智谱发布法律大模型GLM-Legal：Harvey LAB全通过率19.2%

智谱（Z.ai）于10月12日发布法律大模型 GLM-Legal，该模型基于轻量基座 GLM-5.3-Flash 构建，面向合同审查、证据分析与合规等法律实务流程。官方博客显示，GLM-Legal 在 Harvey LAB 基准上取得 19.2% 的全通过率，较基座模型提升 12.5 个百分点，并在 LegalBench 与中文法律评测 PLawBench 上达到前沿闭源模型水平。

Harvey LAB 的评分方式相当严苛：它覆盖 24 个执业领域的真实律所工作流，采用“全通过”计分——一项任务必须每个环节都做对，识别出正确的问题点、引用正确的法条、论证站得住脚、输出格式符合要求，才算通过，任何一环出错该题即计 0 分。作为对照，智谱基座模型 GLM-5.3-Flash 在该基准上得分 6.7%，全尺寸 GLM 5.3 为 8.3%。

成本是另一组关键数字。第三方分析显示，GLM-Legal 在 Harvey 基准上的单任务成本约 0.15 美元，而 Gemini 4 Argon 约 10.55 美元，相差约 70 倍。这意味着“开权重模型加深度领域适配”的路线，正在把法律智能体的使用成本压到闭源前沿模型的零头。

更值得关注的是训练方法。智谱将训练分为中训练与后训练两段，后训练的关键设计是“模型与 Harness 协同进化”：Harness 作为运行时编排框架，负责任务上下文管理、工具接入与执行反馈回传，其架构与模型训练同步迭代——训练中暴露的边缘案例指向 Harness 的架构瓶颈，Harness 的改进又让模型暴露在真实的执行约束之下。

不过垂域模型也有明确取舍。第三方分析指出，GLM-Legal 在法律研究基准 LegalResearchBench 上比基座模型低 4 个百分点，原因是它每题平均只检索约 6 次判例，而基座模型检索 16 次——偏向“给出确定答案”的优化，在需要穷尽材料的复杂研究任务上会变成覆盖不足。

目前 GLM-Legal 尚未开放公开 API，用户需通过官方咨询表单申请，模型随智谱桌面智能体 AutoClaw 一并提供，注册赠送 24 美元额度。官方博客称，其在 Harvey LAB 与 LegalBench 上的成绩由第三方评测机构 Vals 独立评测，PLawBench 等中文基准表现则主要为自述数据，选型时仍需结合自身业务验证。