导读智谱于 2026 年 10 月 12 日发布法律领域模型 GLM-Legal，在 Harvey LAB 上取得约 19.2% 的任务全通过率，高于底座的 6.7%。结合官方合同审查与证据分析案例，本文解释专业训练怎样服务文件交付、AutoClaw 与评测环境有何区别，并沿着同一个合同场景，说明法律小助手怎样帮助用户准备材料，再与律师、法务等专业人士配合。
本文 3155 字，阅读约 8 分钟
所有条件都过关，才算完成一项任务
审合同，要把建议落到文件里
法律知识怎样接上多步执行
官方搭配 AutoClaw，榜单使用基准环境
有了法律小助手，怎样与专业人士配合
所有条件都过关，才算完成一项任务
智谱发布的 GLM-Legal，是在 GLM-5.3-Flash 底座上继续训练的法律领域模型。它面向的工作包括合同审查、证据分析和合规研究。
发布时最醒目的结果，是 Harvey 法律智能体基准 LAB 上约 19.2% 的全通过率。底座模型为 6.7%，提高了 12.5 个百分点。
Harvey LAB 首版包含 1,250 项模拟律所任务，覆盖 24 个法律业务领域。每项任务给出工作要求和一组案件材料，要求 Agent 读取文件、组织分析，最后提交可供审阅的成果。这里的 Agent，是能围绕目标反复调用工具、使用返回结果推进工作的智能体。
比如，Harvey 公开的一道并购题，要求审查交易材料中与公司控制权变化有关的条款，交付一份备忘录。它需要逐份分析合同，识别风险、评估影响，再提出处理建议。这道示例题有 57 条评分标准，涉及 9 项法律问题。
一项任务的所有评分条件都通过，才计为任务通过。找对大部分问题，仍可能因为遗漏一项关键风险、期限或交付要求而失分。评测机构 Vals AI 使用两个大模型裁判：每位裁判先计算全部条件通过的任务占所测任务的比例，最终成绩再取两者的平均值。
因此，约 19.2% 描述的是严格规则下的整项任务通过情况。没有通过的任务，可能已满足多数要求，但仍有遗漏；它不能告诉我们每份文件有多少内容正确。
左侧是法律任务全通过率，中间是法律推理评测成绩，右侧是官方报告的中国法律实务评测结果；图中为官方选择的对照模型，并非完整排行榜。 ｜ 来源：智谱，GLM-Legal 官方发布材料
另一个数字是 LegalBench 上的 86.23% 准确率。LegalBench 主要测试较短的法律推理问题，LAB 则把材料处理、工具使用和最终文件放进同一项任务里。两项成绩的评价对象不同，不能直接比较高低。
排名也要看范围。Vals 发布时称 GLM-Legal 为这两项评测的开放权重模型组第一；截至 2026 年 10 月 17 日核验，两项总榜分别列第 7 和第 15。这里的组内排名属于评测方口径，模型权重是否已经能公开下载，还需要另行确认。
对开发者来说，这种区别很实际：问模型某条约定有什么风险，与把一份合同交给它、要求提交修改稿，是两个不同的验收任务。
审合同，要把建议落到文件里
智谱的官方演示给了一个具体需求：客户准备更换软件服务供应商，需要审查合同中的终止与交接安排。
这里的目标很明确：合作结束后，代码、文档和数据能否顺利交回，后续服务能否接上。
在演示对照中，GLM-5.3-Flash 建议缩短通知期、要求交回已付款的成果，并增加与新供应商合作的义务。GLM-Legal 则进一步提出，将客户按约定提前通知、无需以对方违约为前提终止合作的通知期，从 60 天改为 30 天，并增加最长 90 天的过渡支持。
更能体现材料理解的，是它处理成果归属的方式：根据合同已有的归属约定，要求交回全部工作成果，包括未完成或尚未付款的部分。这项建议与同一份合同的其他条款建立了联系。
红色文字体现合同修订，右侧批注解释修改理由；底部新增过渡支持条款。这是官方选取的演示片段，修改是否适合具体合同仍需专业审查。 ｜ 来源：智谱，GLM-Legal 合同审查演示
官方将这类交付方式放在 AutoClaw 路线下展示：把修改写进 Word，保留修订和批注，让团队能够继续审阅、谈判。
具体条款、修改理由和原合同之间能对应起来，文件才有继续审查的基础。文字变得更长、更像法律意见，本身不能证明工作完成得更好。
证据分析也有类似区别。另一组官方案例提供了 40 份软件项目纠纷材料：对外进度报告称完成了 60%，内部记录却约为 41%。两个模型都发现了矛盾。
GLM-Legal 进一步关联更早的风险警告、内部沟通和合同约定，解释这些记录可能支持怎样的案件判断，同时提醒继续核对进度口径和其他条件。发现数字冲突，只是分析的起点；认定对方存在什么法律责任，还需要更多证据。
左侧是输入文件，右侧时间线的条目附有 BR 文件编号，展示从材料到可回查分析的对应关系。 ｜ 来源：智谱，GLM-Legal 证据分析演示
这些是官方展示的样例，并非本文独立实测。它们能让我们看清目标产物是什么，尚不能证明模型面对任意合同或案卷都能稳定完成。
法律知识怎样接上多步执行
要完成这样的任务，模型既要理解法律材料，也要学会在多个步骤中使用它们。智谱披露了两段训练路径。
第一段是法律领域的中期训练：在已有底座上增加高质量法律语料，让模型继续学习法律概念、规则和分析方式。这一步改变模型参数，补充处理专业材料的知识基础。
第二段是在数万个贴近法律工作的任务环境中进行强化学习。模型尝试规划分析、推进任务并生成成果，训练再利用执行结果和任务反馈，调整模型采取不同动作的倾向，让专业知识进入具体工作过程。
同一时期，团队还迭代 Agent Harness，也就是组织智能体运行的框架。模型负责产生判断和下一步动作，Harness 管理任务上下文、连接工具，并把执行反馈交回模型。训练更新模型参数；Harness 则在实际运行时承接文件和工具。
