GLM-Legal 最核心的一個數字是 Harvey LAB 全通過率 19.2%。這個分數在 Vals AI 的榜單上排 79 個參評模型的第 7 位，比它的基座 GLM-5.3-Flash 高了 12.5 個百分點，但放在絕對水平上看——還有約八成任務沒能全項通過。這篇把三個榜單的分數、成本和耗時放在一起看，說清它強在哪、弱在哪。
Vals AI 是一家專門做法律 AI 模型評測的平台，跑的是 Harvey 開發的 Legal Agent Benchmark（簡稱 Harvey LAB）。這個基準的特點是「全通過」評分：一項法律任務拆成若干個必做步驟，缺任何一步都算失敗，不給部分分。24 個執業領域、接近真實律所的工作流，所以分數普遍偏低。
GLM-Legal 在這套基準上的成績：
智譜自己公佈的口徑是 19.2%，和第三方跑出來的 19.17% 基本一致，這一點比較少見——很多廠商的發佈會數字和獨立復現會有明顯落差，這次沒有。
先說結論：這個分數很高，但不是因為它接近滿分，而是因為整套基準的分數普遍很低。
目前 Harvey LAB 上成績最好的模型是 Muse Spark 1.2，全通過率 25.42%。也就是說，全球最強的法律智慧體模型，仍然有大約四分之三的嚴格法律任務無法一次全項通過。GLM-Legal 的 19.2% 落到「四分之一到五分之一」這個區間，屬於能真正完成一部分完整任務、而不是隻會聊法律的水平。
更值得關注的是它相對基座的提升幅度：GLM-5.3-Flash 只有 6.67%，GLM-Legal 是 19.17%，漲了 12.5 個百分點，接近三倍。這說明法律語料中訓加任務環境強化學習這套做法確實起作用了，不是換個名字重新發一遍。
把同期主流模型放在一張表裡，差異會更直觀。下面資料全部來自 Vals AI 在 2026 年 10 月 12 日的運行結果。
| 模型 | Harvey LAB 全通過率 | LegalBench | 法律研究基準 | 單次任務成本 | 平均耗時 |
|---|---|---|---|---|---|
| GLM-Legal（智譜） | 19.17% | 86.23% | 41.83% | 約 0.15 美元 | 1 小時 12 分 |
| GLM-5.3-Flash（智譜基座） | 6.67% | 83.93% | 45.19% | 約 0.57 美元 | 52 分 17 秒 |
| Kimi K3（月之暗面） | 12.92% | 86.21% | 46.15% | 約 3.83 美元 | 13 分 58 秒 |
| Claude Fable 5（Anthropic） | 11.25% | 88.56% | 49.52% | 約 19.23 美元 | 26 分 53 秒 |
| GPT-6 Astra（OpenAI） | 5.42% | 未列出 | 39.42% | 約 26.16 美元 | 24 分 49 秒 |
這張表裡藏著三件事。
第一，任務完成能力上 GLM-Legal 領先。19.17% 比 Kimi K3 高 6.3 個百分點，比 Claude Fable 5 高近 8 個百分點，比 GPT-6 Astra 高出一倍以上。這是它被稱作「HLAB 開源權重第一」的來源。
第二，通用法律知識上它沒有優勢。LegalBench 上 Claude Fable 5 是 88.56%，Kimi K3 是 86.21%，GLM-Legal 是 86.23%，三家擠在一起，差距在測評容差範圍內。也就是說，如果你只是想讓模型答法律知識題，換成它不會更好。
第三，成本差距大得誇張。跑同一套 Harvey LAB，GLM-Legal 單次約 0.15 美元，Claude Fable 5 要 19.23 美元，GPT-6 Astra 要 26.16 美元——貴一百倍以上，結果反而更差。Vals AI 特別指出 GLM-Legal 是這一榜單前十名裡最便宜的。之所以便宜，是因為它的基座只有 3200 億總參數、180 億啟用，屬於輕量架構。
法律研究基準（Legal Research Bench）上，GLM-Legal 是 41.83%，比基座 GLM-5.3-Flash 的 45.19% 低了 3.36 個百分點；和 Kimi K3 的 46.15%、Claude Fable 5 的 49.52% 比也有差距。
這個回落說明一件事：針對「做完一整件任務」的強化訓練，可能削弱了通用檢索與文獻綜述的能力。法律研究更看重廣覆蓋和長鏈條資訊組織，而智慧體任務的評分邏輯是「按簡報交付成品」，兩者的最佳化方向不完全一致。這不是資料出錯，而是典型的垂類特化代價。如果你的用途是判例檢索、法條綜述，現階段的通用旗艦模型可能更合適。
GLM-Legal 跑完一次 Harvey LAB 平均要 1 小時 12 分，而榜單第一的 Muse Spark 1.2 只要 24 分鐘，Kimi K3 甚至只要 14 分鐘。
對能等結果的長任務來說，這隻是慢一點；但對需要互動式推進的場景，三倍以上的等待時間會直接影響可用性。官方的說法是它把更多算力花在了推理深度上，換來更高的任務完成率——這是個取捨，不是純缺陷，但你選型時得知道這個取捨的方向。
圍繞它的質疑主要有三條，都能在公開資訊裡找到依據。
反過來看，它的分數經過了獨立平台復現，成本和耗時的資料也是第三方實測，可覈查的成分比一般發佈會要紮實。
Harvey LAB 由法律 AI 公司 Harvey 設計，考的是律所真實工作流，覆蓋 24 個執業領域，評分標準是「全項通過」：一項任務涉及的所有必做環節都做對才算過，錯一步就零分。這種評分方式決定了分數天然偏低，所以看這項榜單要橫向比，不要拿絕對數字和考試分數類比。
不能這麼推。榜單考的是標準任務，你的業務有自己的一套材料格式、審查標準和交付習慣。更務實的做法是拿一份你真實做過的合同或案件材料去試，對照人工結論看差距，這比任何榜單都準。
強在完整任務的完成率，以及完成同樣任務的成本。GLM-Legal 的 Harvey LAB 全通過率是 Kimi K3 的 1.5 倍左右、成本是它的二十五分之一。但如果你關心的是法律文獻的梳理深度，Claude Fable 5 的分數更高；如果你關心響應速度，Kimi K3 快五倍以上。
本文所有評測分數、成本與耗時均來自 Vals AI 於 2026 年 10 月 12 日的運行結果，以及智譜官方發佈口徑。評測環境與榜單口徑可能隨版本更新變化，請以評測平台與官方頁面的最新資料為準。
GLM-Legal 是智譜（Z.ai）在 2026 年 10 月 12 日發佈的法律垂類大模型，基於輕量基座 GLM-5.3-Flash 訓練，官方給它的定位不...
2026-10-15直接回答：截至 2026 年 10 月 15 日，智譜沒有公佈 GLM-Legal 的定價，也沒有開放權重下載。當前獲取方式只有申請制 API 和...
2026-10-15
GLM-Legal是智譜AI推出的法律專用大模型，基於GLM千億級通用模型微調而來，專為合同審查、法律文書分析、法律諮詢等場景最佳化...
2026-10-14GLM-Legal 目前只有一條正式入口：在 Z.ai 的法律諮詢申請頁提交 Beta 申請，通過後拿到 API 權限。官方另外表示它「後續計劃...
2026-10-15不能。即使目前在 Harvey LAB 上成績最好的法律模型，最多也只能一次全項通過約四分之一的任務，GLM-Legal 大約能做到五分之...
2026-10-15