Z.ai lanza GLM-Legal: 19,17 % de aprobación total en Harvey LAB, API solo por solicitud y sin pesos públicos
Según un informe de MarkTechPost del 13 de octubre de 2026, Z.ai lanzó GLM-Legal, un modelo para el ámbito jurídico construido sobre GLM-5.3-Flash, con una tasa de aprobación total del 19,17 % en Harvey LAB, aproximadamente el triple que el 6,67 % de la base, y un costo de 0,15 dólares por prueba única en Vals AI; por ahora solo está disponible mediante API bajo solicitud y no se han publicado precios ni pesos.
Qué ha cambiado
Según un informe de MarkTechPost del 13 de octubre de 2026, Z.ai lanzó GLM-Legal, un modelo especializado en el dominio jurídico para revisión de contratos, análisis de pruebas e investigación de cumplimiento. El modelo se basa en GLM-5.3-Flash; la fuente afirma que la base es un MoE de 320B parámetros totales y 18B activos, con contexto de 1 millón de tokens y salida máxima de 128K, atención híbrida dispersa y lineal, capaz de leer texto, imágenes, video y archivos. El entrenamiento tiene dos etapas: entrenamiento intermedio sobre un corpus jurídico ampliado y luego postentrenamiento con aprendizaje por refuerzo en decenas de miles de entornos de tareas jurídicas; la fuente también menciona que el marco de ejecución y el modelo evolucionan conjuntamente durante el entrenamiento posterior. En evaluación, Harvey LAB es un benchmark de código abierto con 1250 tareas que cubren 24 áreas de práctica, calificadas por más de 75.000 rúbricas escritas por expertos; una tarea solo se considera aprobada si pasa todas las rúbricas. Vals AI ejecuta el conjunto de retención con dos jueces LLM y con internet deshabilitado. El informe señala que GLM-Legal tiene una tasa de aprobación total del 19,17 %, ocupando el puesto 7 entre 79 modelos, frente al 6,67 % de la base; la tasa de aprobación por rúbrica individual es del 92,5 %. La misma tabla muestra Kimi K3 con 12,92 %, Claude Fable 5 con 11,25 % y GPT-6 Astra con 5,42 %, pero el gráfico de lanzamiento no enumera los 6 modelos mejor clasificados; el primero tiene 25,42 %. En LegalBench, GLM-Legal obtiene 86,23 %, por detrás del 88,56 % de Claude Fable 5; en Legal Research Bench obtiene 41,83 %, por debajo del 45,19 % de la base. El acceso es únicamente a través de la API alojada de Z.ai y requiere solicitud; hasta la fecha del informe no se han publicado precios ni existe un repositorio correspondiente en Hugging Face. El modelo base puede desplegarse por cuenta propia con vLLM o SGLang, y sus pesos son FP8 abiertos.
Impacto para desarrolladores
Para los equipos de tecnología jurídica y de asuntos legales corporativos, el valor de esta noticia no está en el ranking en sí, sino en que un modelo vertical eleva la tasa de aprobación de tareas jurídicas agénticas al triple de la base con un costo por prueba relativamente bajo, lo que sugiere que el postentrenamiento de dominio más RL puede rendir claramente más que una mejora de capacidad general en tareas largas de tipo herramienta. Pero la decisión de adopción debe analizarse por partes. Primero, GLM-Legal no tiene pesos públicos por ahora y solo puede usarse mediante API alojada con solicitud, lo que equivale a devolver parcialmente al proveedor el flujo de datos, la auditoría y la responsabilidad de cumplimiento; para despachos que manejan material confidencial de clientes, esto es una restricción previa, no un detalle menor. Los pesos abiertos mencionados en la fuente se refieren a los pesos FP8 del modelo base GLM-5.3-Flash y no significan que GLM-Legal en sí sea de código abierto; la disponibilidad de pesos y la licencia son dos cosas distintas, y no se puede inferir del código abierto de la base que el modelo derivado también pueda autodesplegarse. Segundo, la ventaja de costo según la fuente debe interpretarse con cautela: los 0,15 dólares son el costo por prueba calculado por Vals AI con precios de 0,075 dólares por millón de tokens de entrada y 0,25 dólares de salida, bajo una longitud de tarea específica, no un precio de API anunciado por el fabricante; el precio de GLM-Legal sigue sin publicarse, por lo que cualquier modelo de costos basado en esa cifra es una suposición. Tercero, la mejora de capacidad no es uniforme: Harvey LAB sube 12,5 puntos porcentuales, pero Legal Research Bench es 3,36 puntos porcentuales inferior a la base, lo que indica que el modelo se inclina hacia tareas de llamadas a herramientas en varios pasos y que su beneficio en búsqueda e investigación jurídica abierta podría ser negativo. Cuarto, el tiempo medio por tarea de Harvey LAB es de 1 hora 12 minutos, más lento que la mayoría de los modelos de la misma tabla, por lo que la disyuntiva entre escenarios interactivos y procesamiento por lotes fuera de línea será completamente distinta. Además, la fuente afirma que Z.ai indicó que GLM-Legal se integrará en su aplicación de agente de escritorio AutoClaw, pero no dio un calendario; todo esto corresponde a lo reportado y KimiSeek no lo ha verificado de forma independiente.
