GLM-Legal：大模型迈入法律智能体时代，轻量化基座实现端到端法律作业
大语言模型正在从简单问答、单轮文本生成，进化为可深度参与专业工作的智能协作者。智谱发布 GLM-Legal，主打 Agentic Legal Intelligence（智能体法律智能），面向律所、企业法务、法律科技团队，解决真实法律场景中长文档消化、证据串联、论证构建、合规交付等复杂任务，为高风险专业领域的大模型落地提供全新范式。
传统法律大模型大多只能完成法条检索、合同摘要等单点任务。而法律实务要求事实、法规、逻辑推理、客户交付物形成完整闭环，这也是 GLM-Legal 的核心设计目标：接收复杂法律任务后，自动从碎片化卷宗提取核心争议，构建严谨论证，输出符合规范的文书成果。
评测数据是本次发布的亮点。GLM-Legal 在 Harvey LAB 基准取得19.2% 全任务通过率，相比 GLM-5.3-Flash 基座提升 12.5 个百分点。Harvey LAB 覆盖 24 个法律业务领域，采用严苛的全项通过打分规则，检验端到端完整工作流能力。同时，该模型在 LegalBench 英文法律推理、PLawBench 中文法律实务评测上，以更小参数量追平前沿闭源模型。Harvey LAB 与 LegalBench 结果由 Vals 独立评测，可信度得到第三方验证。
GLM-Legal 采用 “模型 + 智能体调度框架 Harness 协同迭代” 的创新训练路线，分为三大阶段。中期预训练扩充高质量法律语料，夯实法律概念、法条解释的底层知识；后训练基于数万套真实法律场景开展强化学习，把静态法律知识转化为任务执行能力；最后搭建生产反馈闭环，由执业律师评估输出质量，将实务痛点反向输入模型与框架迭代。不同于仅做模型微调的方案，Harness 负责上下文管理、工具调度、执行反馈，模型与调度框架双向优化，兼顾推理能力与工程落地稳定性。
官方同步推出桌面原生智能体平台 AutoClaw，将 GLM-Legal 能力产品化。文中三组案例直观展现能力差距：合同审查场景，GLM-Legal 可直接撰写可谈判的退出条款，区分 IP、保密违约的即时解约权；证据分析场景，自动关联多份卷宗材料，搭建案件证据链，区分客观事实与法律推论；跨境合规场景，对新加坡、马来西亚、印尼隐私合规做优先级拆解，标注对应法条，产出可落地的合规清单。AutoClaw 支持直接在 Word 生成修订痕迹与批注，降低法务二次加工成本。
目前 GLM-Legal 开启 Beta 邀请测试，提供 API 与 AutoClaw 桌面平台，面向律所、企业法务、法律科技从业者开放申请。当然，19.2% 全任务通过率也说明，复杂法律事项仍需要律师复核把关。GLM-Legal 定位是法律专业协作者，而非律师替代者，标志着法律 AI 从单点文本能力，正式走向端到端智能体工作流。
10 个关键问题 Q&A
- GLM-Legal 是什么？
GLM-Legal 是面向法律场景的智能体大模型，基于 GLM-5.3-Flash 轻量化基座构建，目标完成端到端法律专业任务，区别于传统单点法律问答模型。 - Agentic Legal Intelligence（智能体法律智能）和普通法律 LLM 差别在哪？
普通法律 LLM 擅长单点问答、摘要；法律智能体能够自主规划工作流、读取多份碎片化文档、串联证据、构建论证，完整走完一整套法律任务并交付成品文书。 - Harvey LAB 的 19.2% 全任务通过率代表什么？
Harvey LAB 采用严格全项通过标准，任务所有要求全部达标才算通过；19.2% 代表在真实律所 24 类业务场景下，模型可一次性完整交付合格成果，相比基座提升 12.5 个百分点。 - Harness 是什么？
Harness 是 GLM-Legal 配套的智能体运行调度框架，负责上下文管理、工具调用、任务编排、执行反馈，和模型一起协同训练迭代。 - GLM-Legal 训练分为哪几个阶段？
中期预训练（搭建法律知识基础）、后训练（强化学习学习任务执行，模型 + Harness 双向迭代）、生产反馈闭环（律师实务评估，持续优化）。 - PLawBench 评测有什么意义？
PLawBench 是中文法律基准，用来衡量模型在本土法律咨询、案例分析、文书起草能力，评测结果显示 GLM-Legal 性能对标国际前沿系统。 - AutoClaw 平台能实现什么功能？
