Z.ai, Hukuki İş Akışları İçin Ajan Tabanlı GLM-Legal Modelini Tanıttı

Z.ai, 12 Ekim 2026 tarihli bir duyuruda, GLM-5.3-Flash temel modeli üzerine inşa edilen hukuk alanına yönelik ajan tabanlı GLM-Legal modelini tanıttı ve gerçek dünyadaki hukuk bürosu iş akışlarını içeren Harvey LAB kıyaslamasında tüm testleri geçme oranının %19,2 olduğunu bildirdi.

Şirket, hukuki çalışmaları, modelleri yüksek riskli profesyonel ortamlarda çalışacak şekilde eğitmek için ideal bir stres testi olarak görüyor. Z.ai’ye göre hukuk pratiği; olgular, kanun hükümleri, analitik akıl yürütme ve müşteriye sunulmaya hazır çıktılar arasında kesintisiz bir bağ kurulmasını gerektiriyor: Bir profesyonel görevi verildiğinde, bir ajanın kaynak belgelerdeki temel meseleleri belirlemesi, savunulabilir argümanlar oluşturması ve bulgularını görevin kesin gerekliliklerine uygun biçimde düzenlemesi gerekiyor. Şirket, tüm bu koşulları aynı anda karşılamanın alan odaklı modeller için gerçek ölçüt olduğunu belirtiyor.

Karşılaştırma Sonuçları

Z.ai, GLM-Legal’i üç eksende değerlendirdiğini söylüyor: karmaşık görevlerin yürütülmesi, uzmanlık gerektiren hukuki akıl yürütme ve gerçek dünyadaki hukuki iş akışları.

24 hukuk pratiği alanındaki gerçek hukuk bürosu iş akışlarını değerlendiren Harvey LAB’de GLM-Legal, tüm ölçütleri geçme oranı olarak %19,2’ye ulaştı; şirketin bildirdiğine göre bu, temel modele kıyasla 12,5 yüzde puanlık bir artış anlamına geliyor. Z.ai, Harvey’nin katı tüm ölçütleri geçme değerlendirmesinde elde edilen bu sonucun, ara aşamalarda performans kaybı yaşanmadan görevlerin baştan sona güvenilir biçimde yürütüldüğünü doğruladığını söylüyor.

Şirkete göre model, önemli ölçüde daha sınırlı bir parametre bütçesiyle çalışmasına rağmen uzmanlık gerektiren sözleşmeleri, birleşme başvurularını ve mahkeme kararlarını önde gelen kapalı kaynaklı öncü modeller kadar hassas biçimde çözümlüyor. Z.ai ayrıca, Çin’deki hukuki danışmanlık, dava analizi ve belge hazırlama çalışmalarını ayrıntılı ölçütlerle değerlendiren PLawBench’te de önde gelen öncü sistemlerle eşit düzeyde performans bildirdi.

Eğitim Yöntemi

Z.ai’nin hafif GLM-5.3-Flash temel modeli olarak tanımladığı yapı üzerine kurulan GLM-Legal’in alan yetkinliği, uzmanlaşmış orta aşama eğitim ile yüksek verimli eğitim sonrası süreçlerin bir araya getirilmesiyle artırılıyor.

Orta aşama eğitimde Z.ai, modelin hukuki kavramları, kanun hükümlerini ve yorumlama çerçevelerini yoğun bir alan bağlamı içinde öğrenmesi için yüksek kaliteli hukuk külliyatının hacmini artırdı. Şirkete göre bu aşama, olgular, kurallar ve sonuçlar arasındaki tümdengelim bağlantılarını güçlendirerek karmaşık sonraki aşama görevlerinin yürütülmesi için gereken bilgi temelini sağlıyor.

Eğitim sonrası süreç, on binlerce gerçekçi hukuki ortamda yürütülen pekiştirmeli öğrenme aracılığıyla alan bilgisini görevleri yerine getirme becerisine dönüştürüyor; model bu ortamlarda analizi planlamayı, iş akışlarını ilerletmeyi ve somut kısıtlar altında çıktılar üretmeyi öğreniyor. Z.ai, bu yapıdaki Harness’ı çalışma zamanı orkestrasyon çerçevesi olarak tanımlıyor: Görev bağlamını yönetiyor, araç kümelerini birbirine bağlıyor ve yürütme geri bildirimlerini yönlendiriyor. Şirketin belirttiğine göre Harness mimarisiyle model eğitimi eş zamanlı olarak yineleniyor ve öğrenme iki yönlü ilerliyor: Model eğitimi sırasında ortaya çıkan uç durumlar, Harness’taki mimari darboğazları belirlerken Harness’ta yapılan iyileştirmeler, istemin alınmasından son onaya kadar gerçekçi yürütme kısıtlarını modele tanıtıyor.

