Z.ai, китайська лабораторія штучного інтелекту, що стоїть за сімейством моделей GLM, 12 жовтня випустила GLM-Legal, модель, що спеціалізується на певному домені, створену для наскрізної юридичної роботи, а не для відповідей на окремі запитання. Згідно з повідомленням компанії, GLM-Legal досягла 19,2% загального результату за тестом Harvey's Legal Agent Benchmark (LAB), зрівнявшись із набагато більшими прикордонними системами за встановленими тестами на юридичну аргументацію — і запуск швидко привернув увагу Hacker News, де він набрав 170 балів за кілька годин.
Реліз є найчіткішим сигналом того, куди, на думку Z.ai, рухається ринок. У структурі компанії великі мовні моделі переходять від одноповоротної генерації коду до так званого «Professional Cowork»: роботи зі знаннями, під час якої агент має аналізувати фрагментовані вихідні документи відповідно до конкретних цілей і жорстких обмежень доставки, структурувати спеціалізовані знання в цілісний аналіз і підтримувати суворість домену від першого запиту до остаточної доставки. Юридична практика, стверджує Зай, зосереджує всі ці вимоги в одному місці, що робить його ідеальним стрес-тестом для професійного ШІ. Ви можете стежити за тим, як реагує решта індустрії, у наших останніх новинах щодо штучного інтелекту.
Числа за запуском
Z.ai оцінював GLM-Legal за трьома осями: виконання складних завдань, спеціалізована юридична аргументація та реальні юридичні робочі процеси. Головний результат — Harvey's LAB, еталонний тест, створений юридичною компанією зі штучним інтелектом Harvey, який вимагає від моделей працювати з вихідними документами та виконувати докладні інструкції для створення готових юридичних продуктів.
З оголошення можна виділити три результати:
Harvey LAB — 19,2% повної оцінки. У реальних робочих процесах юридичної фірми, що охоплюють 24 практики, GLM-Legal набрала 19,2% за суворою загальною оцінкою Harvey, що на 12,5 відсоткових пунктів більше, ніж у базовій моделі. Режим оцінювання є свідомо невблаганним: подання має задовольняти всі вимоги для підрахунку, тому часткового кредиту не існує. Z.ai каже, що оцінка підтверджує надійне наскрізне виконання без проміжного погіршення. LegalBench — паритет із закритими граничними моделями. На LegalBench, який перевіряє спеціалізовані міркування щодо контрактів, документів про злиття та судових висновків, Z.ai повідомляє, що GLM-Legal відповідає найкращим закритим граничним моделям, незважаючи на те, що компанія описує як значно менший відбиток параметрів. PLawBench — перевага в китайській практиці. На PLawBench, який оцінює китайські юридичні консультації, аналіз справ і складання документів у тонких рубриках, Z.ai стверджує паритет з провідними прикордонними системами.Цифра 19,2% заслуговує повторного читання. Це водночас рекорд прогресу — стрибок на 12,5 балів у порівнянні з базовою моделлю — і нагадування про те, наскільки вимогливою залишається агентська юридична оцінка. За умов комплексної оцінки це число означає, що значна більшість повних робочих процесів все ще не відповідає принаймні одній вимозі. Юридичні покупці, які оцінюють системи штучного інтелекту, повинні читати тести постачальників, враховуючи саме цей нюанс.
Як пройшов навчання GLM-Legal
Z.ai побудував модель на основі GLM-5.3-Flash, полегшеної базової моделі, яку компанія випустила на початку цього року, і поклав компетенцію в домен на поверхню через двоетапний конвеєр, який він описує як надзвичайно орієнтований на ефективність.
Середній тренінг з правових корпусів
Перший етап розширює високоякісні юридичні корпуси під час проміжного навчання, дозволяючи моделі вивчати правові концепції, законодавчі норми та рамки тлумачення в щільному контексті домену. Зай каже, що ця стадія зміцнює дедуктивний ланцюжок між фактами, правилами та висновками — основу, необхідну моделі, перш ніж вона зможе виконувати складну подальшу роботу.
Після тренування з джгутом у петлі
Другий етап використовує навчання з підкріпленням у десятках тисяч реалістичних правових середовищ. Примітно, що Z.ai не тренував модель ізольовано: джгут агентів — фреймворк оркестровки виконання, який керує контекстом завдання, з’єднує набори інструментів і направляє зворотний зв’язок щодо виконання — був спільно з моделлю оптимізований. Граничні випадки, які з’явилися під час навчання моделі, виявили вузькі місця в архітектурі джгута, тоді як удосконалення джгута повернулися до навчання, навчаючи модель отримувати відповідний контекст і адаптуватися до реалістичних обмежень виконання.
Виробничі петлі зворотного зв'язку
Нарешті, Z.ai каже, що реальні робочі процеси та відгуки практиків визначають його дорожню карту оптимізації. Фахівці з правових питань оцінюють результати за конкретними критеріями: чи розглянуто всі критичні проблеми та крайні випадки, чи аргументи обґрунтовані, а цитати обґрунтовані, чи результати відповідають суті справи та чи можуть наступні команди використовувати результати без ручного перероблення. Ці судження перетворюються на конкретні інженерні сигнали, які спрямовують подальше навчання.
Що це означає для юридичної галузі
Доменно-спеціалізовані моделі стають серйозною категорією. Замість того, щоб робити ставку на те, що одна загальна модель буде кращою скрізь, Z.ai робить ставку на те, що вузькі професійні завдання винагороджують цілеспрямоване проміжне навчання та вдосконалення, кероване оцінюванням — підхід, який обмінює загальність на надійність у вузькому, високоцінному робочому навантаженні.
Тут також є помітне конкурентне відлуння. Нові моделі Muse Wonder від Meta, анонсовані того ж дня, також були оцінені в Harvey's LAB, що свідчить про те, що юридичний еталон, створений однією з провідних компаній правового штучного інтелекту, став міжгалузевим критерієм компетенції агентів. Коли лабораторії, орієнтовані на споживачів, і спеціалізовані стартапи оцінюються за одним і тим же тестом, покупці отримують рідкісну точку порівняння «яблука з яблуками».
Застереження, які варто мати на увазі
Z.ai звітує про результати самостійно, а незалежне повторення агентських правових тестів все ще рідко. Компанія не заявила, чи буде GLM-Legal широкодоступним і яким чином, скільки буде коштувати модель або як вона обробляє конфіденційність клієнтів — запитання, які будь-яка юридична фірма чи юридичний відділ поставила б перед прийняттям. Як і в усіх тестах постачальників, продуктивність Harvey's LAB вимірює продуктивність Harvey's LAB; це не гарантує компетентність у питаннях, юрисдикціях або форматах документів конкретної фірми.
Тим не менш, траєкторію важко ігнорувати. Економна модель, побудована на базі Flash-класу, що відповідає закритим прикордонним системам на юридичному обґрунтуванні, свідчить про те, що ера професійного штучного інтелекту, орієнтованого на певну область, настає швидше, ніж багато хто очікував.
