bingdada智谱推出的法律专用开源模型 GLM-Legal 在 Vals AI 评测中以 19.2% 任务全通过率、86.23% 准确率登顶 Harvey LAB 与 LegalBench 开放权重榜。它基于 GLM-5.3-Flash 底座，经法律语料训练与任务环境强化学习，可承接审合同、证据梳理与跨境合规等实务工作，但目前仍属辅助工具阶段。
当大模型在聊天、编程、办公场景的竞争趋于白热化，法律这条对准确性与流程严谨度要求极高的赛道，正在成为检验模型「真实干活能力」的新考场。智谱近期开源的法律专用模型 GLM-Legal，正是这一趋势下值得拆解的样本——它不满足于回答法条，而是试图把审合同、串证据、跨境合规这些律所日常的「脏活累活」承接过来。
在 Vals AI 公布的法律评测中，GLM-Legal 交出了两份成绩单：任务全通过率 19.2%，准确率 86.23%，在 Harvey LAB 与 LegalBench 两个榜单的开放权重模型序列中均位列第一。
单看 19.2% 这个数字，外行容易低估其含金量。Harvey LAB 采用的是「全条件通过」判定机制——一项任务内的所有评分条件必须全部满足才算通过，缺一条即判失败。其首版题库设置了超过 1200 项模拟律所工作任务，横跨并购、知识产权、银行金融等 24 个法律业务领域。换句话说，模型需要完成从读材料、调用工具到按规范交付成果的完整链路，任何一环掉链子都会让整项任务归零。在这种严苛口径下拿到近两成的全通过率，含金量远高于表面数字。
另一组值得关注的数据来自成本维度：在成绩相近的前提下，GLM-Legal 的单任务耗时比对比模型多出约半小时，但后者的每项测试成本约为 GLM-Legal 的 70 倍。这提示法律团队在选型时，需要把效果、成本与时间三者放在同一张表里权衡，而非只盯榜单排名。
榜单之外，更有说服力的是把模型放进具体工作流。从官方演示看，GLM-Legal 与通用模型 GLM-5.3-Flash 的差异，集中体现在「建议的颗粒度」上。
供应商切换场景。 更换软件服务商时，合同里的终止与交接条款往往是埋雷区：代码、数据、文档能否顺利取回，新供应商能否无缝接续。GLM-Legal 给出的方案是把终止通知期从 60 天压缩到 30 天，并增设最长 90 天的过渡支持窗口，同时结合合同既有的成果归属约定，要求交回全部工作成果——包括尚未完成或尚未付款的部分。通用模型在这里只能给出方向性提示，而它把时间节点、交接范围与合同原有条款逐项对应了起来。
证据梳理场景。 项目纠纷中，对外报告宣称完成度 60%，内部记录却只有约 41%。两个模型都能识别出这一矛盾，区别在于后续动作：通用模型止步于「建议核实」，GLM-Legal 则把进度报告与更早的风险预警、内部沟通记录串联成线索链，并落到可执行的具体动作上，方便团队回到原件逐项比对。
出海合规场景。 面向新加坡、马来西亚、印度尼西亚等市场上线网站时，用户追踪、邮件营销、海外云存储各自牵涉隐私合规。GLM-Legal 将合规事项拆解为团队可直接着手落实的步骤清单，例如发布具体隐私声明、把退订请求写入抑制列表等，把抽象法规转译成行动项。
这三组演示共同指向一个判断：法律 AI 的价值不在于「知道多少法条」，而在于能否把知识转化为可审阅、可执行、可追溯的交付物。
GLM-Legal 的能力来源，可以概括为一条与法学生成长轨迹高度相似的路径。
第一阶段是「法学院打基础」：在 GLM-5.3-Flash 底座上注入法律语料进行中期训练，让模型习得法律概念体系、法条结构与分析方法。第二阶段是「律所实习」：在数万个法律任务环境中做强化学习，反复练习读材料、做分析、推进任务、交付成果的完整闭环。与此同时，团队持续迭代 Agent 运行框架，优化材料组织、工具连接与反馈流程，让模型与工作环境同步磨合。
