Z.ai, laboratorium AI Tiongkok di balik rangkaian model GLM, merilis GLM-Legal pada tanggal 12 Oktober, sebuah model khusus domain yang dibuat untuk menangani pekerjaan hukum menyeluruh, bukan menjawab pertanyaan-pertanyaan yang terisolasi. Menurut pengumuman perusahaan, GLM-Legal mencapai tingkat kelulusan sebesar 19,2% pada Legal Agent Benchmark (LAB) Harvey sekaligus menyamai sistem perbatasan yang jauh lebih besar pada tes penalaran hukum yang sudah ada — dan peluncuran tersebut dengan cepat menarik perhatian Hacker News, yang mengumpulkan 170 poin dalam beberapa jam.
Rilis ini merupakan sinyal paling jelas mengenai arah pasar menurut Z.ai. Dalam kerangka perusahaan, model bahasa besar beralih dari pembuatan kode satu putaran menuju apa yang disebut "Rekan Kerja Profesional": pekerjaan pengetahuan di mana agen harus mencerna dokumen sumber yang terfragmentasi di bawah tujuan konkret dan batasan pengiriman yang ketat, menyusun pengetahuan khusus menjadi analisis yang kohesif, dan menjaga ketelitian domain dari pengiriman pertama hingga pengiriman akhir. Praktik hukum, menurut Z.ai, memusatkan semua tuntutan tersebut di satu tempat, yang menjadikannya uji stres yang ideal untuk AI tingkat profesional. Anda dapat mengikuti respons industri lainnya dalam liputan berita AI terkini kami.
Angka-angka di Balik Peluncuran
Z.ai mengevaluasi GLM-Legal dalam tiga aspek: pelaksanaan tugas yang kompleks, pertimbangan hukum khusus, dan alur kerja hukum di dunia nyata. Hasil utama terdapat pada Harvey's LAB, sebuah tolok ukur yang dibuat oleh perusahaan AI legal Harvey yang mengharuskan model untuk bekerja dengan dokumen sumber dan mengikuti instruksi terperinci untuk menghasilkan produk pekerjaan legal yang sudah jadi.
Tiga hasil menonjol dari pengumuman tersebut:
Harvey LAB — 19,2% semuanya lulus. Di seluruh alur kerja firma hukum dunia nyata yang mencakup 24 area praktik, GLM-Legal mendapat skor 19,2% berdasarkan penilaian semua kelulusan Harvey yang ketat, yang merupakan peningkatan sebesar 12,5 poin persentase dibandingkan model dasarnya. Rezim penilaian sengaja tidak memaafkan: penyerahan harus memenuhi setiap persyaratan untuk dihitung, sehingga kredit parsial tidak ada. Z.ai mengatakan skor tersebut menegaskan eksekusi end-to-end yang andal tanpa degradasi menengah. LegalBench — setara dengan model frontier tertutup. Di LegalBench, yang menguji pertimbangan khusus mengenai kontrak, pengajuan merger, dan opini yudisial, Z.ai melaporkan bahwa GLM-Legal cocok dengan model frontier sumber tertutup teratas meskipun menjalankan apa yang digambarkan oleh perusahaan sebagai parameter jejak yang jauh lebih ramping. PLawBench — kekuatan dalam praktik Tiongkok. Di PLawBench, yang mengevaluasi konsultasi hukum Tiongkok, analisis kasus, dan penyusunan dokumen berdasarkan rubrik yang terperinci, Z.ai mengklaim setara dengan sistem perbatasan terkemuka.Angka 19,2% layak untuk dibaca kembali. Hal ini juga merupakan sebuah catatan kemajuan – lompatan sebesar 12,5 poin dari model dasar – dan merupakan pengingat betapa menuntutnya evaluasi hukum yang bersifat agen. Dalam penilaian semua kelulusan, angka tersebut menyiratkan bahwa sebagian besar alur kerja penuh masih gagal pada setidaknya satu persyaratan. Pembeli sah yang mengevaluasi sistem AI harus membaca tolok ukur vendor dengan mempertimbangkan nuansa tersebut.
Bagaimana GLM-Legal Dilatih
Z.ai membangun modelnya berdasarkan GLM-5.3-Flash, model fondasi ringan yang dirilis perusahaan pada awal tahun ini, dan melapisi kompetensi domain melalui jalur dua tahap yang digambarkan sebagai sangat berfokus pada efisiensi.
