Z.ai ra mắt GLM-Legal, mô hình tác tử dành cho quy trình pháp lý

Z.ai giới thiệu GLM-Legal, mô hình tác tử chuyên về pháp lý được xây dựng trên nền tảng GLM-5.3-Flash của hãng, trong thông báo ngày 12 tháng 10 năm 2026, cho biết mô hình đạt tỷ lệ vượt qua tất cả tiêu chí 19,2% trên điểm chuẩn Harvey LAB về quy trình làm việc thực tế tại các công ty luật.

Công ty xem công việc pháp lý là bài kiểm tra áp lực lý tưởng để huấn luyện mô hình hoạt động trong những môi trường chuyên môn có rủi ro cao. Theo Z.ai, hành nghề luật đòi hỏi một chuỗi liên kết xuyên suốt giữa sự kiện, quy định pháp luật, lập luận phân tích và sản phẩm công việc sẵn sàng giao cho khách hàng: khi được giao một nhiệm vụ chuyên môn, tác tử phải trích xuất các vấn đề cốt lõi từ tài liệu nguồn, xây dựng lập luận có căn cứ vững chắc và trình bày kết quả theo đúng các yêu cầu cụ thể của nhiệm vụ. Công ty nhận định rằng khả năng đồng thời đáp ứng tất cả những ràng buộc này mới là thước đo thực sự của các mô hình chuyên biệt theo lĩnh vực.

Kết quả điểm chuẩn

Z.ai cho biết hãng đã đánh giá GLM-Legal theo ba phương diện: thực hiện nhiệm vụ phức tạp, lập luận pháp lý chuyên sâu và quy trình làm việc pháp lý trong thực tế.

Trên Harvey LAB, điểm chuẩn đánh giá quy trình làm việc thực tế tại các công ty luật thuộc 24 lĩnh vực hành nghề, GLM-Legal đạt tỷ lệ vượt qua tất cả tiêu chí 19,2%, cao hơn 12,5 điểm phần trăm so với mô hình nền tảng, theo báo cáo của công ty. Z.ai cho biết kết quả này, theo cách chấm nghiêm ngặt yêu cầu vượt qua tất cả tiêu chí của Harvey, xác nhận mô hình có thể thực hiện nhiệm vụ đáng tin cậy từ đầu đến cuối mà không suy giảm ở các bước trung gian.

Công ty cho biết trên LegalBench, mô hình phân tích hợp đồng chuyên biệt, hồ sơ sáp nhập và ý kiến tư pháp với độ chính xác ngang các mô hình tiên phong mã nguồn đóng hàng đầu, dù hoạt động với ngân sách tham số nhỏ hơn đáng kể. Z.ai cũng báo cáo mô hình đạt ngang bằng với các hệ thống tiên phong hàng đầu trên PLawBench, điểm chuẩn đánh giá tư vấn pháp lý, phân tích vụ án và soạn thảo tài liệu bằng tiếng Trung theo các thang tiêu chí chi tiết.

Phương pháp huấn luyện

GLM-Legal được xây dựng trên nền tảng GLM-5.3-Flash gọn nhẹ, theo mô tả của Z.ai, và mở rộng năng lực chuyên môn thông qua huấn luyện giai đoạn giữa chuyên biệt kết hợp với huấn luyện sau hiệu quả cao.

Trong giai đoạn huấn luyện giữa, Z.ai mở rộng khối lượng ngữ liệu pháp lý chất lượng cao để mô hình học các khái niệm pháp lý, quy định luật định và khuôn khổ diễn giải trong bối cảnh chuyên ngành dày đặc. Theo công ty, giai đoạn này củng cố các mối liên hệ suy diễn giữa sự kiện, quy định và kết luận, tạo nền tảng tri thức cần thiết để thực hiện những nhiệm vụ phức tạp ở các giai đoạn tiếp theo.

Huấn luyện sau chuyển hóa tri thức chuyên ngành thành khả năng thực hiện nhiệm vụ thông qua học tăng cường trên hàng chục nghìn môi trường pháp lý thực tế, trong đó mô hình học cách lập kế hoạch phân tích, thúc đẩy quy trình làm việc và tạo sản phẩm đầu ra theo những ràng buộc cụ thể. Z.ai mô tả Harness là khuôn khổ điều phối khi vận hành trong thiết lập này: hệ thống quản lý ngữ cảnh nhiệm vụ, kết nối các bộ công cụ và điều hướng phản hồi về quá trình thực thi. Theo công ty, kiến trúc Harness và quá trình huấn luyện mô hình được cải tiến đồng bộ, với việc học diễn ra theo cả hai chiều: các trường hợp ngoại lệ xuất hiện trong quá trình huấn luyện mô hình giúp xác định những điểm nghẽn kiến trúc trong Harness, còn các cải tiến của Harness giúp mô hình tiếp xúc với những ràng buộc thực tế trong quá trình thực thi, từ tiếp nhận lời nhắc đến phê duyệt cuối cùng.

Giai đoạn thứ ba chuyển phản hồi từ quá trình vận hành thực tế thành tín hiệu huấn luyện. Z.ai cho biết các chuyên gia pháp lý đánh giá đầu ra theo những tiêu chí cụ thể: liệu mọi vấn đề trọng yếu và trường hợp ngoại lệ đã được xử lý hay chưa; lập luận có được chứng minh đầy đủ và trích dẫn có chính xác về mặt pháp lý hay không; sản phẩm bàn giao có tuân thủ nghiêm ngặt bản mô tả vụ việc hay không; và các nhóm ở khâu tiếp theo có thể sử dụng ngay đầu ra mà không cần chỉnh sửa thủ công hay không. Những yêu cầu này chuyển chất lượng vốn mang tính chủ quan thành các tín hiệu tổn thất kỹ thuật cụ thể. Công ty đưa các tín hiệu đó trở lại môi trường nhiệm vụ, thang tiêu chí đánh giá và thiết kế Harness trong những chu kỳ huấn luyện tiếp theo, rồi kiểm chứng các cải tiến bằng điểm chuẩn từ quá trình vận hành thực tế.

