大家好，我是蓝戒。本篇我们来聊聊：“智谱法律大模型GLM-Legal逆袭”。
平时跟法务或者律师朋友聊天，大家对通用大模型往往又爱又恨：
让它帮忙写段客套话、总结个会议纪要，它干得挺漂亮；但只要把一份几百页的并购合同或者几十份诉讼证据甩给它，通用大模型立马就露怯了——要么给出的修改意见像“建议注意违约风险”一样正确的废话，要么在跨条款交叉核验时漏掉最致命的赔偿陷阱，甚至还会凭空捏造不存在的法条。
很多人觉得，像法律尽调、合同红线批注这种容错率几乎为零的活儿，必须等参数量几万亿的下一代全能超级旗舰才能搞定。
但就在这几天，智谱（Z.ai）用一款垂直专精模型直接打破了这个迷思。
根据 MarkTechPost 深度报道与 Unite.AI 评测解析，智谱正式发布了专为法律工作流打造的智能体大模型——GLM-Legal。
它并没有去堆砌吓人的万亿参数，而是直接基于自家轻量的 320B 细粒度 MoE 模型（每次仅激活 18B 参数）GLM-5.3-Flash 进行深度微调与智能体强化。
结果在业界公认最残酷的法律智能体基准 Harvey Legal Agent Benchmark（LAB） 上，GLM-Legal 一举跑出了 19.2% 的全通过率：不仅比自己的基础底座暴涨了近 3 倍，更直接反超了 Claude Fable 5、月之暗面 Kimi K3 以及 GPT-6 Astra！
更让同行倒吸一口凉气的是它的账单：跑完一次复杂法律评测，GLM-Legal 仅需 $0.15（约合人民币 1 块钱），成本只有 Claude Fable 5 的 1/128！
一个每次只激活 18B 参数的垂直模型，到底是怎么在专业战场上把体积大它十倍的全能巨头按在地上摩擦的？今天蓝戒就带大家扒一扒它的底层门道与真实底牌。
为什么 19.2% 的分数就能震动硅谷法律科技圈？
很多刚看到新闻的朋友可能会纳闷：“才 19.2% 的通过率？连及格线都没到，这有什么好吹的？”
如果你去翻一翻 Vals AI 独立评测榜单的评分规则，就会明白这个数字背后的含金量有多恐怖。
Harvey LAB 评测可不是给模型出几道法考选择题，它是把智能体直接扔进律所的真实案卷堆里：
- 真刀真枪的办公环境：涵盖 24 个执业领域的 1,250 个真实律所任务，关闭外部互联网，只给智能体一个装满案卷的文件夹、6 个基础工具，以及操作 Word（
.docx）、Excel（.xlsx）和 PPT 的技能； - 极其苛刻的“一票否决制（All-Pass Grading）”：全套测试包含超过 75,000 条由资深人类律师编写的评分细则。每一个任务下面都有一大串检查项，只要模型在其中任何一个细微要求上出了岔子，整道题直接判 0 分！
实际上，如果按单项评分细则来看，GLM-Legal 的得分率高达 92.5%。但在“错一小步即全盘归零”的残酷规则下，连身价高昂的通用旗舰都集体翻了车。
我们来看看独立评测机构 Vals AI 实测的硬碰硬数据对比：
| 模型名称 | 研发机构 | 总参数 / 激活参数 | Harvey LAB 全通过率 | LegalBench 得分 | PLawBench (中国法) | 单次 LAB 任务成本 | 平均单任务耗时 |
| GLM-Legal | 智谱 (Z.ai) | 320B / 18B | 19.17% | 86.23% | 77.3% | $0.15 | 1小时12分 |
| GLM-5.3-Flash (底座) | 智谱 (Z.ai) | 320B / 18B | 6.67% | 83.93% | 73.8% | $0.57 | 52分17秒 |
| Kimi K3 | 月之暗面 | 2.8T / 104B | 12.92% | 86.21% | 76.2% | $3.83 | 13分58秒 |
