Z.ai、法務特化モデルGLM-Legalを発表——Harvey LAB全項目通過率19.17%、APIは申請制で公開ウェイトなし
MarkTechPostの2026年10月13日付報道によると、Z.aiは法務分野モデルGLM-Legalを発表した。GLM-5.3-Flashをベースに構築され、Harvey LABでの全項目通過率は19.17%とベースモデルの6.67%の約3倍、Vals AIでの1回のテストコストは0.15ドル。現時点では申請制のAPIのみで、価格とウェイトは非公開。
主な変更
MarkTechPostの2026年10月13日付報道によると、Z.aiは契約審査、証拠分析、コンプライアンス調査を想定した法務シーン向けの領域特化モデルGLM-Legalを発表した。同モデルはGLM-5.3-Flashをベースに構築され、情報源はベースが320B総パラメータ・18BアクティブパラメータのMoEで、100万トークンのコンテキストと128Kの最大出力を持ち、ハイブリッドスパースアテンションと線形アテンションを組み合わせ、テキスト、画像、動画、ファイルを読み取れるとしている。訓練は2段階で、拡張された法務コーパスでの中間訓練の後、数万の法務タスク環境で強化学習による後訓練を行い、情報源は実行フレームワークとモデルが後期訓練で共進化したとも述べている。評価面では、Harvey LABは24の実務領域をカバーする1250タスクを含むオープンソースベンチマークで、7.5万件以上の専門家作成の採点基準で採点され、全基準を通過したタスクのみ通過とみなされる。Vals AIはインターネット禁止条件下で2つのLLM審査員により留出セットを実行した。報道によるとGLM-Legalの全項目通過率は19.17%で79モデル中7位、ベースモデルは6.67%、単一基準通過率は92.5%。同じ順位表ではKimi K3が12.92%、Claude Fable 5が11.25%、GPT-6 Astraが5.42%だが、発表チャートには上位6モデルが記載されておらず、首位は25.42%だった。LegalBenchではGLM-Legalは86.23%でClaude Fable 5の88.56%に劣り、Legal Research Benchでは41.83%でベースモデルの45.19%を下回った。アクセス方法はZ.aiのホストAPI経由の申請制のみで、報道日時点で価格は非公開、Hugging Faceに対応リポジトリはない。ベースモデルはvLLMやSGLangで自己デプロイ可能で、ウェイトはオープンなFP8である。
開発者への影響
法務テック企業や企業法務チームにとって、このニュースの価値はランキング自体ではなく、垂直モデルが比較的低い1回のテストコストでエージェント型法務タスクの通過率をベースの3倍に引き上げた点にあり、領域後訓練とRLが長いワークフローのツール型タスクで汎用能力向上を大きく上回る利益をもたらす可能性を示す。ただし導入判断は分解して見る必要がある。第一に、GLM-Legalは現在公開ウェイトがなく申請制のホストAPIのみで、データの流れや監査、コンプライアンス責任の一部をベンダーに戻すことになり、顧客の機密資料を扱う法律事務所にとってこれは前置制約であり枝葉の問題ではない。情報源のオープンウェイトとはベースGLM-5.3-FlashのFP8ウェイトを指し、GLM-Legal自体がオープンソースであることを意味しない。ウェイトの入手可能性とライセンス許諾は別物であり、ベースのオープンソースから派生モデルも自己デプロイ可能と推論してはならない。第二に、情報源の基準でのコスト優位は慎重に解釈すべきで、0.15ドルはVals AIが入力は100万トークンあたり0.075ドル、出力も100万トークンあたり0.25ドルで特定タスク長の下で算出した1回のテストコストであり、ベンダー公表のAPI価格ではない。GLM-Legalの価格は今も非公開のため、この数字に基づくコストモデルはすべて仮定である。第三に、能力向上は一様ではない。Harvey LABは12.5ポイント向上したが、Legal Research Benchはベースより3.36ポイント低く、このモデルが多段階のツール呼び出し型タスクに偏り、開放型の法的検索・研究への効果は負かもしれないことを示す。第四に、Harvey LABの平均タスク所要時間は1時間12分で、同じ表の多くのモデルより遅く、対話型シーンとバッチオフラインシーンでは取捨が全く異なる。さらに情報源はZ.aiがGLM-LegalをデスクトップエージェントアプリAutoClawに導入すると述べたがスケジュールは示していない。これらはすべて報道ベースの情報であり、KimiSeek側は独立検証していない。
