GLM モデル ファミリーを支える中国の AI ラボである Z.ai は、10 月 12 日に GLM-Legal をリリースしました。これは、個別の質問に答えるのではなく、エンドツーエンドの法的業務を処理するために構築されたドメイン特化モデルです。同社の発表によると、GLM-Legal は Harvey の Legal Agent Benchmark (LAB) で 19.2% の全合格率を達成し、確立された法的推論テストではるかに大規模なフロンティア システムと一致しました。このリリースはすぐに Hacker News で注目を集め、数時間以内に 170 ポイントを集めました。
このリリースは、Z.ai が市場がどこに向かっていると考えているかを示す、これまでで最も明確なシグナルです。同社の枠組みでは、大規模な言語モデルはシングルターンのコード生成から、同社が「プロフェッショナル コワーク」と呼ぶものに移行している。つまり、エージェントが具体的な目的と厳しい配信制約の下で断片化したソースドキュメントを消化し、専門知識を一貫した分析に構造化し、最初のプロンプトから最終配信までドメインの厳密さを維持する必要があるナレッジワークである。 Z.ai によれば、法律実務ではこれらすべての要求が 1 か所に集中しているため、プロフェッショナル グレードの AI にとって理想的なストレス テストとなるとのことです。 AI ニュース速報で、業界の他の企業がどのように反応しているかを確認できます。
発売の裏にある数字
Z.ai は、複雑なタスクの実行、特殊な法的推論、現実世界の法的ワークフローの 3 つの軸で GLM-Legal を評価しました。主要な結果は、法律 AI 企業 Harvey によって構築されたベンチマークである Harvey's LAB に関するもので、モデルがソース文書を操作し、詳細な指示に従って最終的な法律作業成果物を生成する必要があります。
発表からは次の 3 つの結果が際立っています。
Harvey LAB — 19.2% オールパス。 24 の実務領域にわたる実際の法律事務所のワークフロー全体で、Harvey の厳格なオールパス採点のもとで、GLM-Legal は 19.2% のスコアを獲得しました。これは、ベース モデルと比較して 12.5 パーセント ポイントの改善です。採点体制は意図的に厳しくなっています。提出物はカウントするためのすべての要件を満たしている必要があるため、部分的な単位は存在しません。 Z.ai によれば、このスコアにより、中間的な劣化がなく、信頼性の高いエンドツーエンドの実行が確認されたとのことです。 LegalBench — クローズド フロンティア モデルと同等 契約、合併申請、司法意見に関する専門的な推論をテストする LegalBench では、GLM-Legal は同社が大幅にスリム化したパラメータ フットプリントで実行しているにもかかわらず、トップのクローズド ソース フロンティア モデルと一致すると Z.ai は報告しています。 PLawBench — 中国の実務における強み 中国の法律相談、事件分析、文書作成をきめ細かいルーブリックに基づいて評価する PLawBench では、Z.ai は主要なフロンティア システムと同等であると主張しています。19.2% という数字はもう一度読んでみる価値があります。これは、基本モデルを 12.5 ポイント上回る進歩の記録であると同時に、代理店の法的評価がいかに厳しいものであるかを思い出させるものでもあります。オールパス グレーディングでは、この数字は、完全なワークフローの大多数が依然として少なくとも 1 つの要件で失敗していることを意味します。 AI システムを評価する法的な購入者は、まさにそのニュアンスを念頭に置いてベンダーのベンチマークを読む必要があります。
GLM-Legal のトレーニング方法
Z.ai は、同社が今年初めにリリースした軽量基盤モデルである GLM-5.3-Flash 上にモデルを構築し、異常に効率を重視したと説明する 2 段階のパイプラインを通じてその上にドメイン能力を階層化しました。
法的コーパスの中間研修
最初のステージでは、トレーニングの途中で高品質の法的コーパスを拡張し、モデルが高密度のドメイン コンテキスト内で法的概念、法的規則、解釈の枠組みを学習できるようにします。 Z.ai によれば、この段階では、事実、ルール、結論の間の演繹的連鎖が強化され、モデルが複雑な下流作業を実行する前に必要な基盤が強化されます。
ハーネスをループに装着したトレーニング後
第 2 段階では、何万もの現実的な法的環境にわたって強化学習を使用します。特に、Z.ai はモデルを単独でトレーニングしませんでした。エージェント ハーネス (タスク コンテキストを管理し、ツールセットを接続し、実行フィードバックをルーティングするランタイム オーケストレーション フレームワーク) は、モデルとロックステップで共同最適化されました。モデルのトレーニング中にエッジ ケースが表面化すると、ハーネス アーキテクチャのボトルネックが明らかになりましたが、ハーネスの改良はトレーニングにフィードバックされ、関連するコンテキストを取得して現実的な実行制約に適応するようにモデルに学習させました。
生産フィードバック ループ
最後に、Z.ai は、現実世界のワークフローと実践者のフィードバックが最適化のロードマップを設定すると述べています。法律専門家は、すべての重要な問題とエッジケースが対処されているかどうか、議論が実証され引用が適切であるかどうか、成果物が問題の概要に準拠しているかどうか、下流チームが手動での手直しをせずに出力を使用できるかどうかなど、具体的な基準に照らして出力を評価します。それらの判断は、さらなるトレーニングを導く具体的なエンジニアリング信号に変換されます。
法律業界にとっての意味
ドメインに特化したモデルは深刻なカテゴリーになりつつあります。 Z.ai は、1 つの一般的なモデルがどこでも優れていると賭けるのではなく、範囲が狭い専門的なタスクが、ターゲットを絞った中間トレーニングと評価主導の改良に報いることに賭けています。これは、限られた高価値のワークロードにおいて、汎用性と信頼性を引き換えにするアプローチです。
ここでも注目すべき競争の反響があります。同じ日に発表された Meta の新しい Muse Wonder モデルも Harvey's LAB で評価されました。これは、法律 AI の大手企業の 1 つによって作成された法律ベンチマークが、エージェントの能力を示す業界を超えた基準となっている兆候です。消費者向けのラボと専門の新興企業が同じテストで採点されると、購入者は稀な同一条件での比較ポイントを獲得できます。
心に留めておくべき注意事項
結果は Z.ai によって自己報告されたものであり、エージェントの法的ベンチマークを独自に再現することはまだまれです。同社は、GLM-Legalが広く利用可能になるかどうか、どのように利用可能になるのか、このモデルの費用はいくらになるのか、顧客の機密保持はどのように扱われるのかなどについては明らかにしていない。これは法律事務所や法務部門が採用前に疑問を持つであろう疑問だ。また、すべてのベンダーのベンチマークと同様、Harvey's LAB のパフォーマンスは Harvey's LAB のパフォーマンスを測定します。特定の企業の問題、管轄区域、または文書形式に関する能力を保証するものではありません。
それでも、この軌跡を無視することは困難です。法的推論に基づくクローズド・フロンティア・システムと一致する Flash クラスの基盤に基づいて構築された無駄のないモデルは、ドメイン固有のプロフェッショナル AI の時代が多くの予想よりも早く到来していることを示唆しています。
