Z.ai เปิดตัว GLM-Legal โมเดลแบบเอเจนต์สำหรับเวิร์กโฟลว์ด้านกฎหมาย

Z.ai เปิดตัว GLM-Legal โมเดลแบบเอเจนต์สำหรับงานด้านกฎหมายที่พัฒนาบนพื้นฐานของ GLM-5.3-Flash ในประกาศเมื่อวันที่ 12 ตุลาคม 2026 พร้อมรายงานอัตราผ่านทุกเกณฑ์ 19.2% ในการทดสอบ Harvey LAB ซึ่งประเมินเวิร์กโฟลว์ของสำนักงานกฎหมายในสถานการณ์จริง

บริษัทมองว่างานด้านกฎหมายเป็นบททดสอบภาวะกดดันที่เหมาะอย่างยิ่งสำหรับฝึกโมเดลให้ทำงานในสภาพแวดล้อมวิชาชีพที่มีความเสี่ยงสูง Z.ai ระบุว่า การปฏิบัติงานด้านกฎหมายต้องเชื่อมโยงข้อเท็จจริง หลักกฎหมาย การวิเคราะห์เชิงเหตุผล และผลงานที่พร้อมส่งมอบให้ลูกค้าเข้าด้วยกันอย่างต่อเนื่อง กล่าวคือ เมื่อได้รับมอบหมายงานวิชาชีพ เอเจนต์ต้องดึงประเด็นสำคัญจากเอกสารต้นทาง สร้างข้อโต้แย้งที่มีเหตุผลรองรับ และจัดรูปแบบข้อค้นพบให้ตรงตามข้อกำหนดของงานอย่างเคร่งครัด บริษัทระบุว่า การทำตามข้อกำหนดทั้งหมดนี้ได้พร้อมกันคือเกณฑ์ชี้วัดที่แท้จริงของโมเดลเฉพาะทาง

ผลการทดสอบประสิทธิภาพ

Z.ai ระบุว่า บริษัทประเมิน GLM-Legal ใน 3 ด้าน ได้แก่ การทำงานที่ซับซ้อนให้สำเร็จ การให้เหตุผลทางกฎหมายเฉพาะทาง และเวิร์กโฟลว์ด้านกฎหมายในสถานการณ์จริง

บริษัทระบุว่า GLM-Legal มีอัตราผ่านทุกเกณฑ์ 19.2% ใน Harvey LAB ซึ่งประเมินเวิร์กโฟลว์ของสำนักงานกฎหมายในสถานการณ์จริงครอบคลุม 24 สาขาการปฏิบัติงาน โดยเพิ่มขึ้น 12.5 จุดเปอร์เซ็นต์เมื่อเทียบกับโมเดลพื้นฐานของตน Z.ai กล่าวว่า ภายใต้เกณฑ์การให้คะแนนที่เข้มงวดของ Harvey ซึ่งต้องผ่านทุกข้อ ผลลัพธ์นี้ยืนยันว่าโมเดลสามารถทำงานตั้งแต่ต้นจนจบได้อย่างน่าเชื่อถือ โดยไม่มีประสิทธิภาพลดลงระหว่างขั้นตอน

บริษัทระบุว่า ใน LegalBench โมเดลสามารถวิเคราะห์สัญญาเฉพาะทาง เอกสารยื่นควบรวมกิจการ และคำวินิจฉัยของศาลได้อย่างแม่นยำเทียบเท่าโมเดลแนวหน้าชั้นนำแบบปิดซอร์ส แม้จะใช้พารามิเตอร์น้อยกว่ามากก็ตาม นอกจากนี้ Z.ai ยังรายงานว่าโมเดลทำผลงานได้ทัดเทียมระบบแนวหน้าชั้นนำใน PLawBench ซึ่งประเมินการให้คำปรึกษากฎหมาย การวิเคราะห์คดี และการร่างเอกสารทางกฎหมายของจีน โดยใช้เกณฑ์ประเมินที่ละเอียด

ระเบียบวิธีการฝึก

GLM-Legal พัฒนาบนพื้นฐาน GLM-5.3-Flash ซึ่ง Z.ai อธิบายว่าเป็นโมเดลน้ำหนักเบา โดยเพิ่มขีดความสามารถเฉพาะทางผ่านการฝึกระยะกลางแบบเฉพาะด้าน ควบคู่กับการฝึกหลังการฝึกที่มีประสิทธิภาพสูง

ในขั้นการฝึกระยะกลาง Z.ai เพิ่มปริมาณคลังข้อมูลกฎหมายคุณภาพสูง เพื่อให้โมเดลเรียนรู้แนวคิดทางกฎหมาย กฎเกณฑ์ตามกฎหมายลายลักษณ์อักษร และกรอบการตีความภายใต้บริบทเฉพาะทางที่มีเนื้อหาหนาแน่น บริษัทระบุว่า ขั้นตอนนี้ช่วยเสริมความเชื่อมโยงเชิงนิรนัยระหว่างข้อเท็จจริง กฎเกณฑ์ และข้อสรุป พร้อมวางรากฐานความรู้ที่จำเป็นต่อการทำงานขั้นต่อไปที่ซับซ้อน