| Claude Fable 5 | Anthropic | 未公开 (闭源旗舰) | 11.25% | 88.56% | 77.7% | $19.23 | 26分53秒 |
| GPT-6 Astra | OpenAI | 未公开 (闭源旗舰) | 5.42% | 87.10% | 69.1% | $26.16 | 24分49秒 |
你看这张表就会发现：在传统的静态法律知识测试（LegalBench 与 PLawBench）上，GLM-Legal 和 Claude Fable 5、Kimi K3 基本打成平手；
但一旦进入需要跨几十个文档翻找线索、修改合同并按格式交付的 Agent 实战环节（Harvey LAB），GLM-Legal 直接从底座的 6.67% 飙升到了 19.17%，用不到两毛钱的成本，跑赢了单次烧掉 19 美元的 Claude Fable 5 和烧掉 26 美元的 GPT-6 Astra！
拒绝“正确的废话”：三个真实案例看懂它的杀手锏
为什么通用大模型审合同总让人觉得像外行，而 GLM-Legal 能直接干出初级律师的活儿？
在 Unite.AI 披露的官方实测案例中，智谱展示了它在自家桌面智能体 AutoClaw 里的三个真实工作流，细节差距一目了然：
案例一：软件服务合同审查，直接在 Word 里拉出“修订红线”
客户准备更换软件外包商，让 AI 审查合同里的“终止与交接条款”。
- 普通底座模型（GLM-5.3-Flash）的回答：建议考虑缩短提前通知期限，明确知识产权归属。（典型的片儿汤话，法务看完还得自己重改）。
- GLM-Legal 的操作：直接调用 Word 工具，在
.docx原件上以“修订模式（Tracked Changes）+ 批注气泡”的形式动刀：- 将客户任意解除合同的通知期从 60 天直接划掉改为 30 天；
- 删除涉及知识产权、保密与数据安全违约的“宽限补救期”，改为客户有权立即终止；
- 强制要求无论是否已付款，服务商必须退还全部半成品与交付物；
- 新增长达 90 天的过渡期协助条款，明确涵盖源代码、文档、数据迁移与知识移交。律师打开文档，只需要逐条点击“接受”或“拒绝”修订即可，省去了重新排版的麻烦。
案例二：40 份工程纠纷案卷穿透，揪出高管隐瞒证据链
面对一起软件工程烂尾纠纷的 40 份杂乱文件，GLM-Legal 展现出了极强的跨文档侦探能力：
它先读到一份 9 月 30 日发给客户的周报，上面信誓旦旦写着“项目进展顺利，已完成 60%”；
紧接着，它在另一份 9 月 8 日的内部预警邮件和系统快照里扒出真相——当时内部实际完成度只有 41%，且技术负责人已明确警告里程碑无法按期交付；
更绝的是，它顺藤摸瓜锁定了一封 CEO 下令“隐瞒延期风险、继续向客户开具发票”的内部指令，并直接关联主服务协议第 2 条与第 5 条（付款不代表放弃追索权、质量保证在付款后依然有效），生成了一份每一条都带精确卷宗编号（Bates Number）的欺诈隐瞒时间线。
案例三：新马印三国出海隐私合规方案
针对一家准备同时在新加坡、马来西亚和印度尼西亚上线追踪与邮件营销功能的网站，模型没有给笼统的合规鸡汤，而是直接拆解出上线前优先级清单：中英印双语隐私声明、非必要分析的显式勾选（Opt-in）留痕、退订黑名单路由，并逐条精准引用了新加坡 PDPA、马来西亚 PDPA 与印尼 PDP 法案的具体条款编号。
它是怎么练出来的？模型与 Harness 脚手架“双向奔赴”
很多做垂直行业的朋友最关心的是：智谱到底用了什么训练秘籍，能让一个 18B 激活参数的模型脱胎换骨？
，GLM-Legal 走完了一套非常扎实的“三级跳”：
- 第一级：高密度法律语料中期训练（Mid-training）：先喂入海量判例、法条与合同范本，打通从“案件事实 -> 法律规则 -> 裁判结论”的演绎推理链条；
