智谱 GLM-Legal 开源：Harvey LAB 第一法律 AI 怎么选

智谱在 10 月 17 日开源法律专用模型 GLM-Legal，基于 GLM-5.3-Flash，经法律语料训练与数万条任务强化学习，在 Vals AI 的 Harvey LAB 与 LegalBench 双榜拿开放权重第一：全通过率 19.2%、准确率 86.23%。测试成本约为 Gemini 4 Argon 的七十分之一，代价是慢近 30 分钟。覆盖 1200+ 律所任务、24 个业务领域，适用于合同审查、证据分析、跨境合规。

核心结论

智谱在 2026 年 10 月 17 日开源法律专用模型 GLM-Legal，在第三方评测机构 Vals AI 的法律基准测试中拿下 Harvey LAB 和 LegalBench 双榜开放权重第一。这不是官方自测——是独立第三方评测。19.2% 的全通过率意味着大约每 5 件事里有 1 件能"零瑕疵、直接可交付"。更关键的是成本：成绩相近时，测试成本约为 Gemini 4 Argon 的七十分之一，代价是每项任务慢近 30 分钟。法律场景愿意为可靠性等待，说明"便宜"和"快"不是唯一的竞争维度。

模型规格

基础与训练

属性	详情
基座模型	GLM-5.3-Flash
训练方法	法律语料中期训练 + 数万条法律任务强化学习
训练类比	先送法学院，再进律所实习
开源状态	开放权重
发布日期	2026 年 10 月 17 日
发布场合	第二届国际人工智能科学家大会（ICAIS 2026）

基准成绩

基准	GLM-Legal 成绩	排名
Harvey LAB 全通过率	19.2%	开放权重第一
LegalBench 准确率	86.23%	开放权重第一
底座 GLM-5.3-Flash Harvey LAB	6.7%（低 12.5 个百分点）	—

关键点：19.2% 是与底座 GLM-5.3-Flash 的 6.7% 相比，提升了 12.5 个百分点——法律专用训练带来了实质提升。

成本对比

模型	测试成本（相同成绩档）	单项任务耗时
GLM-Legal	1x	慢近 30 分钟
Gemini 4 Argon	约 70x	更快

70 倍成本差距意味着：如果你的法律任务不急于在 30 分钟内出结果，GLM-Legal 可以把法律 AI 的使用成本压到原来的 1.4%。

Harvey LAB 是什么

Harvey LAB 是 Vals AI 发布的法律 AI 评测基准，它的考题特别"狠"：一道任务挂着一串评分条件，少过一条，整题零分。

考题设计

超过 1,200 项模拟律所工作任务
覆盖 24 个业务领域：并购、知识产权、银行金融等
全通过 = 所有评分条件全部满足，否则零分
由第三方机构 Vals AI 独立评测，不是智谱官方自测

19.2% 意味着什么

19.2% 的全通过率意味着大约每 5 件事里有 1 件能"零瑕疵、直接可交付"。这听起来不高，但考虑到 Harvey LAB 的评分标准——少过一条整题零分——这是开放权重模型中的最高水平。更重要的是，它比底座 GLM-5.3-Flash 高了 12.5 个百分点，说明法律专用训练带来了实质提升。

能做什么：三类实战场景

1. 合同审查

官方演示中最有看头的场景。GLM-Legal 不只说"建议缩短通知期限"，而是给出带依据的改稿：把合作终止通知时间从 60 天缩短至 30 天，并增加最长 90 天过渡支持。这种输出方式——给出具体修改建议 + 法律依据——是法律 AI 从"提示工具"走向"改稿助手"的关键一步。

2. 证据分析

40 份散乱文件中，GLM-Legal 把对客报告称完成 60%、内部快照却只有约 41% 的矛盾串成了可主张的论证链。这种能力——从大量文件中发现矛盾并构建论证——是律师助理的核心工作之一。

3. 跨境合规

网站要在新加坡、马来西亚、印尼上线，GLM-Legal 直接吐出按 P0（上线前必须完成）排序的合规行动清单。中文实务、英文任务、东南亚跨境，都接得住。

不能做什么

19.2% 的另一面是：离"全面可靠"还有距离。真实执业中的输出仍然需要专业律师把关，模型是助手而非替代。

智谱自己的动作也体现了这个定位：

邀请律所、法律科技公司、企业法务团队和独立执业人士申请 GLM-Legal Beta
即将集成到桌面原生智能体平台 AutoClaw
对普通人的正确用法：让它当合同的第一道阅读器，最后一签还得留给人

怎么用：开发者行动指南

1. 如果你是律所或法律科技公司

申请 GLM-Legal Beta，在你的实际案件流程中测试。重点看合同审查和证据分析两个场景——这是投入产出比最高的切入点。

2. 如果你是企业法务团队

把 GLM-Legal 作为合同的"第一道阅读器"。让它先过一遍合同条款，标出风险点和建议修改，然后由法务人员复核。这可以把法务团队的合同审查效率提升一个量级。

3. 如果你是独立开发者

GLM-Legal 基于开放权重，可以本地部署。结合跨境合规场景，可以构建自动化的合规检查工具——输入目标市场列表，输出按优先级排序的合规行动清单。

4. 成本优化策略

如果你的法律任务不急于在 30 分钟内出结果，用 GLM-Legal 而非 Gemini 4 Argon 可以把成本压到 1/70。对于需要批量处理合同审查、证据整理的场景，这个成本差距是决定性的。

5. 正确的期望管理

19.2% 的全通过率意味着 80.8% 的任务仍然需要人工介入。把 GLM-Legal 定位为"提升效率的助手"而非"替代律师的工具"，是当前阶段最务实的用法。AI 进场法律，先改变的不是律师会不会失业，而是你看不懂条款也敢签字的时代。

行业意义

专用化是趋势

GLM-Legal 代表了 AI 模型发展的一个重要方向：专用化。通用大模型在法律场景的天花板在于——法律知识不是"知道更多"的问题，而是"理解更深"的问题。法律语料中期训练 + 法律任务强化学习的两步训练法，让模型从"懂法律的通用模型"变成"法律专用模型"。

成本曲线取代参数曲线

与 DeepSeek V4.1-Flash-1017 同一天发布，两条路径不同但指向一致：竞争正在从"谁更聪明"转向"谁能让 Agent 持续干活还不破产"。GLM-Legal 用专用化把法律任务成本降到 Gemini 4 Argon 的七十分之一，DeepSeek 用 Harness 专项优化压缩 Agent 任务运行时间与输出 token。

第三方评测的价值

这次成绩由 Vals AI 独立评测，不是智谱官方自测。这一点至关重要——在 AI 行业充斥自测数据的当下，第三方独立评测的可信度远高于厂商自报。19.2% 和 86.23% 这两个数字因此具有真实的参考价值。

智谱开源 GLM-Legal：Harvey LAB 开放权重第一，法律 AI 模型怎么选？