2026 年 10 月 17 日，智谱推出法律专用开放权重模型 GLM-Legal，基于 GLM-5.3-Flash 构建，在 Vals AI 的 Harvey LAB 与 LegalBench 两项法律测评中同时登上开放权重模型榜首，任务全通过率 19.2%、准确率 86.23%。86.23% 说它答得对，19.2% 说它能干完。
两项法律测评的开放权重第一
Harvey LAB 与 LegalBench 都出自 Vals AI，前者偏真实律所作业，后者偏法律推理与知识。GLM-Legal 在这两项上同时拿到开放权重模型的第一名。
需要说明的是开放权重第一这个定语。它限定的是同许可类型的对手，不等于在所有模型里最强——闭源一线模型不在这个比较范围内。定语读漏一个字，结论就会偏出很远。
19.2% 要读准：全项通过才算过
Harvey LAB 的评分规则是每一项条件全部通过，这个任务才算通过。所以 19.2% 的含义不是只对了 19.2%，而是只有 19.2% 的任务被完整做对了。
这个区别在实务里价值很大。演示里的合同审阅、法规检索、合规清单，都是挑出来的成功样本；而八成上下的任务没能全项达标，说明它还不能独立交付。能演示和能交付，隔着 19.2% 这道坎。
图 1：任务全通过率 19.2%，准确率 86.23%
演示里的三件事
官方演示的三个场景，都属于材料散、要求细、责任重的类型：
- 合同审阅：把终止通知期从 60 天压到 30 天，并补进最长 90 天的过渡支持条款
- 散落证据串联：把分散在不同材料里的证据拉成一条时间线
- 出海前的隐私合规准备，覆盖新加坡、马来西亚、印尼三地
这三件事的共同点是需要大量往返翻材料，而不是靠一句法条问答就能答完。这类活恰好是通用模型最容易含糊过去的地方。
成本差 70 倍，代价是慢半小时
同等得分下，Gemini 4 Argon 每个评测任务的成本约为 GLM-Legal 的 70 倍。这个倍数足以改变一门生意的形态：批量做合同初审、批量做证据梳理，成本差出两个数量级，有些服务就从不太划算变成可以试。
但交换的另一半必须写清楚：GLM-Legal 单任务耗时多出近 30 分钟。对需要当场给结论的场景，这半小时是硬伤；对隔夜跑批的场景，这半小时几乎不影响。
- 要即时响应，选快的
- 要压低单件成本，选便宜的
- 两者都要，就得把任务拆开：急的走通用模型，重的进批处理
把干活的环境和模型一起交付
GLM-Legal 的训练路径是法律领域中间训练叠加在数万个法律任务环境中的强化学习，智能体框架也一并改造。它交付的不只是权重，还有一套干活的作业环境。
这一点比榜单名次更值得看。垂直模型过去常见的做法是拿通用模型微调一下，权重一发就算交付；但法律任务的难点往往不在知识，而在流程——先读哪份文件、发现矛盾怎么回查、条款改动要不要连带改附件。把这些流程做成环境，模型才有机会练出稳定动作。
目前官方已开放律所、法律科技公司、企业法务与独立执业者申请内测。
图 2：GLM-Legal 基于 GLM-5.3-Flash 构建
个人观点
法律是垂直模型最该先落地的地方之一：文档长、格式固定、错误代价高、重复劳动多，每一项都适合交给机器。GLM-Legal 把环境和模型一起交付，方向是对的。
但 19.2% 这个数字提醒所有打算采购的人：先看全项通过率，再看准确率。准确率回答的是答得对不对，全项通过率回答的是能不能一个人把活干完。前者适合做辅助，后者才决定能不能省人力。
还有一个现实问题：法律工作的最后一步永远是人签字。这意味着模型的产出必须可复核——哪一条来自哪份材料、改动依据是什么，都得能追回去。模型越强，这条要求越硬。
对中小律所，最务实的用法不是让它写意见书，而是让它做前 80% 的苦活：读材料、列时间线、标出冲突点，把律师的时间集中在判断上。这已经是很大的效率提升，也几乎没有责任风险。
更新时间：2026-10-18