AutoClaw 是桌面原生法律智能体平台，搭载 GLM-Legal，可以直接在 Word 文档输出带修订痕迹和批注的合同修改意见，方便法务审阅谈判。 - 文中三大案例体现 GLM-Legal 哪些核心能力？
合同审查：生成可直接谈判的精准条款；证据分析：多文档交叉比对，构建证据链，区分事实与推论；跨境合规：输出分级落地清单，附带境外法条引用。 - GLM-Legal 会替代律师吗？
不会。19.2% 全任务通过率说明大部分复杂法律任务仍需要专业律师复核校验。定位是法律专业协作者，降低文书、证据梳理、合规调研的重复工作量。 - 如何体验 GLM-Legal？
当前处于 Beta 邀请测试阶段，律所、企业法务、法律科技团队可以申请 API 访问，或使用 AutoClaw 桌面平台。
原文：2026-10-12 Research｜GLM-Legal: Advancing Agentic Legal Intelligence 官网：https://z.ai/consultation/legal ｜ AutoClaw：https://autoclaw.z.ai/
GLM-Legal：推进智能体法律智能
大语言模型正从单轮代码生成，转向更广泛的专业协同（专业同事模式 Professional Cowork）。真实场景的知识工作提出了独特要求：模型必须在明确目标与严苛交付时限下，消化碎片化源文件；将专业知识整理为逻辑自洽的分析；并在完整执行链路中维持领域严谨性。法律工作集中体现了上述全部挑战，是训练模型在高风险专业场景运行的理想压力测试场景。
法律实务要求事实、成文法规、分析推理、可交付客户成果之间保持完整不间断的逻辑链条。当接收一项专业任务时，智能体需要从源文档提取核心争议点、构建可自洽抗辩的论证，并严格按照任务规范格式化输出结论。同时满足所有约束条件，才是领域专用模型真正的评判基准。
我们从三个维度评估 GLM-Legal：复杂任务执行、专业法律推理、真实法律工作流。GLM-Legal 在 Harvey LAB 基准上实现 19.2% 全任务通过率；在 LegalBench、PLawBench 上，参数量显著更小的前提下，性能追平前沿闭源模型。
基准评测亮点
在复杂任务执行、法律推理、实务文书起草场景，GLM-Legal 在保持高推理效率的同时，达到前沿模型水平：
- Harvey LAB（全任务通过率 19.2%）
覆盖 24 个业务领域的真实律所工作流评测，GLM-Legal 得分 19.2%，相比基座模型提升 12.5 个百分点。Harvey 采用严格的全项通过打分机制，该结果证明模型能够可靠完成端到端任务，不会在中间执行环节发生能力衰减。 - LegalBench（领域推理能力持平前沿）
解析复杂合同、并购申报文件、司法判例意见书，精度对标顶尖闭源前沿模型，但参数量精简很多。 - PLawBench（中文本土法律实务）
在精细化评分标准下，中文法律咨询、案件分析、文书起草能力，与顶尖前沿系统性能持平。
Harvey Legal Agent Benchmark 与 LegalBench 的评测结果由 Vals 独立评估。详见：https://www.vals.ai/models/zai_glm-legal
训练方法论
GLM-Legal 优先考虑训练效率。模型基于轻量化基座 GLM-5.3-Flash 构建，通过领域中期预训练 + 高效后训练提升法律专业能力。它把基础预训练和下游任务执行直接绑定，训练模型读取原始卷宗、适用法条、搭建论证结构，直至交付时保持输出质量。
1. 中期预训练：夯实领域基础
中期预训练搭建系统化法律底层能力。团队扩充高质量法律语料库，让模型在高密度领域上下文内学习法律概念、成文规则与解释框架。该阶段强化事实 — 规则 — 结论之间的演绎逻辑，为下游复杂任务打下知识底座。
2. 后训练：模型与智能体运行框架协同迭代
后训练阶段，通过数万套真实法律环境的强化学习，把领域知识转化为任务执行能力。模型学习规划分析流程、推进工作流、在约束条件下产出交付物。
这套体系中，Harness（智能体运行调度框架）是运行编排核心：管理任务上下文、连接工具集、路由执行反馈。
- 协同迭代优化
Harness 架构与模型训练同步迭代。任务结构化、上下文加载、运行时反馈环路共同管控智能体的探索行为。 - 双向学习
