Z.ai 发布 GLM-Legal：Harvey LAB 全项通过率 19.17%，API 需申请且无公开权重
据 MarkTechPost 2026 年 10 月 13 日报道，Z.ai 发布法律领域模型 GLM-Legal，基于 GLM-5.3-Flash 构建，在 Harvey LAB 上全项通过率 19.17%，约为基座 6.67% 的三倍，Vals AI 单次测试成本 0.15 美元；目前仅限申请 API，未公布价格与权重。
发生了什么
据 MarkTechPost 2026 年 10 月 13 日报道，Z.ai 发布面向法律场景的领域特化模型 GLM-Legal，目标场景为合同审查、证据分析与合规研究。该模型基于 GLM-5.3-Flash 构建，来源称基座是 320B 总参数、18B 激活参数的 MoE，具备 100 万 token 上下文与 128K 最大输出，混合稀疏注意力与线性注意力，可读取文本、图像、视频与文件。训练分两阶段：在扩展法律语料上中期训练，随后在数万个法律任务环境中做强化学习后训练，来源还提到执行框架与模型在后期训练中共同演化。评测方面，Harvey LAB 为开源基准，含覆盖 24 个执业领域的 1250 项任务，由 7.5 万条以上专家撰写的评分细则打分，只有全部细则通过任务才算通过；Vals AI 在禁用互联网条件下以两个 LLM 评委运行留出集。报道称 GLM-Legal 全项通过率 19.17%，在 79 个模型中排第 7，基座为 6.67%；单条细则通过率 92.5%。同榜显示 Kimi K3 为 12.92%、Claude Fable 5 为 11.25%、GPT-6 Astra 为 5.42%，但发布图表未列出排名更高的 6 个模型，居首者为 25.42%。LegalBench 上 GLM-Legal 为 86.23%，落后 Claude Fable 5 的 88.56%；Legal Research Bench 上为 41.83%，低于基座的 45.19%。访问方式为仅通过 Z.ai 托管 API 且需申请，截至报道日未公布价格，Hugging Face 上无对应仓库；基座模型可通过 vLLM 或 SGLang 自行部署，权重为开放的 FP8。
对开发者的影响
对法律科技与企业法务团队而言，这条消息的价值不在排名本身，而在于一个垂直模型用相对低的单次测试成本把智能体式法律任务的通过率抬到基座的三倍，这意味着领域后训练加 RL 在长流程工具型任务上的收益可能明显大于通用能力提升。但落地判断需要拆开看。第一，GLM-Legal 目前没有公开权重，只能走申请制托管 API，等于把数据流向、审计与合规责任部分交回厂商，对处理客户保密材料的律所这是前置约束而非枝节问题；来源中的开放权重指的是基座 GLM-5.3-Flash 的 FP8 权重，并不代表 GLM-Legal 本身开源，权重可得性与许可授权是两件事，不能从基座开源推断衍生模型也可自部署。第二，来源口径下的费用优势需要谨慎解读：0.15 美元是 Vals AI 按每百万 token 输入 0.075 美元、输出 0.25 美元计价、在特定任务长度下算出的单次测试成本，不是厂商公布的 API 价格，而 GLM-Legal 的价格至今未公布，所以任何基于该数字的成本模型都是假设。第三，能力提升并不均匀：Harvey LAB 提升 12.5 个百分点，但 Legal Research Bench 反而比基座低 3.36 个百分点，说明该模型偏向多步骤工具调用式任务，对开放式法律检索与研究的收益可能是负的。第四，平均每个 Harvey LAB 任务耗时 1 小时 12 分，慢于同表多数模型，交互式场景与批量离线场景的取舍会完全不同。此外，来源称 Z.ai 表示 GLM-Legal 将进入其桌面智能体应用 AutoClaw，但未给出时间表；这些均为报道口径，KimiSeek 侧未做独立验证。
接入与评估建议
以下为建议性判断，不是已核实的事实。决策一：选择原型基座还是等待 GLM-Legal 权限。报道称基座 GLM-5.3-Flash 已可获取且权重开放，GLM-Legal 仅限申请，因此若项目需要立刻开工或必须本地处理敏感文书，先以基座搭流程更现实；若任务集中在多步骤合约比对、证据链整理这类需要工具调用的场景，且能接受数据经厂商托管，则值得提交申请。前提条件是权限是否获批以及是否允许处理真实客户材料。评估准则可设为：在自有 50 至 100 条历史合同审查样本上，比较基座与获批后的 GLM-Legal 在“全项通过”口径下的一次通过率，并要求后者相对基座提升达到可解释的幅度，否则不迁移。决策二：把延迟纳入选型权重，而非只看通过率。来源显示 GLM-Legal 平均每任务 1 小时 12 分，明显长于同表其他模型，因此面向律师实时交互的助手类产品与面向夜间批处理的尽调管线应做不同选择；前者若延迟不可接受，则继续用基座或更快的通用模型做前台、把高精度模型放到异步队列是条件性方案。前提是该任务可被异步化、用户能接受小时级回执，评估准则可设为在真实并发下测量 P95 端到端时延与单位任务成本是否落在预算内。决策三：不要用单一榜单定版。报道同时给出 Harvey LAB 大幅提升与 Legal Research Bench 低于基座两个方向相反的结果，因此接入前应按自身业务分布拆分评测集，分别统计检索研究类与流程执行类任务的通过率，并记录单条细则通过率而非只看任务通过率。评估准则可设为：两类任务上相对基座的差值方向必须与自身业务权重匹配，若检索研究占比高，则不应仅因 Harvey LAB 数字而切换。最后，由于价格未公布，任何成本核算都应先向厂商确认计费口径，并以自身 token 分布重新测算，而不是沿用第三方单次成本。
限制与待确认事项
本报道中的全部基准得分、成本与耗时均来自来源所述的 Vals AI 截至 2026 年 10 月 12 日的运行结果，KimiSeek 未独立复现。GLM-Legal 这一版本目前不在 KimiSeek 模型目录中，文中提及的 API 可用性、申请方式与价格状态均指厂商 Z.ai 侧，而非本站；Z.ai 未公布 GLM-Legal 的 API 价格，因此来源中的单次测试成本不能当作实际计费标准。基座 GLM-5.3-Flash 在 KimiSeek 目录中存在同名的 glm-5.3-flash 条目，但这与 GLM-Legal 是不同模型，不能据此推断 GLM-Legal 可用或可自部署。来源未公布独立的 GLM-Legal 参数规模，也未提供中文 PLawBench 的具体数字，Z.ai 关于 LegalBench 与 PLawBench 持平的说法缺少可核对数值。Harvey 榜单中排名更高模型的名单在发布图表中被省略，本报道仅按原文转述。能否获得 API 权限、AutoClaw 上线时间表以及实际许可条款均未确定，需以厂商后续说明为准。