发布了什么
智谱 10 月 12 日发布 GLM-Legal，一个面向法律专业工作流的领域模型。底座是轻量的 GLM-5.3-Flash，通过法律语料中期训练加上在数万个真实法律环境中的强化学习后训练，把领域能力压进一个小得多的参数规模里。官方定位的关键词是「专业协作」（Professional Cowork）：模型要啃的不是法条问答，而是从碎片化源文件出发、在交付约束下产出客户可用的法律工作产品的全流程。
三个基准成绩构成了这次发布的核心证据链：
- Harvey LAB 全通过率 19.2%，较基座提升 12.5 个百分点，覆盖 24 个执业领域的真实律所工作流；
- LegalBench 追平前沿闭源模型，合同、并购文件、司法意见书的解析精度对标，但参数规模小得多；
- PLawBench 与领先系统持平，覆盖中国法律咨询、案件分析与文书起草。
方法拆解：真正值得抄的是三件事
第一，中期训练打底，不跳步骤。 发布说明明确把训练分成中期训练与后训练两段：中期训练扩法条、判例、解释框架的高质量语料，先建立「事实-规则-结论」的演绎链条知识底座。很多领域模型的失败恰恰在这一步被跳过——直接拿通用模型做指令微调，规则记忆是浮的，长流程推理中途就漂。
第二，模型与智能体外壳协同进化。 这是整篇发布说明里信息密度最高的段落。后训练用强化学习在数万个真实法律环境里跑，而运行时编排框架（他们叫 Harness）与模型训练同步迭代：训练中暴露的边界案例反哺外壳的架构瓶颈，外壳的改进又把更真实的执行约束暴露给模型。这其实就是今年智能体工程反复被验证的结论——领域模型的天花板往往不是模型本身，而是外壳的上下文管理、工具路由与反馈回路。把两者当成一个系统来训练，是这次方法论上最诚实的部分。
第三，生产反馈变成工程损失信号。 官方列了四条执业者评价标准：关键议题与边界情形是否覆盖、论证与引用是否扎实、交付物是否严格贴合委托简报、下游团队能否免返工直接使用。这些主观要求被转成可诊断的工程信号，回灌到任务环境、评分标准与外壳设计。领域模型做得好不好，看的就是这条反馈回路转得多快。
三个示例的质量：条款级操作的粒度
发布页给了三组基座与 GLM-Legal 的对照，粒度差异是量化评分之外最直观的证据。
合同审查：同样的退出条款场景，基座模型建议「考虑缩短通知期、要求返还数据」，方向正确但全是姿态；GLM-Legal 给出「便利终止通知期从 60 天改 30 天、删除 IP 与保密违约情形下的补救期以支持立即终止、无论是否已付款均要求返还全部交付物、增加最长 90 天的交接协助」——每一条都是谈判桌上可以直接用的条款级操作。
证据分析：面对 40 份项目争议文档，基座模型列出了表面矛盾（客户报告 60% 完成度、内部快照约 41%）；GLM-Legal 进一步把 9 月 8 日的里程碑预警、CEO 要求压下风险继续开票的内部指令与合同付款不弃权条款串成完整的隐瞒论证链条，并引用了文档编号。从「列出矛盾」到「构建论证」的跨越，正是法律智能体最值钱的那一步。
跨境合规：新加坡、马来西亚、印尼三地网站合规调研，输出直接按 P0 优先级排好，给出 SG PDPA 第 26 条、MY PDPA 第 129 条、印尼 PDP 法第 55-56 条的具体条款映射，并把同意记录、营销退订抑制列表、供应商数据流向映射这些执行细节落到清单里。
冷静看：三个待验证的问题
速评不能只写好话。第一，19.2% 意味着八成任务仍未全通过，官方口径下这已是严格评分下的头部水平，但律所真要接进生产流程，人工复核仍是必备环节，「免返工直接可用」还差得远。第二，对照示例是官方自选的，Harvey LAB 之外的独立第三方复现还没有，LegalBench 的「追平」具体是与哪些模型、在哪些子任务上持平，发布说明未给全量表格。第三，领域模型的护城河存疑——用轻量底座加领域训练的路线红利期可能不长，前沿通用模型的每一次换代都可能重新吞掉一部分领域增量，GLM-Legal 这类模型的长期价值取决于生产反馈回路能否持续积累数据壁垒。
对领域模型路线的整体判断
把 GLM-Legal 放进更大的坐标系看，它代表了一条在 2026 年被反复验证的路径：不追最大参数，而是把「领域语料中期训练 + 真实环境强化学习 + 模型与外壳协同迭代 + 生产反馈回路」这套组合拳打满。法律恰好是压力测试的最佳场景——约束最硬、容错最低、交付格式最严。这套打法可迁移到财务、医疗等专业协作领域，值得关注的是智谱是否会在同一路线上复制出第二、第三个领域模型。如果你在垂直行业做 AI 落地，这篇发布说明的方法论部分比跑分更值得精读。