Z.ai, китайская лаборатория искусственного интеллекта, стоящая за семейством моделей GLM, 12 октября выпустила GLM-Legal — специализированную модель, созданную для комплексной юридической работы, а не для ответа на отдельные вопросы. Согласно заявлению компании, GLM-Legal достигла показателя прохождения 19,2% по шкале Harvey's Legal Agent Benchmark (LAB), одновременно сопоставив гораздо более крупные пограничные системы в установленных тестах на юридическое обоснование - и запуск быстро привлек внимание Hacker News, где за несколько часов он набрал 170 баллов.
Этот релиз является самым четким сигналом о том, куда, по мнению Z.ai, движется рынок. В рамках компании большие языковые модели смещаются от одноэтапной генерации кода к тому, что она называет «профессиональной совместной работой»: работой по сбору знаний, в которой агент должен перерабатывать фрагментированные исходные документы в соответствии с конкретными целями и жесткими ограничениями доставки, структурировать специализированные знания в связный анализ и поддерживать строгость предметной области от первого запроса до окончательной доставки. Юридическая практика, утверждает З.ай, концентрирует все эти требования в одном месте, что делает ее идеальным стресс-тестом для ИИ профессионального уровня. Вы можете следить за реакцией остальной отрасли в наших последних новостях об искусственном интеллекте.
Цифры, стоящие за запуском
Z.ai оценивал GLM-Legal по трем направлениям: выполнение сложных задач, специализированное юридическое обоснование и реальные юридические рабочие процессы. Главный результат — Harvey's LAB, эталонный тест, созданный юридической компанией Harvey, занимающейся искусственным интеллектом, который требует, чтобы модели работали с исходными документами и следовали подробным инструкциям для создания готовых юридических продуктов.
Из объявления можно выделить три результата:
Harvey LAB — 19,2 % всех тестов. В реальных рабочих процессах юридических фирм, охватывающих 24 области практики, GLM-Legal набрала 19,2 % по строгой всесторонней оценке Harvey, что на 12,5 процентных пункта выше, чем у базовой модели. Режим выставления оценок намеренно неумолим: работа должна удовлетворять всем требованиям для зачета, поэтому частичной оценки не существует. Z.ai утверждает, что эта оценка подтверждает надежное сквозное выполнение без промежуточной деградации. LegalBench — паритет с моделями с закрытыми границами. На LegalBench, который тестирует специализированные рассуждения по контрактам, заявлениям о слияниях и судебным заключениям, Z.ai сообщает, что GLM-Legal соответствует лучшим моделям с закрытым исходным кодом, несмотря на то, что компания описывает их как значительно более компактные параметры. PLawBench — сильная сторона китайской практики. На PLawBench, который оценивает китайские юридические консультации, анализ дел и составление документов по детальным критериям, Z.ai заявляет о паритете с ведущими пограничными системами.Цифра в 19,2% заслуживает второго прочтения. Это одновременно и рекорд прогресса — скачок на 12,5 пунктов по сравнению с базовой моделью — и напоминание о том, насколько требовательной остается агентская юридическая оценка. При всепроходной оценке это число означает, что подавляющее большинство полных рабочих процессов по-прежнему не удовлетворяют хотя бы одному требованию. Юридические покупатели, оценивающие системы искусственного интеллекта, должны читать тесты поставщиков, учитывая именно этот нюанс.
Как проходило обучение GLM-Legal
Z.ai построила модель на GLM-5.3-Flash, облегченной базовой модели, которую компания выпустила ранее в этом году, и наложила на нее компетентность в предметной области с помощью двухэтапного конвейера, который она описывает как необычайно ориентированный на эффективность.
Промежуточное обучение по юридическим корпусам
На первом этапе в середине обучения расширяется высококачественный юридический корпус, что позволяет модели изучать правовые концепции, законодательные правила и основы интерпретации в плотном контексте предметной области. Z.ai говорит, что этот этап укрепляет дедуктивную цепочку между фактами, правилами и выводами — основу, которая нужна модели, прежде чем она сможет выполнить сложную последующую работу.
Пост-тренировка с обвязкой в петле
На втором этапе используется обучение с подкреплением в десятках тысяч реалистичных правовых сред. Примечательно, что Z.ai не обучал модель изолированно: набор агентов — среда оркестровки среды выполнения, которая управляет контекстом задачи, соединяет наборы инструментов и направляет обратную связь по выполнению — была оптимизирована одновременно с моделью. Пограничные случаи, обнаруженные во время обучения модели, выявили узкие места в архитектуре жгута, в то время как усовершенствования жгута вернулись в обучение, обучая модель извлекать соответствующий контекст и адаптироваться к реалистичным ограничениям выполнения.
Циклы обратной связи по производству
Наконец, Z.ai говорит, что его план оптимизации определяется реальными рабочими процессами и отзывами практиков. Юристы оценивают результаты по конкретным критериям: рассмотрены ли все критические проблемы и крайние случаи, обоснованы ли аргументы и обоснованы ли цитаты, соответствуют ли результаты краткому изложению вопроса и могут ли последующие команды использовать результаты без ручной доработки. Эти суждения преобразуются в конкретные инженерные сигналы, которые определяют дальнейшее обучение.
Что это значит для юридической отрасли
Специализированные в предметной области модели становятся серьезной категорией. Вместо того, чтобы делать ставку на то, что одна общая модель будет преуспевать везде, Z.ai делает ставку на то, что узкоспециализированные профессиональные задачи вознаграждают за целенаправленную доработку в середине обучения и на основе оценки — подход, который обменивает универсальность на надежность при узкой и высокой рабочей нагрузке.
Здесь также наблюдается заметное конкурентное эхо. Новые модели Muse Wonder от Meta, анонсированные в тот же день, также прошли оценку в Harvey's LAB, что является признаком того, что юридический эталон, созданный одной из ведущих компаний в области юридического ИИ, стал межотраслевым критерием агентской компетентности. Когда лаборатории, ориентированные на потребителя, и специализированные стартапы оцениваются по одному и тому же тесту, покупатели получают редкую возможность сравнения яблок с яблоками.
Предостережения, о которых стоит помнить
Результаты предоставлены самим Z.ai, а независимое повторение агентских юридических эталонов все еще редкость. Компания не сообщила, будет ли GLM-Legal широко доступен и каким образом, сколько будет стоить модель или как она будет обеспечивать конфиденциальность клиентов — вопросы, которые любая юридическая фирма или юридический отдел задаст перед принятием. Как и во всех тестах поставщиков, производительность Harvey's LAB измеряется производительностью Harvey's LAB; он не гарантирует компетентность в вопросах, юрисдикциях или форматах документов конкретной фирмы.
Тем не менее, эту траекторию трудно игнорировать. Экономичная модель, построенная на основе класса Flash, соответствующая закрытым пограничным системам по юридическим соображениям, предполагает, что эра специализированного профессионального искусственного интеллекта наступает быстрее, чем многие ожидали.
