Z.ai 发布 GLM-Legal：面向法律工作流的智能体模型

Z.ai 于2026年10月12日的一则公告中推出了 GLM-Legal。这是一款基于其GLM-5.3-Flash基础模型构建的法律领域智能体模型。据该公司介绍，它在 Harvey LAB 基准测试中针对真实律所工作流取得了 19.2% 的全项通过率。

该公司认为，法律工作是检验模型能否在高风险专业环境中运行的理想压力测试。Z.ai 指出，法律实践要求事实、成文法原则、分析推理与可直接交付客户的工作成果之间保持完整连贯：面对一项专业任务，智能体必须从源文件中提取核心问题，构建有理有据的论证，并严格按照任务要求的具体规格整理其发现。该公司表示，能否同时满足所有这些要求，才是衡量领域专用模型的真正标准。

基准测试结果

Z.ai 表示，该公司从三个维度评估了 GLM-Legal：复杂任务执行、专业法律推理和真实世界法律工作流。

据该公司报告，在覆盖 24 个执业领域真实律所工作流的 Harvey LAB 测试中，GLM-Legal 的全项通过率为 19.2%，比其基础模型高出 12.5 个百分点。Z.ai 表示，按照 Harvey 严格的全项通过评分标准，这一结果证实模型能够可靠地端到端执行任务，且中间环节不会出现性能退化。

该公司表示，尽管 GLM-Legal 使用的参数预算显著精简，但在 LegalBench 测试中，它解析专业合同、并购申报文件和司法意见书的精准度可与顶尖闭源前沿模型媲美。Z.ai 还报告称，在评估中国法律咨询、案例分析和文件起草的 PLawBench 测试中，该模型的表现与领先的前沿系统不相上下；该测试采用细粒度评分标准。

训练方法

GLM-Legal 以 Z.ai 所称的轻量级 GLM-5.3-Flash 基础模型为基础，通过专业化中期训练结合高效后训练，提升其领域能力。

在中期训练阶段，Z.ai 扩充了高质量法律语料的规模，使模型能够在密集的领域语境中学习法律概念、成文法规则和法律解释框架。该公司称，这一阶段强化了事实、规则与结论之间的演绎联系，为复杂的下游任务执行提供必要的知识基础。

后训练通过在数以万计的真实法律场景中开展强化学习，将这些领域知识转化为任务执行能力；模型在此过程中学会规划分析、推进工作流，并在具体约束下生成交付成果。Z.ai 将此流程中的 Harness 描述为运行时编排框架：它管理任务上下文、连接工具集，并传递执行反馈。该公司表示，Harness 架构与模型训练同步迭代，学习过程则是双向的：模型训练中暴露的边缘案例可以定位 Harness 的架构瓶颈，而 Harness 的改进则让模型接触到真实的执行约束，涵盖从接收提示到最终签核的全过程。

第三个阶段将生产环境中的反馈转化为训练信号。Z.ai 表示，法律专业人士会依据具体标准评估输出：是否涵盖所有关键问题和边缘案例，论据是否有充分依据且引证在法律上是否可靠，交付成果是否严格遵循案件任务说明，以及下游团队能否立即使用输出而无需人工返工。这些要求将主观质量转化为具体的工程损失信号；该公司会将这些信号反馈到任务环境、评估标准和 Harness 设计中，用于后续训练周期，并依据生产环境基准验证改进效果。

AutoClaw 中的三项法律任务

Z.ai 表示，用户很快就能在其桌面原生智能体平台 AutoClaw 中运用 GLM-Legal 的能力，并发布了三个示例任务来展示该集成。每个示例都同时呈现了基础模型 GLM-5.3-Flash 的输出，以供对比。

在一项合同审查示例中，模型受托审查一份软件服务合同。客户正准备更换服务商，审查重点是合同终止和交接。示例输出建议将客户无理由终止合同的通知期从 60 天缩短至 30 天；对于违反知识产权、保密或数据安全义务的情形，取消补救期限，以便客户能够立即终止合同；要求返还所有交付成果和在制工作，无论相关费用是否已经支付；并增加最长 90 天的过渡协助，涵盖源代码、文档、数据和知识转移。随后，AutoClaw 会在 Word 文档中以修订和批注的形式呈现这些修改。

在一项涉及软件项目争议、涵盖40份文件的证据分析示例中，样例输出将9月30日一份客户报告中的说法——项目进展顺利，已完成60%——与9月8日一份内部警告进行了对照。警告指出，里程碑无法如实按期完成；一份内部快照则记录了约41%的完成度。输出将这些记录与首席执行官要求隐瞒风险并继续开具账单的指示联系起来，并援引主服务协议第2条和第5条作为隐瞒行为理论的依据：这两条规定，付款不构成对权利的放弃，且保证在付款后仍然有效。同时，输出指出，在作出最终结论之前，还应检验其余索赔要件。

在一项合规研究示例中，模型受命为一家即将在新加坡、马来西亚和印度尼西亚上线的网站制定隐私合规方案。该网站将使用跟踪技术、开展电子邮件营销，并将数据存储在海外云端。样例输出列出了一份上线前的优先事项清单：发布英文和印度尼西亚语隐私声明；对非必要的分析和广告功能采用选择加入式同意，并留存同意记录；将退订请求纳入抑制名单；梳理云服务、支付、电子邮件、分析和内容分发服务供应商及其数据存储目的地；并确认各市场所要求的合同和数据传输保障措施，同时援引新加坡和马来西亚的个人数据保护法，以及印度尼西亚的个人数据保护法中的法定条款。

测试版体验资格

Z.ai 邀请律师事务所、法律科技公司、企业内部法务团队和独立执业人士加入 GLM-Legal 测试版，API 访问权限通过咨询申请办理。

AutoClaw 本身是一款在本地安装的桌面应用。根据 AutoClaw 产品页面，该应用支持 Windows 10 及更高版本、搭载 Apple Silicon 芯片和 Intel 处理器的 Mac、iOS 和 Android，也提供 Linux 版本。应用内置了50多项技能，支持在 GLM 和 DeepSeek 模型之间切换，并可连接 WhatsApp、Telegram、Discord、Lark 等消息平台，让用户能够在聊天对话中分派任务并接收结果。