模型训练暴露的边界案例，反过来定位 Harness 架构瓶颈；Harness 的迭代优化，让模型接触真实执行约束，训练模型检索相关上下文、基于中间执行信号自适应调整，从读取提示词到最终定稿，全程达到生产级标准。
3. 生产环境反馈闭环
真实业务流程与执业律师反馈定义优化路线。在生产环境，法律从业者基于以下标准评估输出：
-
是否覆盖全部关键争议点与边界情形？ -
论证论据充分、法条引用合规可靠？ -
交付文档严格遵循案件简报要求？ -
下游团队是否可以直接使用，无需大量人工返工？
这套标准把主观质量转化为可用于工程优化的损失信号。当模型出现事实遗漏、分析浅薄、格式不符等问题时，团队会完整复盘整条执行链路，区分基础模型能力、上下文组织、工作流逻辑各自的影响。
这些结论直接回流到任务环境、评测打分规则、Harness 设计，用于后续训练周期；并基于生产基准验证效果。业务需求、任务环境、调度框架、模型训练之间紧密的反馈闭环，保证算法进步可以直接转化为生产环境可靠性。
GLM-Legal 落地 AutoClaw
不久后用户可在桌面原生智能体平台 AutoClaw 中使用该能力。下面三个示例展示 GLM-Legal 处理三类高频法律任务：合同审查、案件准备、跨境业务合规规划。
1. 合同审查：设计对客户有利的退出条款
任务：为更换服务商的客户审查软件服务合同，重点关注终止与交接条款。
GLM-5.3-Flash（基座输出） 终止与交接 合同约定客户提前 60 天通知即可终止；重大违约设置 30 天补救期。建议缩短通知期提升客户灵活性。终止时，要求服务商返还客户数据与客户已付费的交付成果；增加服务商配合接替服务商的义务，包括合理提供文档、协助交接。确认未结款项以及过渡支持相关费用。
GLM-Legal（优化输出） 终止与交接 将客户任意终止通知期从 60 天缩短至 30 天；删除知识产权、保密、数据安全相关违约的补救期，客户可立即终止。合同第 4 条已约定成果归属客户：要求服务商返还全部交付成果与在制品，无论客户是否已经付费。增加最长 90 天过渡支持义务，包含源代码、文档、数据与知识移交，交付给客户或接替服务商，按服务商当前费率计费。
更换服务商时，团队需要一套保障交接的退出条款。GLM-Legal 把业务目标转化为可落地条款：严重违约下立即解约、全部工作成果返还、最长 90 天过渡期支持。AutoClaw 可以直接把修改写入 Word 文档，保留修订痕迹与批注，供团队审阅谈判。
2. 证据分析：把文档串联形成案件主张
任务：分析软件项目纠纷的 40 份文档，找出服务商进度报告中的矛盾点。
GLM-5.3-Flash 外部报告与内部记录 9 月 30 日客户报告称项目正常推进，完成度 60%（BR-000024）；内部快照记录完成度约 41%（BR-000027）。内部邮件同时提到架构风险、客户沟通口径指示（BR-000014；BR-000015）。上述文档可支撑客户主张：服务商夸大项目进度。需要核查报告历史、发票记录、合同条款，判断陈述是否存在误导，以及还需要补充哪些证据。
GLM-Legal 外部报告与内部记录 9 月 30 日 “项目正常、完成 60%” 报告（BR-000024）需要结合 9 月 8 日预警 —— 该里程碑无法如实达成（BR-000014）与内部 41% 进度快照（BR-000027）综合解读。CEO 指示掩盖风险、继续开票（BR-000015），把内部知情事实和对外披露决策关联起来。主服务协议第 2、5 条约定：付款不代表权利放弃，担保责任不因付款而失效（BR-000001），因此单纯持续付款并不解决纠纷。上述证据链支持隐瞒主张；需核对进度统计口径，验证其余要件，再得出最终结论。
项目纠纷的核心，是把对外进度陈述和服务商内部知情记录建立关联。GLM-Legal 把外部陈述与矛盾记录交叉比对、标注原始文档编号，解释其法律意义。矛盾图谱帮助团队评估证据、确定下一步调查方向，同时严格区分事实与推论。
3. 合规调研：识别网站上线前隐私合规重点
任务：规划面向新加坡、马来西亚、印尼上线网站的隐私合规，包含追踪埋点、邮件营销、境外云存储。
GLM-5.3-Flash 上线前重点事项 网站上线前发布隐私声明，说明数据收集、使用、共享、境外存储规则。评估 Cookie 与分析工具是否需要用户同意；营销邮件增加退订入口；要求供应商提供完善的数据保护保障。核查新加坡、马来西亚、印尼适用隐私法规，确认本地要求。上线计划覆盖告知、同意、营销、数据跨境，明确各团队职责，网站上线前完成待确认法律问题评审。
