昨天（10 月 12 日），Z.ai 发布了 GLM-Legal——一个专攻法律工作流的 agent 模型。这是 Z.ai 首次推出垂直领域专业模型，信号很明确：通用大模型卷完价格，下一战场是"行业 agent"。

先说结论

  • 是什么：基于 GLM-5.3-Flash（320B MoE，每 token 激活 18B，100 万 token 上下文）做领域特化训练的法律 agent 模型
  • 成绩：Harvey LAB 真实律所工作流基准 19.2% 全通过率，比基座模型高 12.5 个百分点
  • 关键：第三方评测机构 Vals AI 当天就独立复测，19.17%，79 个模型中排第 7——官宣数据有人背书，这在 AI 发布里不常见
  • 能用吗：暂无公开 API，走咨询申请表；或者装 Z.ai 的桌面 agent AutoClaw，注册送 $24 免费额度

Harvey LAB 是个什么基准，为什么 19.2% 值得说

Harvey LAB 是法律 AI 公司 Harvey 搞的基准，测的是真实律所工作流：横跨 24 个执业领域，任务从合同解析、并购文件审查到司法文书起草。它的评分是"全通过制"（all-pass）——一个任务只有每一步都达标才算数：争议点找对了、法条引用准了、论证站得住、输出格式符合要求，缺一不可。

用个直白的比喻：普通基准考的是"选择题做对几道"，Harvey LAB 考的是"卷宗交上去能不能用"。正因如此，各家模型的分数都不好看——全通过率普遍在 30% 以下。19.2% 听着不高，但在 79 个模型里排第 7，已经是第一梯队。

Vals AI 的独立复测还给了两个有信息量的数字：LegalBench（纯法律推理）约 86.2%，说明模型"懂法"；而 Harvey LAB 19.2% 说明"能干活"。两者之间的差距，恰恰是"推理能力"和"端到端交付能力"的区别——这也是 agent 模型真正的考场。

训练路线：领域中训 + 海量仿真环境 RL

Z.ai 公布的训练方法是"领域中训（specialized mid-training）+ 高效后训练"，其中强化学习阶段用了"数以万计的真实法律仿真环境"。翻译一下：不是拿通用模型微调一下了事，而是在中间训练阶段就喂法律语料重塑模型，再用大量模拟律所任务做 RL，让模型学会"把活干完"而不是"把话说圆"。

这个路线值得注意。过去一年，DeepSeek、Qwen、GLM 都在卷通用能力和价格，Z.ai 这次是第一个把"垂直 agent"当作正式产品线推的国产大厂。如果 GLM-Legal 跑通了，医疗、金融、财税的专用 agent 大概率会跟上。

怎么尝鲜

目前两条路：

  1. AutoClaw（推荐）：Z.ai 的桌面 agent，Windows/macOS/iOS/Android 都有，注册送 $24 额度，GLM-Legal 已经集成进去。自然语言下指令，能操作本地文件、办公软件、浏览器
  2. 咨询申请表：Z.ai 官网填表，走设计伙伴（design partner）通道，适合律所和企业用户

注意：Z.ai 是智谱的国际版，国内网络直接可用，不需要翻墙。但 $24 额度是国际版体系，和国内智谱账号不通用。

三个冷静点

  1. 19.2% 的另一面：全通过率 19.2% 意味着 80% 以上的任务仍有瑕疵。法律是"错一步就输官司"的领域，这个分数离"无人律所"还差得远，当前定位是"律师助理"而非"律师替代"
  2. 权重未开源：GLM-Legal 目前没有开放权重下载，和 Beam 那种"承诺开源"还不一样，想本地部署的先别等
  3. 评测样本：Vals AI 的复测和 Z.ai 官宣的 19.2% vs 19.17% 高度吻合，但双方未公布评测配置是否完全一致，数字可信度高、但留一点余量

一句话

大模型竞争进入下半场：上半场拼参数和价格，下半场拼"在具体行业里把活干完"。GLM-Legal 是国产大厂交出的第一份垂直 agent 答卷，19.2% 这个数字本身不如"有人独立验证"这件事重要——行业终于开始用真刀真枪的端到端基准说话了。

参考：Z.ai 官方博客、Unite.AI、AI Weekly、Vals AI（alfw.ai）独立评测