การฝึกหลังการฝึกเปลี่ยนความรู้เฉพาะทางให้เป็นการลงมือทำงาน ผ่านการเรียนรู้แบบเสริมกำลังในสภาพแวดล้อมจำลองด้านกฎหมายที่สมจริงหลายหมื่นรูปแบบ ซึ่งโมเดลจะเรียนรู้การวางแผนวิเคราะห์ ขับเคลื่อนเวิร์กโฟลว์ และสร้างผลงานส่งมอบภายใต้ข้อจำกัดที่ชัดเจน Z.ai อธิบายว่า Harness คือกรอบการประสานงานขณะทำงานในระบบนี้ โดยทำหน้าที่จัดการบริบทของงาน เชื่อมต่อชุดเครื่องมือ และส่งต่อข้อมูลป้อนกลับจากการดำเนินงาน บริษัทระบุว่า สถาปัตยกรรม Harness และการฝึกโมเดลพัฒนาไปพร้อมกันอย่างใกล้ชิด โดยการเรียนรู้เกิดขึ้นทั้งสองทิศทาง กล่าวคือ กรณีขอบที่พบระหว่างการฝึกโมเดลช่วยชี้ให้เห็นคอขวดด้านสถาปัตยกรรมใน Harness ขณะที่การปรับปรุง Harness ทำให้โมเดลได้เรียนรู้ข้อจำกัดในการทำงานที่สมจริง ตั้งแต่การรับพรอมป์ต์ไปจนถึงการอนุมัติขั้นสุดท้าย

ขั้นที่สามคือการแปลงข้อมูลป้อนกลับจากการใช้งานจริงให้เป็นสัญญาณสำหรับการฝึก Z.ai ระบุว่า ผู้เชี่ยวชาญด้านกฎหมายจะประเมินผลงานตามเกณฑ์ที่เป็นรูปธรรม ได้แก่ ครอบคลุมประเด็นสำคัญและกรณีขอบทั้งหมดหรือไม่ ข้อโต้แย้งมีหลักฐานรองรับเพียงพอและการอ้างอิงถูกต้องตามกฎหมายหรือไม่ ผลงานเป็นไปตามข้อกำหนดของสำนวนคดีอย่างเคร่งครัดหรือไม่ และทีมงานในขั้นตอนถัดไปสามารถนำผลงานไปใช้ได้ทันทีโดยไม่ต้องแก้ไขด้วยตนเองหรือไม่ ข้อกำหนดเหล่านี้เปลี่ยนคุณภาพที่เคยเป็นเรื่องอัตวิสัยให้กลายเป็นสัญญาณความสูญเสียเชิงวิศวกรรมที่เป็นรูปธรรม ซึ่งบริษัทจะนำกลับไปปรับสภาพแวดล้อมของงาน เกณฑ์การประเมิน และการออกแบบ Harness สำหรับรอบการฝึกถัดไป พร้อมตรวจสอบการปรับปรุงกับเกณฑ์มาตรฐานจากการใช้งานจริง

งานด้านกฎหมายสามประเภทใน AutoClaw

Z.ai ระบุว่า ในเร็ว ๆ นี้ผู้ใช้จะสามารถนำความสามารถของ GLM-Legal ไปใช้งานใน AutoClaw ซึ่งเป็นแพลตฟอร์มเอเจนต์ที่ทำงานบนเดสก์ท็อปโดยตรง และได้เผยแพร่ตัวอย่างงานสามประเภทเพื่อแสดงให้เห็นการผสานรวม แต่ละตัวอย่างนำเสนอควบคู่กับผลลัพธ์จากโมเดลพื้นฐาน GLM-5.3-Flash เพื่อใช้เปรียบเทียบ

ในตัวอย่างการตรวจทานสัญญา โมเดลได้รับมอบหมายให้ตรวจสอบสัญญาบริการซอฟต์แวร์ของลูกค้าที่กำลังเปลี่ยนผู้ให้บริการ โดยเน้นเรื่องการบอกเลิกสัญญาและการส่งมอบงาน ตัวอย่างผลลัพธ์เสนอให้ลดระยะเวลาแจ้งบอกเลิกสัญญาโดยไม่ต้องระบุเหตุของลูกค้าจาก 60 วันเหลือ 30 วัน ตัดระยะเวลาให้แก้ไขการผิดสัญญาในกรณีที่ละเมิดหน้าที่เกี่ยวกับทรัพย์สินทางปัญญา การรักษาความลับ หรือความปลอดภัยของข้อมูล เพื่อให้ลูกค้าบอกเลิกสัญญาได้ทันที กำหนดให้ส่งคืนผลงานส่งมอบและงานที่อยู่ระหว่างดำเนินการทั้งหมด ไม่ว่าจะชำระเงินแล้วหรือไม่ และเพิ่มความช่วยเหลือในการเปลี่ยนผ่านเป็นระยะเวลาสูงสุด 90 วัน ซึ่งครอบคลุมซอร์สโค้ด เอกสาร ข้อมูล และการถ่ายทอดความรู้ จากนั้น AutoClaw จะใส่การแก้ไขเหล่านั้นลงในเอกสาร Word ในรูปแบบการติดตามการเปลี่ยนแปลงและความคิดเห็น