導入と評価の提案
以下は提案的な判断であり、検証済みの事実ではない。判断一：プロトタイプのベースを選ぶかGLM-Legalの権限を待つか。報道によるとベースGLM-5.3-Flashは入手可能でウェイトもオープン、GLM-Legalは申請制のみのため、プロジェクトを直ちに開始する必要があるか機密文書をローカル処理しなければならない場合は、まずベースでフローを組む方が現実的である。タスクが多段階の契約比較や証拠チェーン整理などツール呼び出しを要するシーンに集中し、データのベンダーへのホスティングを受け入れられるなら申請する価値がある。前提条件は権限が承認されるか、実顧客資料の処理が許可されるかである。評価基準は、自社の過去50〜100件の契約審査サンプルで、ベースと承認後のGLM-Legalを「全項目通過」基準の一次通過率で比較し、後者がベースに対し説明可能な幅の向上を達成することを要求し、そうでなければ移行しない、と設定できる。判断二：通過率だけでなくレイテンシを選定の重みに入れる。情報源はGLM-Legalの平均1タスク1時間12分を示し、同表の他モデルより明らかに長いため、弁護士向けリアルタイム対話型アシスタント製品と夜間バッチ処理のデューデリジェンスパイプラインは別の選択をすべきである。前者でレイテンシが許容できない場合、引き続きベースかより高速な汎用モデルをフロントに使い、高精度モデルを非同期キューに置くのは条件付き案である。前提はそのタスクが非同期化可能でユーザーが時間単位の返答を受け入れられること、評価基準は実並行下でP95エンドツーエンド遅延と単位タスクコストが予算内に収まるかを測定することに設定できる。判断三：単一のランキングで版を決めない。報道はHarvey LABの大幅向上とLegal Research Benchのベース未満という相反する2方向の結果を同時に示すため、接続前に自社の業務分布で評価セットを分割し、検索研究型とプロセス実行型タスクの通過率を別々に集計し、タスク通過率だけでなく単一基準通過率も記録すべきである。評価基準は、2類タスクでのベースに対する差の方向が自社の業務重みと一致することを要求し、検索研究の比率が高いならHarvey LABの数字だけで切り替えるべきでない、と設定できる。最後に価格が非公開のため、コスト計算はまずベンダーに課金方式を確認し、自社のトークン分布で再試算すべきで、第三者の1回コストを流用してはならない。
制限と未確認事項
本報道のすべてのベンチマーク得点、コスト、所要時間は情報源が述べるVals AIの2026年10月12日時点の実行結果に由来し、KimiSeekは独立再現していない。GLM-Legalのこのバージョンは現在KimiSeekモデルカタログに存在せず、本文で言及したAPI可用性、申請方法、価格状態はすべてベンダーZ.ai側を指し、当サイトではない。Z.aiはGLM-LegalのAPI価格を公表しておらず、情報源の1回テストコストは実際の課金基準とはみなせない。ベースGLM-5.3-FlashはKimiSeekカタログに同名のglm-5.3-flashエントリが存在するが、これはGLM-Legalとは別モデルであり、これをもってGLM-Legalが利用可能または自己デプロイ可能と推論できない。情報源はGLM-Legalの独立したパラメータ規模を公表しておらず、中国語PLawBenchの具体的数字も提供しておらず、LegalBenchとPLawBenchが同等とするZ.aiの主張には照合可能な数値が欠けている。Harveyランキングで上位のモデルのリストは発表チャートで省略されており、本報道は原文どおりに述べるのみである。API権限が得られるか、AutoClawの提供スケジュール、実際のライセンス条項はいずれも未確定で、ベンダーの今後の説明に従う必要がある。