Pertengahan pelatihan tentang korpora hukum
Tahap pertama memperluas korpora hukum berkualitas tinggi selama pertengahan pelatihan, sehingga model dapat mempelajari konsep hukum, peraturan perundang-undangan, dan kerangka interpretasi dalam konteks domain yang padat. Z.ai mengatakan tahap ini memperkuat rantai deduktif antara fakta, aturan, dan kesimpulan — substrat yang dibutuhkan model sebelum model dapat menjalankan pekerjaan hilir yang kompleks.
Pasca latihan dengan harness di lingkaran
Tahap kedua menggunakan pembelajaran penguatan di puluhan ribu lingkungan hukum yang realistis. Khususnya, Z.ai tidak melatih model secara terpisah: memanfaatkan agen — kerangka kerja orkestrasi runtime yang mengelola konteks tugas, menghubungkan rangkaian alat, dan mengarahkan umpan balik eksekusi — dioptimalkan secara bersamaan dengan model. Kasus edge yang muncul selama pelatihan model mengungkap hambatan dalam arsitektur harness, sementara penyempurnaan harness dimasukkan kembali ke dalam pelatihan, mengajarkan model untuk mengambil konteks yang relevan dan beradaptasi dengan batasan eksekusi yang realistis.
Putaran umpan balik produksi
Terakhir, Z.ai mengatakan bahwa alur kerja dunia nyata dan umpan balik praktisi menentukan peta jalan pengoptimalannya. Profesional hukum mengevaluasi keluaran berdasarkan kriteria yang konkrit: apakah semua permasalahan kritis dan kasus-kasus rumit telah ditangani, apakah argumen dapat dibuktikan dan kutipannya masuk akal, apakah hasil yang dihasilkan mematuhi ringkasan permasalahan, dan apakah tim hilir dapat menggunakan keluaran tanpa pengerjaan ulang manual. Penilaian tersebut diubah menjadi sinyal rekayasa nyata yang mengarahkan pelatihan lebih lanjut.
Apa Artinya Bagi Industri Hukum
Model khusus domain menjadi kategori yang serius. Daripada bertaruh bahwa satu model umum akan unggul di mana pun, Z.ai bertaruh bahwa tugas-tugas profesional dengan cakupan yang ketat akan memberikan penghargaan terhadap penyempurnaan yang ditargetkan di tengah-tengah pelatihan dan evaluasi — sebuah pendekatan yang menukar keumuman dengan keandalan pada beban kerja yang sempit dan bernilai tinggi.
Ada juga gema persaingan yang mencolok di sini. Model Muse Wonder baru dari Meta, yang diumumkan pada hari yang sama, juga dievaluasi di Harvey's LAB, sebuah tanda bahwa tolok ukur hukum yang dibuat oleh salah satu perusahaan AI legal terkemuka telah menjadi tolok ukur lintas industri untuk kompetensi agen. Ketika laboratorium yang berhubungan dengan konsumen dan perusahaan rintisan khusus dinilai berdasarkan tes yang sama, pembeli mendapatkan poin perbandingan apel-ke-apel yang langka.
Peringatan yang Perlu Diingat
Hasilnya dilaporkan sendiri oleh Z.ai, dan replikasi independen terhadap tolok ukur hukum agen masih jarang. Perusahaan belum menyatakan apakah atau bagaimana GLM-Legal akan tersedia secara luas, berapa biaya model tersebut, atau bagaimana cara menangani kerahasiaan klien – pertanyaan yang akan ditanyakan oleh firma hukum atau departemen hukum mana pun sebelum penerapannya. Dan seperti semua tolok ukur vendor, kinerja pada LAB Harvey mengukur kinerja pada LAB Harvey; hal ini tidak menjamin kompetensi pada permasalahan, yurisdiksi, atau format dokumen perusahaan tertentu.
Namun, lintasannya sulit untuk diabaikan. Model ramping yang dibangun di atas fondasi kelas Flash yang sesuai dengan sistem perbatasan tertutup berdasarkan pertimbangan hukum menunjukkan bahwa era AI profesional khusus domain akan tiba lebih cepat dari perkiraan banyak orang.