这套方法论的意义在于，它验证了一条可复用的垂直模型路线：选好通用底座之后，用专业任务、行业数据与真实工作环境继续后训练，仍有机会把能力往前推一步。行业内的类似探索也在增多，例如 Harvey 与 Fireworks 合作、以 Kimi K3 为底座后训练出的法律模型 Tenet，据称在 LAB 留出任务上的完成数量接近底座的两倍，成本保持稳定。
法律场景只是国内大模型垂直化浪潮的一个切面。智谱此番动作并非临时起意——早在 2023 年，其便与专注智能合同的法律科技公司幂律智能合作，基于 ChatGLM-130B 框架联合研发千亿参数级法律垂直模型 PowerLawGLM，覆盖法律咨询、合同起草与审查等场景，此后还以老股东身份持续参与幂律智能的战略融资。
放到更大的盘面看，国内厂商在垂直领域的推进节奏各有侧重：文心一言在政务、法律等知识密集型场景持续沉淀行业方案，通义千问依托云生态向企业法务、合规审计延伸，DeepSeek 以开源权重降低行业二次训练门槛，豆包、Kimi、智谱 GLM、讯飞星火也都在医疗、金融、教育等专业赛道布局专用能力。与海外同类产品相比，国内模型的差异化优势更多体现在中文法律语料的密度、对本土监管口径的理解，以及私有化部署与成本可控性上。
需要清醒看待的是，19.2% 的全通过率同时意味着：在严格评分条件下，多数任务仍未完全达标。GLM-Legal 目前更像一名刚入行的实习律师，而非能独立出庭的合伙人。智谱当前的动作也印证了这一判断——开放 Beta 申请，邀请律所、法律科技公司、企业法务团队与独立执业人士参与试用并反馈，同时计划将相关能力接入 AutoClaw 推进实际应用。
这条路径能否走通，取决于两个变量：一是专业反馈能否高效回流到训练闭环，二是「模拟律所」的环境搭建是否足够贴近真实业务流程。法律 AI 的竞争，最终不会由榜单名次决定，而由律师是否愿意把它留在工作流里决定。
参考资料：Vals AI、Harvey 法律 Agent 基准、智谱 GLM-Legal 技术博客
GLM-Legal 是智谱推出的法律专用开源模型，基于 GLM-5.3-Flash 底座，经法律语料中期训练与法律任务环境强化学习而成，可处理审合同、证据梳理、跨境合规等实务任务。
在 Vals AI 法律评测中，其任务全通过率为 19.2%，准确率 86.23%，在 Harvey LAB 与 LegalBench 双榜的开放权重模型序列中排名第一。
Harvey LAB 要求一项任务内所有评分条件全部满足才算通过，题库超 1200 项、覆盖 24 个法律领域，判定口径极严，因此该数字反映的是完整任务链路的达标能力，而非简单答题正确率。
现阶段不能。它更适合定位为律师的辅助工具，多数严格评分任务尚未完全达标，智谱正通过 Beta 试用收集专业反馈持续打磨。
Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。
编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com
© 2026 Bingdada. 保留所有权利。
SEO & GEO 技术探索者，专注于搜索引擎优化和生成式引擎优化。
清华AIR孵化的紫荆智康推出多分身智能体协同技术，让不同专科的AI医生在真实诊室中协作，把多学科会诊前置到首诊环节，并在虚拟训练与现实微调中持续进化。
MiniMax M3.1 Flash 正式亮相，以 29.6% 的 ALE 得分拿下国产 Agent 第一，同时把综合成本压到前代 30%。本文拆解其跑分表现、极速低价策略，以及国产 Flash 双子星如何改写企业级 Agent 的落地逻辑。
VAST开源实时世界模型EdenLive，以状态与渲染解耦架构在单张RTX 5090上实现720P超24FPS生成，覆盖游戏预览、场景动画、视频重渲染与具身数据增强四类场景。
获取最新的 SEO 与 GEO 技术资讯。
我们尊重您的隐私，随时可以取消订阅。
