一个法律模型，先把价格打了下来
10 月 12 日，Z.ai 发布 GLM-Legal——基于自家轻量底座 GLM-5.3-Flash 训练的法律智能体模型，主打合同审查、证据分析、合规这类真实律所里的活。发布选在法律场景，Z.ai 的说法是：法律工作把「专业协作」的难处集中到了一起——要在明确目标和交付约束下消化碎片化材料，把专业知识组织成站得住的论证，还要在全流程里保持领域上的严谨。事实链条、法条、推理、客户能直接用的交付物，中间任何一环断了，都不算完成。
真正值得记的不是「又有一个垂直模型」，而是它公开的那套训练方法和随后被独立榜单核实的账。官方口径：Harvey LAB 全通过率 19.2%，比基座高出 12.5 个百分点；LegalBench 与前沿闭源模型持平；中文场景的 PLawBench 同样称与领先系统持平。这几个数字都需要交叉着看，因为独立第三方很快给出了更细的读数。
分数、单价、时间：三张账要一起读
独立评测方 Vals AI 的榜把 19.2% 核到了 19.17%，在 79 个模型里排第 7——分数这关，GLM-Legal 算是站住了。单价更狠：每道 Harvey LAB 题约 0.15 美元，同为前列的 Gemini 4 Argon 是 10.55 美元、GPT-6 Astra 是 26.16 美元，Vals AI 称它是前十里成本最低的一个。它同时是开源权重，1M 上下文、128k 输出，按每百万 token 0.075/0.25 美元计价——这个价格对「批量过合同」类工作是质变。
但第三张账泼了冷水：平均一道题 72 分钟，榜首只要 24 分钟。更该注意的是另一项回归——LegalResearchBench 上它比基座低 4 个百分点（41.8%，排第 24），第三方转引的分析把原因指了出来：每题只检索案例约 6 次，基座模型是 16 次。省钱省到研究深度上去了，对「先把材料查全再下判断」的活，这是实打实的取舍。LegalBench 上 86.2% 的成绩比基座高 2.3 个百分点，其中解释类任务涨了 5 个——读懂的能力在涨，查全的能力在退，这个分裂比任何单一分数都信息量大。
被忽略的主角：harness 与模型互相训练
发布里方法论的部分比基准更值得同行细读。Z.ai 把训练切成三段：中训练扩充法律语料，让模型在密集领域语境里学会法条、规则与解释框架；后训练在数万个真实化法律环境里做强化学习，模型学的是「怎么规划分析、推进工作流、在约束下交出交付物」；然后是把 harness——那个管上下文、接工具、路由执行反馈的运行时骨架——与模型训练锁在一起迭代。
双向的意思很具体：训练中暴露的边角案例，指向 harness 的架构瓶颈；harness 的每次修正，又变成模型的训练信号。最后一段是生产反馈环：律师按「边角案件管没管、引用站不站得住、下游能不能直接用」来评，主观质量被切成工程损失信号，回灌任务环境、评分细则与 harness 设计。翻译过来：竞争的单元不再是模型，而是「模型＋领域数据＋工作流运行时＋从业者反馈」的合体。法律只是头一个考场，这套写法往会计、医疗、采购、合规复制只是时间问题——本站 1633 拆过的智能体工程白皮书、1147 写过的 Harvey 收编审计工具，都在从不同方向逼近同一个结论。
冷静看：三个待定项
其一，19.2% 的绝对值并不高，Harvey LAB 的全通过标准以严著称，「追上前沿」与「能上岗」之间还隔着责任问题——本站 1155、1211 写法律智能体时都回到同一个坎：引用可审计、错误可追责。其二，API 还是申请制，AutoClaw 桌面端「随后跟上」，产能与稳定性都没有第三方数据。其三，所有训练方法描述均出自官方，独立方只核了基准分，没核训练过程。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。