沿着合同例子，可以这样理解这些职责：模型根据读到的条款判断交接问题，提出修改；工具把修改写入文件，运行框架再把相关结果提供给模型，用于后续处理。输出最终交给人审阅。官方披露了这样的分工方向，完整实现细节尚未公开。
智谱表示，会把遗漏事实、分析不足或格式偏差等问题，反馈到任务环境、评分标准和 Harness 的后续迭代中。
从 6.7% 到 19.2% 的变化，支持了这套专业化方案在该评测中的整体收益。公开资料尚未通过分别移除或替换各环节的对照，说明它们各自贡献了多少提升，因此不能把全部收益单独归给法律语料、强化学习或某一项工具改进。
从改 Skills 到训模型：Agent 的经验怎样进入下一轮
官方搭配 AutoClaw，榜单使用基准环境
准备使用 GLM-Legal，还需要分清模型、产品和评测环境。
官方主推的产品搭配是 AutoClaw。它是智谱的桌面智能体平台，承接任务组织、工具调用和文件处理；GLM-Legal 提供经过法律领域训练的模型能力。
但官方发布文对接入使用的是“即将”这一表述。截至 2026 年 10 月 17 日，可确认的入口是 GLM-Legal Beta API 申请，不能据此承诺所有 AutoClaw 用户都已能直接选用。
榜单上的 19.17%，四舍五入后就是约 19.2%，来自 Vals 的 Harvey LAB 测试。该测试使用 Harvey 的任务与评分协议，经 Vals 的模型接入层和 Valkyrie 评测框架运行。模型能使用文件读写、文件搜索和执行命令的 Bash 等六种工具，还配有处理 Word、PPT、Excel 的三项 Skills，即可复用的操作说明和相关脚本；测试时关闭互联网。
所以，这项成绩说明的是 GLM-Legal 在公开说明的基准环境中的表现，不能直接当成 AutoClaw 产品的实测结果。
截至上述核验日期，尚未查到 GLM-Legal 的公开权重下载与专属许可证，不能仅凭评测站的开放标签承诺本地部署。
有了法律小助手，怎样与专业人士配合
“每个人都有自己的法律小助手”，可以是一个使用愿景：遇到合同时，先让小助手帮忙读材料、整理疑问，再带着更清楚的问题寻求专业帮助。现有评测没有验证普通人独立使用的效果，也不能把 19.2% 全通过率换算成律师工作的替代比例。
沿着前面的供应商案例，我建议把协作安排成下面的流程。这是基于已披露能力提出的使用方式，尚非经过本文实测的工作流；上传合同和内部记录前，应先确认工具及数据处理方式符合保密要求。
“对方迟交了两个月”是待核实的事实，“能否因此解除合同”是需要专业判断的问题。小助手应把相关材料和疑问交出来，法务或律师结合合同约定、履行情况与适用法律，判断下一步怎样处理。
在公司内部，可以由法务结合业务要求审查初稿；涉及复杂争议或诉讼时，再请相关领域律师参与。按这个案例的需要，财务人员核对付款与开票，项目负责人补充验收记录，合规人员核对内部制度；劳动事务则可请人力资源人员参与。每个人提供自己熟悉的事实与专业信息，法律判断交给具备相应能力的专业人士。
复核也要覆盖小助手没有写出来的内容：有没有漏读附件，引用的规则是否有效、适用于当前事项，修改是否符合用户目标。只给一份措辞流畅的 AI 初稿，仍不够让专业人士判断它是否完整。
美国律师协会第 512 号意见也强调使用生成式 AI 时的复核、保密与监督责任。这是美国职业伦理指引，不直接作为中国规则，但说明专业审查应进入实际使用流程。
我更看重小助手能否让交接变得清楚：发生了什么、希望得到什么、依据在哪里、哪些尚未确认、需要专业人士判断什么。律师提出补充要求后，它再协助整理和更新。实际是否省时，还要把核对、纠错与补漏的成本一起计算；现有公开成绩不足以给出工时节省比例。
参考资料
•GLM-Legal 发布、训练路径与产品规划： https://z.ai/blog/glm-legal
•GLM-Legal 官方同题全文、案例与来源图片： https://autoclaw.z.ai/blog/model/GLM-Legal/
•Harvey LAB 任务设计与全条件通过规则： https://www.harvey.ai/blog/introducing-harveys-legal-agent-benchmark
•Vals 的 Harvey LAB 成绩、工具环境与评分方法： https://www.vals.ai/benchmarks/hlab
•Vals 的 LegalBench 成绩与评测方法： https://www.vals.ai/benchmarks/legal_bench
•Vals 发布时的开放权重组排名声明： https://x.com/ValsAI/status/2109678919108690380
•Vals 的 GLM-Legal 模型记录： https://www.vals.ai/models/zai_glm-legal
•智谱官方公开模型列表，权重入口核查： https://huggingface.co/zai-org/models
•美国律师协会生成式 AI 职业伦理指引，第 512 号意见： https://www.americanbar.org/content/dam/aba/administrative/professional_responsibility/ethics-opinions/aba-formal-opinion-512.pdf
文章仅做学术分享，如有侵权请联系删除，非常感谢！