用通用大模型审合同，常有三个尴尬：法条引不准、长文书逻辑断裂、给完建议还要自己重写一遍。10 月 12 日，智谱 AI（Z.ai）在北京正式推出法律专用大模型 GLM-Legal，基于 GLM-5.3-Flash 轻量底座专项优化，瞄准律师、企业法务和合规人员的真实业务流程。
它不只想跟你聊法条，还想把审合同、串证据、做跨境合规这些活一次干完，交回来一份能直接用的成果。
一张考卷难在哪：19.2% 的全通过率
GLM-Legal 最常被引用的数字，是 Harvey LAB 上的 19.2% 全任务通过率，比基座模型提升了 12.5 个百分点。
这个分数的门槛值得单独说明。Harvey LAB 覆盖 24 个法律执业领域，首版就设置了超过 1200 项模拟律所工作任务，采用的是严格的"全条件通过"机制：一项任务里的所有评分条件必须全部满足才算通过，少一条都不行。整条链路从读材料、调工具，到按规矩把结果交出来，任何一环掉链子都拿不到分。能在这种机制下做到端到端不降级，才算真本事。
Vals AI 独立跑出的结果里，GLM-Legal 摘得了 Harvey LAB 与 LegalBench 双榜开放权重模型第一。LegalBench 准确率 86.23%，PLawBench 得分 77.3，这两项都追平了前沿闭源模型水平，而它是在明显更小的参数规模下做到的。
需要说明的是，这些数字都来自智谱官方公布，Harvey LAB 与 LegalBench 由 Vals AI 评估。真实业务里的表现，还要靠专业用户自己验证。
训练路径：先进法学院，再进模拟律所
智谱给 GLM-Legal 安排的成长路线可以概括成两句：先送进"法学院"，再带到"模拟律所"练手。
第一步是领域中期训练，在 GLM-5.3-Flash 底座上扩充高质量法律语料，让模型在密集的领域上下文里学习法律概念、成文规则和解释框架，把事实、规则、结论之间的推演关系补扎实。
第二步是后训练，在数万个逼真的法律任务环境里做强化学习，练读材料、做分析、推进任务、交付成果。关键在 Harness 这个运行时编排框架：它管理任务上下文、连接工具集、回传执行反馈，而且和模型训练双向往复。训练中暴露的边界问题会反过来说明 Harness 的架构瓶颈，Harness 的改进又让模型在更真实的执行约束下训练。
第三步是生产反馈闭环。执业律师会按四个标准评审输出：关键问题是否覆盖、论证与引用是否站得住、成果是否严格遵循任务简报、下游团队能否免返工直接使用。这些标准把主观质量变成具体的工程损失信号，回灌到任务环境和评测设计里。
三组实测：它和基座的差别在哪里
智谱放了三个官方演示，都是"GLM-5.3-Flash 大战 GLM-Legal"的对比。
审合同，把分手流程写明白。 更换软件供应商时，最难的是理清终止和交接条款。GLM-Legal 建议把合作终止通知期从 60 天缩到 30 天，删除知识产权、保密、数据安全违约的补救期以实现立即解约，要求交回全部可交付物和工作成果（包括尚未完成或尚未付款的部分），再增加最长 90 天的过渡支持，把代码、文档和知识交接都安排进去。对比基座只给泛泛建议，GLM-Legal 明确了时间、交接范围，还把修改方案对应到合同现有约定上。
串证据，把散落的线索连起来。 项目纠纷里，对外报告称完成 60%，内部记录却只有约 41%。基座和 GLM-Legal 都能发现矛盾，但 GLM-Legal 进一步把进度报告与更早的风险警告、内部沟通关联起来，引用来源编号，落地到具体行动，方便你回到原件逐项核对。
做跨境合规，把法规变成行动清单。 在新加坡、马来西亚、印尼上线网站，涉及追踪、邮件营销、海外云存储，GLM-Legal 把需要关注的合规事项拆成团队能逐项落实的步骤，包括发布隐私声明、退订请求进抑制列表，并附上各国法条引用，一目了然。
一个值得注意的成本账
除了成绩，还有一组账单的反差值得关注。在成绩相近的情况下，GLM-Legal 比 Gemini 4 Argon 慢了近 30 分钟，但 Gemini 每项测试的成本约为 GLM-Legal 的 70 倍。挑选法律工作搭档时，成绩、成本和时间得放在一起看。
商业化与落地
目前定价尚未公布，智谱已开放 Beta 测试申请，邀请律所、法律科技公司、企业法务团队和独立执业人士加入，支持 API 接入与私有化部署，方便嵌入现有法务系统、合同管理平台和法律业务工作台。后续能力将接入 AutoClaw 桌面 Agent，可以直接在 Word 文档里以修订模式和批注呈现合同修改内容。
智谱在法律 AI 上并非新面孔。2023 年它就与专注智能合同的幂律智能合作，基于 ChatGLM-130B 推出千亿参数的法律模型 PowerLawGLM，并作为老股东参与幂律智能的战略融资和近 8000 万元 Pre-B 轮。
几点观察
这条线的价值，不止在"又一个垂直模型"。更值得关注的是，基础模型厂商开始亲自下场做垂直场景：当通用能力趋同，场景、数据和工作流成了新的胜负手。
对做应用的团队，GLM-Legal 这类模型提供了开箱即用的选择，但要评估绑定风险。通用底座加领域微调能掌控数据与知识，但投入大、需持续维护。对多数务实团队，更现实的路径是用垂直模型做初筛、提词、找疑点，再叠加自己的工作流编排。
最后提醒一句：GLM-Legal 的定位是法律从业者的智能协作助手，不是替代专业律师。19.2% 的全通过率也意味着，在严格评分下多数任务仍未完全达标，还有很大提升空间。法律场景责任高敏感，输出务必人工复核。能被审计的 AI，才配得上被信任的 AI。
