljerade bedömningskriterier.

Träningsmetodik

GLM-Legal bygger på den lätta grundmodellen GLM-5.3-Flash, som Z.ai beskriver den, och utvecklar domänkompetensen genom specialiserad träning i mellanfasen i kombination med effektiv efterträning.

I träningsfasen i mitten utökade Z.ai mängden juridiska textkorpusar av hög kvalitet, så att modellen lär sig juridiska begrepp, lagregler och tolkningsramar i en tät domänkontext. Enligt företaget stärker denna fas de deduktiva sambanden mellan fakta, regler och slutsatser och tillhandahåller den kunskapsgrund som krävs för komplex efterföljande uppgiftshantering.

Efterträningen omsätter domänkunskapen i uppgiftsutförande genom förstärkningsinlärning i tiotusentals realistiska juridiska miljöer, där modellen lär sig att planera analyser, föra arbetsflöden framåt och ta fram leveranser under konkreta begränsningar. Z.ai beskriver Harness som ramverket för orkestrering vid körning i den här lösningen: det hanterar uppgiftens kontext, kopplar samman verktyg och vidarebefordrar återkoppling från körningen. Enligt företaget utvecklas Harness-arkitekturen och modellträningen parallellt, och inlärningen sker i båda riktningarna: specialfall som uppdagas under modellträningen pekar ut arkitektoniska flaskhalsar i Harness, medan förbättringar av Harness utsätter modellen för realistiska begränsningar i utförandet, från inläsning av prompten till slutligt godkännande.

Ett tredje steg omvandlar återkoppling från produktionen till träningssignaler. Z.ai uppger att jurister utvärderar resultaten utifrån konkreta kriterier: om alla kritiska frågor och specialfall har hanterats, om argumenten är väl underbyggda och hänvisningarna juridiskt hållbara, om leveransen strikt följer uppdragsbeskrivningen och om efterföljande team kan använda resultatet direkt utan manuellt omarbete. Dessa krav omvandlar subjektiva kvalitetsbedömningar till konkreta tekniska förlustsignaler, som företaget för tillbaka till uppgiftsmiljöer, utvärderingskriterier och utformningen av Harness inför efterföljande träningscykler. Förbättringarna valideras mot riktmärken från produktionen.

Tre juridiska uppgifter i AutoClaw

Z.ai uppger att användare snart kommer att kunna använda GLM-Legals funktioner i AutoClaw, företagets agentplattform för datorer, och har publicerat tre exempeluppgifter för att visa hur integrationen fungerar. Varje exempel presenteras tillsammans med resultat från grundmodellen GLM-5.3-Flash som jämförelse.

I ett exempel på avtalsgranskning ombads modellen att granska ett avtal om programvarutjänster för en klient som byter leverantör, med fokus på uppsägning och överlämning. Exempelresultatet föreslog att förkorta klientens uppsägningstid vid uppsägning utan särskilt skäl från 60 till 30 dagar, ta bort rättelsefristen vid brott mot skyldigheter avseende immateriella rättigheter, sekretess eller datasäkerhet så att klienten kunde säga upp avtalet omedelbart, kräva att alla leveranser och pågående arbeten återlämnas oavsett om de hade betalats för samt lägga till upp till 90 dagars övergångsstöd som omfattar källkod, dokumentation, data och kunskapsöverföring. AutoClaw lägger sedan in ändringarna i Word-dokumentet som spårade ändringar och kommentarer.

I ett exempel på bevisanalys som omfattade 40 dokument från en tvist om ett programvaruprojekt jämförde exempelutdata en klientrapport daterad den 30 september, där det stod att projektet följde planen och var 60 % färdigt, med en intern varning från den 8 september om att milstolpen inte ärligt kunde uppnås och en intern lägesbild som visade att projektet var ungefär 41 % färdigt. Analysen kopplade dessa dokument till en instruktion från vd:n om att dölja risken och fortsätta fakturera, och hänvisade till avsnitt 2 och 5 i ramavtalet för tjänster, där det framgår att betalning inte innebär att rättigheter avstås och att garantier gäller även efter betalning. Detta anfördes till stöd för en teori om mörkläggning, samtidigt som det noterades att de återstående rekvisiten för anspråket bör prövas innan någon slutlig slutsats dras.

I ett exempel på efterlevnadsanalys ombads modellen att planera för integritetsefterlevnad för en webbplats som skulle lanseras i Singapore, Malaysia och Indonesien, med spårning, e-postmarknadsföring och molnlagring utomlands. Exempelutdata gav en prioriteringslista inför lanseringen: publicera integritetsmeddelanden på engelska och indonesiska, inhämta aktivt samtycke för icke-nödvändig analys och annonsering och spara samtyckesregister, vidarebefordra begäranden om att avsluta prenumerationen till en spärrlista, kartlägga moln-, betalnings-, e-post-, analys- och innehållsleverantörer samt vart de för data, och bekräfta vilka avtal och skyddsåtgärder för dataöverföring som krävs på varje marknad. Listan innehöll också hänvisningar till lagarna om skydd av personuppgifter i Singapore och Malaysia samt Indonesiens lag om skydd av personuppgifter.

Tillgång till betaversionen

Z.ai bjuder in advokatbyråer, företag inom juridisk teknik, interna juridikteam och enskilda yrkesutövare att delta i GLM-Legals betaversion. API-åtkomst hanteras via en ansökan om konsultation.

AutoClaw är i sig ett skrivbordsprogram som installeras lokalt. Enligt produktsidan för AutoClaw stöder det Windows 10 och senare, macOS på datorer med Apple Silicon och Intel-processorer, iOS och Android. Det finns även versioner för Linux. Appen innehåller fler än 50 inbyggda färdigheter, stöder växling mellan modellerna GLM och DeepSeek och ansluter till WhatsApp, Telegram, Discord, Lark och andra meddelandeplattformar, så att användare kan tilldela uppgifter och få resultat direkt i chatttrådarna.