ในตัวอย่างการวิเคราะห์พยานหลักฐานจากเอกสาร 40 ฉบับที่เกี่ยวข้องกับข้อพิพาทในโครงการซอฟต์แวร์ ผลลัพธ์ตัวอย่างนำรายงานลูกค้าลงวันที่ 30 กันยายน ซึ่งระบุว่าโครงการเป็นไปตามแผนและเสร็จสิ้นแล้ว 60% มาเปรียบเทียบกับคำเตือนภายในลงวันที่ 8 กันยายนที่ระบุว่าไม่อาจทำตามกำหนดส่งมอบได้อย่างตรงไปตรงมา และภาพบันทึกสถานะภายในที่ระบุว่าคืบหน้าไปประมาณ 41% จากนั้นจึงเชื่อมโยงเอกสารเหล่านั้นกับคำสั่งของ CEO ให้ปกปิดความเสี่ยงและออกใบแจ้งหนี้ต่อไป พร้อมอ้างข้อ 2 และข้อ 5 ของสัญญาบริการหลัก ซึ่งระบุว่าการชำระเงินไม่ถือเป็นการสละสิทธิ์ และการรับประกันยังคงมีผลหลังการชำระเงิน เพื่อสนับสนุนข้อกล่าวหาเรื่องการปกปิดข้อมูล ทั้งยังระบุว่าองค์ประกอบอื่น ๆ ของข้อเรียกร้องควรได้รับการตรวจสอบก่อนสรุปผลขั้นสุดท้าย

ในตัวอย่างการค้นคว้าด้านการปฏิบัติตามกฎระเบียบ โมเดลได้รับมอบหมายให้วางแผนการปฏิบัติตามข้อกำหนดด้านความเป็นส่วนตัวสำหรับเว็บไซต์ที่จะเปิดให้บริการในสิงคโปร์ มาเลเซีย และอินโดนีเซีย โดยมีการติดตามผู้ใช้ การตลาดผ่านอีเมล และการจัดเก็บข้อมูลบนคลาวด์ในต่างประเทศ ผลลัพธ์ตัวอย่างจัดทำรายการสิ่งที่ต้องดำเนินการก่อนเปิดตัว โดยเรียงตามลำดับความสำคัญ ได้แก่ เผยแพร่ประกาศความเป็นส่วนตัวเป็นภาษาอังกฤษและภาษาอินโดนีเซีย ใช้การขอความยินยอมแบบเลือกเข้าร่วมสำหรับการวิเคราะห์ข้อมูลและโฆษณาที่ไม่จำเป็น พร้อมเก็บบันทึกความยินยอม ส่งคำขอยกเลิกการรับข่าวสารไปยังรายการระงับการส่ง ทำแผนผังผู้ให้บริการคลาวด์ การชำระเงิน อีเมล การวิเคราะห์ข้อมูล และการเผยแพร่เนื้อหา โดยระบุปลายทางของข้อมูล และตรวจสอบสัญญากับมาตรการคุ้มครองการโอนข้อมูลที่แต่ละตลาดกำหนด พร้อมอ้างอิงกฎหมายคุ้มครองข้อมูลส่วนบุคคลของสิงคโปร์และมาเลเซีย รวมถึงกฎหมายคุ้มครองข้อมูลส่วนบุคคลของอินโดนีเซีย

การเข้าถึงรุ่นเบต้า

Z.ai เชิญชวนสำนักงานกฎหมาย บริษัทเทคโนโลยีด้านกฎหมาย ทีมกฎหมายภายในองค์กร และผู้ประกอบวิชาชีพอิสระ เข้าร่วมรุ่นเบต้าของ GLM-Legal โดยการเข้าถึง API จะดำเนินการผ่านการยื่นคำขอเพื่อขอรับคำปรึกษา

AutoClaw เป็นแอปพลิเคชันเดสก์ท็อปที่ติดตั้งใช้งานในเครื่อง หน้าผลิตภัณฑ์ของ AutoClaw ระบุว่ารองรับ Windows 10 ขึ้นไป, macOS บนเครื่องที่ใช้ Apple Silicon และ Intel, iOS และ Android รวมถึงมีรุ่นสำหรับ Linux ด้วย แอปนี้มีทักษะในตัวมากกว่า 50 รายการ รองรับการสลับใช้โมเดล GLM และ DeepSeek และเชื่อมต่อกับ WhatsApp, Telegram, Discord, Lark และแพลตฟอร์มรับส่งข้อความอื่น ๆ เพื่อให้ผู้ใช้มอบหมายงานและรับผลลัพธ์ภายในเธรดแชตได้