GLM-Legal 是什麼？Z.ai 法律 AI 代理的評測、AutoClaw 與試用邊界
GLM-Legal 是 Z.ai 的法律專用 AI 模型，主打合約、證據與合規工作。整理 Harvey LAB 19.2％整體通過率、AutoClaw 官方示範和 Beta 申請，說明完整文件交付該怎麼驗收。
GLM-Legal 要處理的法律工作，從合約裡找出條款才剛開始。真正交付前，還要對照客戶目標、找出文件衝突，再把修改放進可以審閱的成品。
Z.ai 在 2026 年 10 月 12 日公布這款法律專用模型，以 GLM-5.3-Flash 為基礎，加入法律領域訓練與代理任務訓練，目標是讓模型完成連續工作。
官方列出的用途包括合約審查、證據整理與合規研究，也展示透過 AutoClaw，在 Word 文件留下修訂與註解。AutoClaw 是可操作桌面工作流程的代理平臺。
評測方面，最需要看懂的是 Harvey LAB 的 19.2％。這是嚴格的整體通過率，不是法律問答正確率，也不代表所有剩餘案件都能由模型直接交付。
模型能力與取得入口也要分開看。官方文章邀請團隊申請供程式呼叫模型的 Beta API 服務，第三方評測平臺另有模型登錄資訊。要整合進產品，仍應按實際入口確認服務條件。
對法務與法律科技團隊，這是一個可測試完整文件流程的候選。先用公開或已授權的資料檢查引用、遺漏與修訂，再判斷它能否減少覆核負擔。
GLM-Legal 要補上哪一段法律工作？
它的目標是把資料閱讀、法律分析與文件交付接在一起，因為專業工作通常不會在模型回答一個問題後就結束。
依 Z.ai 官方技術文章，真實任務要求模型在明確目標及交付限制下，整理分散來源、形成分析，並把成果輸出成團隊能接手的文件。
這與一般法律問答的差別，是模型需要知道自己應完成哪一份工作。例如讀完服務合約之後，還要依客戶需求修改相關條款，並確保前後內容沒有互相矛盾。
如果模型只是逐段摘要，可能每段都寫得通順，卻漏掉跨文件的關係。合約、往來信件與進度報告各自看來合理，放在一起才可能出現重要衝突。
因此，法律專用代理需要同時處理內容與流程。內容包括事實、依據與推論，流程則包括取得檔案、修改文件、標示來源，以及遵守交付格式。
「代理」在這裡指能依目標安排步驟並使用工具的系統。它不只是生成文字，還可能讀檔、搜尋與編輯，但能做哪些操作仍取決於接上的工具和權限。
這也讓評估變得更具體。法律團隊關心的不是一段答案像不像專家，而是必要問題是否被處理、依據是否找得到，以及成果是否能在覆核後繼續使用。
要達到這種連續工作的能力，領域知識與工具流程就得一起訓練，而不是只增加法律名詞。
法律中期訓練與代理強化學習，怎麼配合？
官方採取的方向，是先讓基礎模型熟悉法律材料，再讓它在有明確限制的任務環境中練習完成工作。
第一段是中期訓練，也就是在基礎模型之後，繼續用特定領域資料訓練。Z.ai 表示加入更多高品質法律內容，強化概念、規則及解釋框架之間的連結。
這一步希望模型讀到來源紀錄時，能把事實與相關原則連起來。但讀懂材料和完成文件仍有差距，所以後續還安排代理任務訓練。
官方表示，後訓練使用數萬個法律環境進行強化學習。強化學習是在嘗試後根據回饋調整行為，目標是讓模型在限制下規劃、執行及交付。
除了模型，系統也一起調整 harness。這個英文名詞指包在模型外面的工作架構，負責整理任務背景、連接工具，以及把執行結果交回模型。
例如模型沒有看到某份附件，原因可能是檢索流程沒提供資料，而非模型完全不懂法律。若只重新訓練模型，未必能解決這類流程缺口。
因此，官方描述的是模型與工作架構共同優化。訓練暴露出工具或背景安排的問題後，再修改流程，讓下一輪任務有更完整的執行條件。