- 第二级：在上万个仿真法律环境中做“模型+脚手架”联合强化学习（核心绝活）：这是最值得所有 Agent 开发者抄作业的地方！以往做智能体，模型训练和外部工具框架（Harness）是割裂的。但智谱在数万个模拟法律任务中，让 GLM-Legal 与底层的执行框架同步迭代：当模型因为读错文件或格式错乱失败时，团队既罚模型，也改脚手架；脚手架修好后，再把更真实的约束反哺给模型训练。这彻底治好了通用模型“脑子懂法条、手脚不会调工具”的毛病；
- 第三级：执业律师入环打分（Lawyer-in-the-loop）：由一线执业律师按照“核心边缘漏洞是否漏检”、“引证是否扎实”、“交付物能否零返工直接发给客户”三个硬指标打分，将人类专家的主观审美直接转化为强化学习的损失信号。
扒开华丽战报，它有哪些没明说的局限？
虽然 GLM-Legal 的表现非常惊艳，但作为冷静的技术人，我们必须把官方海报里没展示出来的另一面也摆在台面上：
1. 官方对比图里“隐身”的对手，以及同台竞技的 Google
在智谱公布的对比图中，GLM-Legal 确实赢了 Claude Fable 5、Kimi K3 和 GPT-6 Astra。但如果你看 Vals AI 的完整总榜
，GLM-Legal 排在全网 79 个模型中的第 7 名。
排在它前面的，是 Meta 的 Muse Spark 1.2（25.42%）、Muse Wonder Full（21.67%）以及 Google 刚解禁的 Gemini 4 Argon（19.58%）。不过平心而论，Gemini 4 Argon 跑得虽然差不多准（19.58% vs 19.17%），但单次成本高达 $10.55，比 GLM-Legal 贵了足足 70 倍！
2. “用时间换金钱”的慢工出细活
便宜是有代价的。在 Vals AI 的测试记录中，GLM-Legal 平均跑完一个复杂法律任务需要 1 小时 12 分钟（前十名里耗时最长，而 Kimi K3 只需 14 分钟，Muse Spark 只需 24 分钟）。
这意味着：如果你在跟客户开电话会，急着要它在 3 分钟内改出一版条款，它会急死你；但如果你是律所或法务部，晚上把几百份尽调合同挂在后台通宵批处理，第二天早上来收初稿，那 $0.15 的白菜价简直香爆了。
3. 暂未开源权重，目前采用申请制 API
虽然它的底座 GLM-5.3-Flash 是 MIT 协议完全开源的，但截至目前，GLM-Legal 并没有在 Hugging Face 上开放模型权重下载，官方 API 也处于需要填写表单申请的受限内测（Gated Beta）阶段，后续将集成进智谱的跨平台桌面智能体 AutoClaw 中。对数据出境或私有化部署极度敏感的律所，还需要等待官方进一步的私有化或开源方案。
垂直专精 Agent 正在撕开全能巨头的防线
看完 GLM-Legal 的完整评测，我最大的感触是：
在严肃的专业垂直领域，“小而精的底座 + 深度绑定的工具脚手架 + 行业专家强化学习”，完全可以用百分之一的成本，打出媲美甚至反超万亿全能旗舰的效果。
以前很多企业做行业 AI，总想着等 OpenAI 或 Anthropic 发新模型，然后自己套一层简单的 RAG 知识库了事。
但法律、医疗、金融审计这些行业，真正的门槛不在于背诵了多少条文，而在于长链路操作的严谨性与交付格式的零容错。
如果你所在的团队也在做垂直领域的智能体落地，不妨先拿已经完全开源、仅需 $0.15/百万 Token 的 GLM-5.3-Flash 搭建好工具流底座，同时去智谱官网申请 GLM-Legal 的内测或体验 AutoClaw。把昂贵的通用大模型留给创意发散，把苦活累活交给这种懂行规、守规矩、还便宜到骨子里的“垂直特种兵”，才是今年下半年最务实的降本增效路径。
文章评论