Üçüncü aşama, üretim ortamından gelen geri bildirimleri eğitim sinyaline dönüştürüyor. Z.ai, hukuk profesyonellerinin çıktıları somut ölçütlere göre değerlendirdiğini söylüyor: Tüm kritik meselelerin ve uç durumların ele alınıp alınmadığı, argümanların sağlam dayanaklara ve hukuken geçerli atıflara sahip olup olmadığı, çıktının dosya talimatlarına harfiyen uyup uymadığı ve sonraki ekiplerin çıktıyı elle yeniden düzenlemeden hemen kullanıp kullanamayacağı. Bu gereklilikler, öznel kaliteyi somut mühendislik kayıp sinyallerine dönüştürüyor. Şirket, sonraki eğitim döngülerinde iyileştirmeleri üretim karşılaştırmalarıyla doğrularken bu sinyalleri görev ortamlarına, değerlendirme ölçütlerine ve Harness tasarımına geri besliyor.

AutoClaw’da Hukuka Yönelik Üç Görev

Z.ai, kullanıcıların yakında GLM-Legal’in yeteneklerinden masaüstü için geliştirdiği ajan platformu AutoClaw’da yararlanabileceğini söylüyor ve entegrasyonu göstermek için üç örnek görev yayımladı. Her örnek, karşılaştırma amacıyla temel GLM-5.3-Flash modelinin çıktısıyla birlikte sunuluyor.

Bir sözleşme inceleme örneğinde modelden, hizmet sağlayıcısını değiştiren bir müşteri için yazılım hizmetleri sözleşmesini fesih ve devir konularına odaklanarak incelemesi istendi. Örnek çıktı, müşterinin kolaylık nedeniyle fesih için vermesi gereken ihbar süresinin 60 günden 30 güne indirilmesini; müşterinin derhâl fesih yapabilmesi için fikri mülkiyet, gizlilik veya veri güvenliği yükümlülüklerinin ihlalinde ihlali giderme süresinin kaldırılmasını; bedeli ödenmiş olsun ya da olmasın tüm teslimatların ve devam eden işlerin iade edilmesinin zorunlu tutulmasını ve kaynak kodu, belgeler, veriler ve bilgi aktarımını kapsayan en fazla 90 günlük geçiş desteği eklenmesini önerdi. AutoClaw daha sonra bu değişiklikleri, izlenen değişiklikler ve yorumlar olarak Word belgesine yerleştiriyor.

Bir yazılım projesi anlaşmazlığına ilişkin 40 belgeyi kapsayan delil analizi örneğinde, örnek çıktı; projenin planlandığı gibi ilerlediğini ve yüzde 60’ının tamamlandığını belirten 30 Eylül tarihli müşteri raporunu, kilometre taşına dürüstçe ulaşılamayacağı yönündeki 8 Eylül tarihli şirket içi uyarıyla ve tamamlanma oranını yaklaşık yüzde 41 olarak kaydeden şirket içi anlık durum raporuyla karşılaştırdı. Bu kayıtları, CEO’nun riski gizleme ve fatura kesmeye devam etme talimatıyla ilişkilendirdi. Ayrıca, ödemenin haklardan feragat anlamına gelmediğini ve garantilerin ödeme sonrasında da geçerliliğini koruduğunu belirten ana hizmet sözleşmesinin 2. ve 5. bölümlerine atıfta bulunarak gizleme teorisini destekledi; nihai bir sonuca varmadan önce iddianın geri kalan unsurlarının da sınanması gerektiğini belirtti.

Bir uyum araştırması örneğinde modelden, izleme, e-posta pazarlaması ve yurt dışındaki bulut depolama hizmetlerini kullanan, Singapur, Malezya ve Endonezya’da yayına girecek bir web sitesi için gizlilik uyumunu planlaması istendi. Örnek çıktı, yayına geçiş öncesinde öncelik verilmesi gerekenleri sıraladı: İngilizce ve Endonezce gizlilik bildirimleri yayımlamak; zorunlu olmayan analiz ve reklam çerezleri için açık rıza almak ve rıza kayıtlarını saklamak; abonelikten çıkma taleplerini gönderim dışı bırakma listesine yönlendirmek; bulut, ödeme, e-posta, analiz ve içerik dağıtım hizmeti sağlayıcılarını ve verilerin gideceği yerleri belirlemek; ayrıca her pazarda gereken sözleşmeleri ve veri aktarımı güvencelerini doğrulamak. Çıktıda Singapur ve Malezya’nın kişisel verilerin korunması yasalarına ve Endonezya’nın kişisel verilerin korunması kanununa ilişkin yasal atıflara da yer verildi.

Beta erişimi

Z.ai; hukuk bürolarını, hukuk teknolojisi şirketlerini, şirket içi hukuk ekiplerini ve bağımsız hukuk profesyonellerini GLM-Legal beta programına katılmaya davet ediyor. API erişimi için başvurular danışma süreci üzerinden değerlendiriliyor.

AutoClaw, yerel olarak yüklenen bir masaüstü uygulamasıdır. AutoClaw’ın ürün sayfasına göre uygulama, Windows 10 ve sonraki sürümlerini, Apple Silicon ve Intel işlemcili bilgisayarlarda macOS’i, iOS’i ve Android’i destekliyor; Linux sürümleri de sunuluyor. Uygulamada yerleşik 50’den fazla beceri bulunuyor, GLM ve DeepSeek modelleri arasında geçiş yapılabiliyor ve WhatsApp, Telegram, Discord, Lark ve diğer mesajlaşma platformlarına bağlanılabiliyor. Böylece kullanıcılar sohbet dizileri içinden görev verebiliyor ve sonuçları alabiliyor.