文章也列出實務回饋的評估方向，包括重大問題是否遺漏、論證與引用是否有根據，以及成果是否符合任務要求。這些方向能幫助團隊把「看起來不錯」改成可檢查的標準。
但訓練方法是產品能力的來源，還不能取代結果驗證。下一步得看評測如何定義通過，以及它與自己的工作有多少重疊。
19.2％ Harvey LAB 成績，代表什麼？
Harvey LAB 的數字衡量的是整個任務是否通過所有要求，所以與單題問答正確率不能直接比較。
Z.ai 公布，GLM-Legal 在 Harvey LAB 取得 19.2％的 all-pass rate。All-pass 就是一個任務必須滿足整組評分條件，才算通過。漏掉其中要求，整題也可能不通過。
官方表示，比基礎模型提高 12.5 個百分點。百分點是兩個百分比直接相減，與相對成長百分比不同，所以不能把這個進步幅度寫成「只提高 12.5％」。
這個成績顯示，專用訓練在指定測試中改善了整體任務表現。但通過率距離全部通過仍很遠，因此不能拿它當成每個實務案件都可靠的證明。
官方還列出 LegalBench 與 PLawBench。前者著重法律推理任務，後者涵蓋中文法律諮詢、案件分析與文書等情境。它們的評分方式和任務範圍也不相同。
| 評測 | 主要觀察的方向 | 讀者應保留的區分 |
|---|---|---|
| Harvey LAB | 專業代理任務的整體完成度 | 嚴格通過率不是所有步驟的平均分 |
| LegalBench | 特定法律推理與理解能力 | 單項能力不等於整份文件可交付 |
| PLawBench | 中文法律實務情境 | 中文表現不等於適用所有法域 |
Z.ai 表示，Harvey LAB 與 LegalBench 由 Vals 獨立評測。PLawBench 的敘述則應依官方測試範圍理解，不能把所有結果都一併稱為第三方獨立驗證。
Vals 模型頁也有價格與開放狀態登錄，但模型登錄和官方文章中的 Beta 申請流程，是不同資訊入口。實際能取得哪個版本，仍取決於供應方式及當時條件。
對台灣讀者，尤其不能因為模型能用中文，就推定所有條文、判例及實務習慣都適用。測試名稱、語言與法域是三個不同條件，需要各自確認。
這些分數可以幫團隊挑出試用候選，實際流程則要從公開示範看它打算如何工作。
AutoClaw 展示了哪些合約、證據與合規流程？
官方展示的重點，是把分析結果放回文件與工作次序，讓專業人員能沿著來源檢查，而不是只收到一段總結。
以下三組都屬官方產品示範，適合用來理解模型想改善的工作環節。本文沒有實測這些流程，實際案件的法律判斷仍需重新確認。
合約審查：從找到條款，到提出可檢查的修改
第一組示範設定為客戶更換軟體服務商，需要檢查終止與交接安排。一般回答可能指出通知期間、資料返還及交接義務，再建議調整。
專用模型的示範則進一步連結其他條款，提出更具體的修改，並透過 AutoClaw 放進 Word 修訂與註解。這讓覆核者能看見改了哪裡，以及修改和客戶目標有何關係。
但具體不代表一定適合。實際合約中的權利義務、議價條件及適用法律可能不同，因此團隊應檢查修改是否前後一致，而不是因為內容寫得詳細就接受。
證據整理：把文件衝突和推論分開
第二組示範以 40 份軟體專案爭議文件為材料，要求找出服務商進度說明的矛盾。模型需要把外部報告與內部紀錄連起來，才能看到單份文件不明顯的差異。
官方呈現的做法，是列出對外宣稱、內部進度及相關溝通，再對應到來源文件識別碼。這能幫團隊決定下一步要查什麼，而不是只產生一個看似有力的結論。
證據的矛盾仍需要核對口徑。例如兩份進度數字可能測量不同範圍，不能僅因數字不同就直接認定欺瞞。示範本身也保留進一步調查及檢查其他要件的空間。