GLM-Legal 上线前重点事项 P0（上线前必须完成）：发布英文 + 印尼语隐私声明，涵盖收集目的、数据跨境传输、用户权利、投诉渠道。非必要数据分析与广告采用勾选同意制（opt-in），留存同意记录；营销许可与注册流程分离。退订请求自动录入屏蔽名单。梳理云、支付、邮件、数据分析、CDN 供应商及其数据落地地域，确认各国法律要求的合同与数据跨境保障（新加坡 PDPA 第 26 条；马来西亚 PDPA 第 129 条；印尼 PDP 法第 55–56 条）。以此通用管控基线作为保守上线方案，再逐一核验各国特殊要求。
跨境上线需要一套可落地执行方案。GLM-Legal 将隐私合规拆解为可执行步骤：用户同意管理、营销权限、数据跨境，并标注各国法条依据。优先级清单帮助团队搭建通用管控能力，识别各国专属待确认事项。
申请 GLM-Legal Beta 测试
律所、法律科技公司、企业法务团队、独立执业律师均可申请体验 GLM-Legal。 API 访问申请：https://z.ai/consultation/legal AutoClaw 平台：https://autoclaw.z.ai/
要点解读
一、定位：Agentic Legal Intelligence（智能体法律智能）≠ 普通法律问答大模型
传统法律 LLM：单点问答、法条检索、单段文本摘要； GLM-Legal：法律智能体，主打端到端长流程法律工作交付，核心是维持「事实→法条→论证→交付文书」完整推理链，适配真实律所多步骤任务，而不是只答对单个问题。
Harvey LAB 评测标准是全项通过（all-pass）：一整份法律任务所有要求全部满足才算通过，门槛极高，19.2% 通过率意味着约每 5 个真实法律任务，模型可以一次性完整交付合格成果，相比基座提升 12.5 个百分点，是本次发布最核心指标。
二、三大评测基准分工
-
Harvey LAB：真实律所端到端工作流（24 个业务方向），检验智能体完整任务交付能力，Vals 独立评测； -
LegalBench：英文法律推理，合同、并购文件、判例解析； -
PLawBench：中文本土法律场景，咨询、案例分析、文书起草，对标国际前沿模型。
三、技术路线亮点：模型 + 调度框架（Harness）双向协同训练
这是 GLM-Legal 区别于单纯微调法律模型的关键：
-
不是只训模型，而是模型和智能体编排框架 Harness 一起迭代； -
训练分三段：中期预训练（法律知识打底）→ 真实法律环境强化学习（学会做任务）→ 生产执业反馈闭环（持续对齐实务标准）； -
核心思想：法律智能体的瓶颈不只在模型参数，上下文管理、工具调用、执行反馈、任务编排同样决定最终交付质量。训练过程让模型学会适配 Harness 运行约束，Harness 也根据模型短板迭代。
四、三个案例对比：基座 GLM-5.3-Flash vs GLM-Legal，能力差异直观体现
- 合同审查
基座只能给出通用修改方向；GLM-Legal 能识别特殊权利（IP / 保密违约可立即解约）、覆盖未付费成果返还、约定过渡期时长与计费规则，产出可直接谈判的条款； - 证据分析
基座仅罗列文档矛盾；GLM-Legal 构建证据链、引用证据编号、区分事实 / 推论，提出法律主张（隐瞒），同时提示仍需验证的要件； - 跨境隐私合规
基座是宽泛清单；GLM-Legal 做优先级分级、区分 opt-in/opt-out、标注各国对应法条、梳理供应商与数据跨境义务，产出可落地合规基线。
五、产品形态：AutoClaw 桌面智能体 + API Beta 邀请测试
-
AutoClaw：桌面端智能体平台，可以直接在 Word 中输出带修订痕迹的合同修改意见； -
当前为 Beta 邀请制，暂未开放权重，面向法务、律所、法律科技团队申请 API。
六、关键洞察与局限
-
范式变化：法律 AI 竞争从 “单点推理分数” 转向端到端智能体交付质量，Harvey LAB 这类全任务评测，更贴近真实律师工作价值； -
轻量化路线：GLM-Legal 依靠 GLM-5.3-Flash 基座，以更小参数量追平闭源模型，降低法律智能体部署成本； -
边界：19.2% 全任务通过率说明绝大多数复杂法律任务仍需要律师复核，定位是专业协作者，而非替代律师。