Ba nhiệm vụ pháp lý trong AutoClaw

Z.ai cho biết người dùng sẽ sớm có thể khai thác các năng lực của GLM-Legal trong AutoClaw, nền tảng tác tử thiết kế riêng cho máy tính để bàn của hãng, đồng thời đã công bố ba nhiệm vụ mẫu để minh họa cách tích hợp. Mỗi ví dụ được trình bày kèm đầu ra từ mô hình nền tảng GLM-5.3-Flash để so sánh.

Trong một ví dụ rà soát hợp đồng, mô hình được yêu cầu xem xét hợp đồng dịch vụ phần mềm cho một khách hàng đang chuyển sang nhà cung cấp khác, tập trung vào việc chấm dứt hợp đồng và bàn giao. Đầu ra mẫu đề xuất rút thời hạn thông báo chấm dứt hợp đồng theo ý muốn của khách hàng từ 60 ngày xuống còn 30 ngày; bỏ thời hạn khắc phục vi phạm đối với các nghĩa vụ về sở hữu trí tuệ, bảo mật hoặc an ninh dữ liệu để khách hàng có thể chấm dứt hợp đồng ngay lập tức; yêu cầu hoàn trả tất cả sản phẩm bàn giao và phần công việc đang thực hiện, bất kể đã được thanh toán hay chưa; đồng thời bổ sung tối đa 90 ngày hỗ trợ chuyển tiếp, bao gồm bàn giao mã nguồn, tài liệu, dữ liệu và kiến thức. Sau đó, AutoClaw đưa những chỉnh sửa này vào tài liệu Word dưới dạng nội dung được theo dõi thay đổi và nhận xét.

Trong một ví dụ phân tích chứng cứ gồm 40 tài liệu liên quan đến tranh chấp về một dự án phần mềm, kết quả mẫu đối chiếu báo cáo khách hàng ngày 30 tháng 9, trong đó ghi dự án đang đúng tiến độ và đã hoàn thành 60%, với cảnh báo nội bộ ngày 8 tháng 9 rằng không thể trung thực cam kết đạt được cột mốc, cùng một ảnh chụp tình hình nội bộ ghi nhận mức độ hoàn thành khoảng 41%. Kết quả liên kết các hồ sơ này với chỉ thị của CEO yêu cầu che giấu rủi ro và tiếp tục xuất hóa đơn, đồng thời viện dẫn các điều 2 và 5 trong hợp đồng dịch vụ khung, quy định rằng việc thanh toán không đồng nghĩa với từ bỏ quyền và các bảo đảm vẫn có hiệu lực sau khi thanh toán, để củng cố giả thuyết về hành vi che giấu; tuy nhiên, kết quả cũng lưu ý rằng cần kiểm tra các yếu tố còn lại của yêu cầu bồi thường trước khi đưa ra kết luận cuối cùng.

Trong một ví dụ nghiên cứu về tuân thủ, mô hình được yêu cầu lập kế hoạch tuân thủ quyền riêng tư cho một trang web chuẩn bị ra mắt tại Singapore, Malaysia và Indonesia, có sử dụng công cụ theo dõi, tiếp thị qua email và lưu trữ đám mây ở nước ngoài. Kết quả mẫu đưa ra danh sách ưu tiên cần hoàn tất trước khi ra mắt: công bố thông báo quyền riêng tư bằng tiếng Anh và tiếng Indonesia; yêu cầu người dùng chủ động đồng ý cho các công cụ phân tích và quảng cáo không thiết yếu, đồng thời lưu hồ sơ về sự đồng ý; chuyển các yêu cầu hủy đăng ký vào danh sách ngăn gửi; lập bản đồ các nhà cung cấp dịch vụ đám mây, thanh toán, email, phân tích và phân phối nội dung, xác định nơi dữ liệu được chuyển đến; và xác nhận các hợp đồng cùng biện pháp bảo đảm cho việc chuyển dữ liệu cần thiết tại từng thị trường, kèm theo dẫn chiếu đến luật bảo vệ dữ liệu cá nhân của Singapore và Malaysia cũng như luật bảo vệ dữ liệu cá nhân của Indonesia.

Quyền truy cập bản beta

Z.ai mời các công ty luật, doanh nghiệp công nghệ pháp lý, bộ phận pháp chế nội bộ và luật gia hành nghề độc lập tham gia chương trình beta của GLM-Legal; quyền truy cập API được cấp thông qua đơn đăng ký tư vấn.

Bản thân AutoClaw là một ứng dụng máy tính để bàn được cài đặt trực tiếp trên thiết bị. Theo trang sản phẩm của AutoClaw, ứng dụng hỗ trợ Windows 10 trở lên, macOS trên máy dùng Apple Silicon và bộ xử lý Intel, iOS và Android; phiên bản dành cho Linux cũng được cung cấp. Ứng dụng có hơn 50 kỹ năng tích hợp sẵn, cho phép chuyển đổi giữa các mô hình GLM và DeepSeek, đồng thời kết nối với WhatsApp, Telegram, Discord, Lark và các nền tảng nhắn tin khác, để người dùng có thể giao nhiệm vụ và nhận kết quả ngay trong các cuộc trò chuyện.