合規研究：把問題排成可執行工作
第三組示範是規劃網站跨境推出前的隱私工作，涉及追蹤、行銷與海外雲端儲存。模型把需求排成優先事項，並連結到各市場應檢查的依據。
這類輸出的價值，是讓法務、產品與工程知道哪個問題需要一起處理。例如資料流向不清楚，工程就得先提供系統資訊，法律分析才有完整背景。
但官方示範使用的市場與假設有特定範圍。換到其他國家、資料種類或服務型態，就需要重新查核，不應把共同清單當成已經完成合規的證明。
延伸閱讀：Google 專利律師 AI 實驗：工作變好，三個月後能力也會變好嗎？
示範說明了產品方向，是否能幫自己的團隊省時間，還得把相同標準帶進試用。
如何申請 GLM-Legal，試用時先看什麼？
官方文章提供 GLM-Legal API 申請入口，並邀請律師事務所、法律科技公司、企業法務及獨立從業者參與 Beta。API 是讓程式呼叫模型服務的介面。
AutoClaw 則是另一個使用情境，官方文章說明將把相關能力帶進桌面平臺。看見示範影片，不等於自己的帳戶已開通相同版本或全部功能。
因此，試用前先確認可取得的模型版本、輸入格式與文件操作範圍。如果目的是編輯 Word，就應確認修訂與註解是否可保留，而不是只驗證聊天回答。
資料也應先選可公開或已獲授權的樣本，並保留一份專業人員核對過的參考結果。這樣比較才知道模型省下的是哪段工作，新增的覆核負擔又在哪裡。
驗收可以從來源一致性開始。模型提出某個事實或條款時，覆核者能否回到正確頁面，並確認引用內容真的支持該說法。
接著看遺漏。把任務中一定要處理的問題列成清單，再檢查模型是否忽略不利材料或例外條件。因為漂亮的成品往往比明顯報錯更容易讓人放鬆檢查。
最後才比較時間與成本。把上傳、等待、補充背景、修改與專業覆核一起算進去，才知道它減少的是完整交付時間，還是只讓第一版文字更快出現。
多文件工作還可以加入版本衝突測試。讓樣本同時保留舊合約與新修訂，確認模型採用的是指定版本，並且沒有把已刪除條款當成現行要求。
這對法律流程有直接用途，因為一段分析即使推理完整，只要依據錯誤版本，後面所有修改都可能需要重做。來源頁碼之外，檔案日期與版本也應留在覆核紀錄裡。
若這組測試通過，再逐步增加文件數量與複雜度。這能幫團隊定位能力邊界，也避免一開始就把所有高影響工作交給尚未熟悉的系統。
延伸閱讀：iFixAi 開源 AI 代理稽核工具：60 項檢查與 A 到 F 評級，報告該怎麼讀？
GLM-Legal 常見問題
它是一般聊天模型換個提示詞嗎？
官方描述包含法律中期訓練，以及在法律任務環境進行的後訓練。這比單純設定角色更多，但實際改善程度仍應由具體任務驗證。
19.2％是所有法律問題的答對率嗎？
不是。它是 Harvey LAB 特定任務在嚴格條件下的整體通過率。不同評測使用不同題目與規則，不能混成單一準確率。
可以直接代替律師或法務交付文件嗎？
目前公開評測與示範不足以支持這種結論。模型可以成為文件流程的一部分，最後仍需由負責人核對事實、依據、法域與交付內容。
中文法律評測好，就適合台灣案件嗎？
不能直接推定。語言相同不代表法律制度與文件要求相同，試用時應使用適合實際法域的資料與專業覆核標準。
用完整交付驗收法律 AI
GLM-Legal 把法律 AI 的比較往完整任務推進，讓合約修訂、跨文件分析與工作次序都成為評估對象。對法律科技團隊，這比只比較回答長度更接近產品需求。
接下來可以挑一項已有參考成果的工作，記錄模型遺漏、來源錯誤與覆核時間。當團隊知道它能穩定接下哪一段，再決定要擴大到哪些流程。
想持續追蹤專業 AI 模型與工作工具，可以免費訂閱 AI 郵報，並先把自己的文件驗收標準整理成可重複使用的清單。