Integración y evaluación
Lo siguiente son juicios orientativos, no hechos verificados. Decisión uno: elegir la base para el prototipo o esperar el permiso de GLM-Legal. El informe dice que la base GLM-5.3-Flash ya está disponible y con pesos abiertos, mientras que GLM-Legal solo admite solicitud; por lo tanto, si el proyecto necesita empezar de inmediato o debe procesar documentos sensibles localmente, es más realista montar primero el flujo con la base; si las tareas se concentran en comparación de contratos en varios pasos y organización de cadenas de evidencia que requieren llamadas a herramientas, y se puede aceptar que los datos pasen por el proveedor, vale la pena presentar la solicitud. Las condiciones previas son si se aprueba el permiso y si se permite procesar material real de clientes. El criterio de evaluación puede fijarse así: sobre 50 a 100 muestras históricas propias de revisión de contratos, comparar la tasa de aprobación al primer intento bajo el criterio de "aprobación total" entre la base y GLM-Legal una vez aprobado, y exigir que este último muestre una mejora explicable respecto de la base; de lo contrario, no migrar. Decisión dos: incorporar la latencia al peso de selección, no mirar solo la tasa de aprobación. La fuente muestra que GLM-Legal tarda en promedio 1 hora 12 minutos por tarea, claramente más que otros modelos de la misma tabla; por eso, un producto asistente para interacción en tiempo real con abogados y una canalización de diligencia debida para procesamiento nocturno deberían elegir de forma distinta. Si la latencia del primero es inaceptable, seguir usando la base o un modelo general más rápido en el front end y poner el modelo de alta precisión en una cola asíncrona es una opción condicionada. La condición previa es que la tarea pueda ser asíncrona y que el usuario acepte una respuesta en horas; el criterio de evaluación puede ser medir bajo concurrencia real si la latencia extremo a extremo P95 y el costo por tarea caen dentro del presupuesto. Decisión tres: no definir la versión con una sola tabla. El informe presenta al mismo tiempo una fuerte mejora en Harvey LAB y un resultado inferior a la base en Legal Research Bench, en direcciones opuestas; por eso, antes de integrarlo, hay que dividir el conjunto de evaluación según la distribución del propio negocio, medir por separado la tasa de aprobación en tareas de búsqueda e investigación y en tareas de ejecución de procesos, y registrar la tasa de aprobación por rúbrica individual, no solo la aprobación por tarea. El criterio de evaluación puede fijarse así: la dirección de la diferencia respecto de la base en los dos tipos de tareas debe coincidir con el peso de cada tipo en el propio negocio; si la búsqueda e investigación tienen mucho peso, no se debería cambiar solo por las cifras de Harvey LAB. Por último, como no se han publicado precios, cualquier cálculo de costos debe confirmar primero con el fabricante la base de facturación y recalcularse con la propia distribución de tokens, en lugar de reutilizar el costo por prueba de terceros.
Límites y cuestiones pendientes
Todos los puntajes de benchmark, costos y tiempos de este informe provienen de los resultados de la ejecución de Vals AI descrita por la fuente hasta el 12 de octubre de 2026; KimiSeek no los ha reproducido de forma independiente. Esta versión de GLM-Legal no está actualmente en el catálogo de modelos de KimiSeek; la disponibilidad de API, la forma de solicitud y el estado de precios mencionados en el texto se refieren al lado del fabricante Z.ai, no a este sitio. Z.ai no ha publicado el precio de API de GLM-Legal, por lo que el costo por prueba de la fuente no puede tomarse como tarifa de facturación real. El modelo base GLM-5.3-Flash tiene una entrada homónima glm-5.3-flash en el catálogo de KimiSeek, pero es un modelo distinto de GLM-Legal y no permite inferir que GLM-Legal esté disponible o pueda autodesplegarse. La fuente no publicó el tamaño de parámetros independiente de GLM-Legal ni cifras concretas del PLawBench en chino; la afirmación de Z.ai de que LegalBench y PLawBench están a la par carece de valores verificables. La lista de modelos mejor clasificados en la tabla de Harvey fue omitida en el gráfico de lanzamiento; este informe solo la transcribe según el original. La obtención del permiso de API, el calendario de lanzamiento de AutoClaw y los términos de licencia reales no están definidos y deben confirmarse con declaraciones posteriores del fabricante.