长期以来，全球法律AI的版图上几乎听不到来自中国的声音。2026年10月13日，专注法律科技领域的海外媒体Artificial Lawyer刊发题为"Chinese Company Launches Legal-Specific LLM"的报道，将目光投向智谱发布的GLM-Legal。该媒体在全球法律科技圈颇具影响力，这或许是中国法律大模型第一次进入国际舆论的视野。

报道作者Richard Tromans回顾称，Artificial Lawyer十年前创立之际，中国曾出现过一批法律科技工具，其中一些用到了NLP与ML技术，此后热度逐渐冷却；如今兴趣再度升温，而这次登场的是一款明确面向全球市场、并非只服务中国本土需求的法律专用生成式AI模型。

海外法律AI三条线并进，中国此前缺乏全球级代表

Tromans文中提到，2026年海外法律AI是科技赛道中热度最高的垂直方向之一。Harvey估值155亿美元，ARR超过1亿美元，AmLaw 100律所中有八成是其客户，并且仍在持续收购小型公司；Legora估值56亿美元，ARR同样过亿；EvenUp估值逾10亿美元，服务1000多家律所。全球法律科技当年的融资规模接近20亿美元，较此前翻倍。OpenAI亲自推出Astra for Law，前Allen & Overy负责人则创办了AI原生律所，创业公司、大模型厂商与AI原生律所三条路线齐头并进。

相比之下，国内法律AI的渗透率并不低。LexisNexis历时三年的调查显示，2026年中国99%的法律从业者已在工作中使用AI，比例甚至高于美国。然而高使用率并未孵化出具有代表性的企业：赛道内融资额最高的智合AI，2026年8月完成的是数千万元人民币A轮，而Harvey同期融资为5.5亿美元，二者相差一个数量级。无论是以大模型切入法律场景，还是创业公司专攻法律AI，此前中国都没有一家公司在体量或国际影响力上接近海外同行。

GLM-Legal定位智能体法律智能，评测成绩被独立验证

10月12日，智谱AI（Z.ai）正式推出GLM-Legal，该模型以轻量模型GLM-5.3-Flash为基座，能力覆盖合同审查、证据分析、合规研究以及跨境业务等法律实务环节。官方将其定位为"智能体法律智能"（Agentic Legal Intelligence），强调它能承接完整任务：自行读取文件、检索法条，并把结果整理成可交付的文档。目前产品处于Beta申请阶段，面向律所、法律科技公司、企业法务及独立执业者开放。

Tromans特别指出，GLM-Legal并非在通用模型上外挂插件，而是由大模型厂商自行训练、可直接投入使用的法律专用模型。他写道："这是一个LLM厂商发布自己的法律专用模型，不是插件，不是邀请别人用它的模型来做法律产品，而是一个他们训练好的、可以直接使用的独立法律模型。"

评测结果为此提供了一定支撑。在Harvey LAB（Legal Agent Benchmark）上，GLM-Legal的全通过率为19.2%，该基准覆盖24个执业领域的真实律所工作流。所谓全通过，指一项任务中的每个环节都必须正确，任何一步出错即整题计零。

横向比较看，19.2%较基座模型的6.7%提升了12.5个百分点，同时高于Claude Fable 5的11.3%、Kimi K3的12.9%与GPT-6 Astra的5.4%。在LegalBench上，GLM-Legal得分86.2，与Claude Fable 5的88.6分、GPT-6 Astra的87.1分大体相当；在面向中文实务的PLawBench上，其77.3分与Claude Fable 5的77.7分几乎持平。Harvey LAB与LegalBench两项评测均由独立第三方机构Vals AI完成，GLM-Legal在Vals AI的79个模型榜单中位列第7。

成本是另一处值得关注的地方。Vals AI的数据显示，GLM-Legal单任务成本约0.15美元，而成绩相近的Gemini 4 Argon约为10.55美元，两者相差约70倍。代价体现在速度上：GLM-Legal平均耗时72分钟，明显慢于Gemini 4 Argon的44分钟。对法律工作而言，这样的时间差或许并不致命——律师审阅一份合同本就不止72分钟。

两段式训练与三个官方演示场景

训练路径上，智谱采用了两阶段方案。中期训练阶段注入大量高质量法律语料，使模型掌握法律概念与推理链条；后训练阶段则以强化学习在数万个真实法律任务环境中反复打磨。其关键设计在于模型与Harness（运行时编排框架）同步演进：训练中暴露的边界案例推动框架优化，框架改进后又让模型面对更贴近真实的执行约束。据今日头条多篇分析，这一思路使竞争单元从"模型"扩展为"模型+领域数据+工作流运行时+从业者反馈"的组合体。

官方演示了三个应用场景。合同审查中，模型给出具体修改方案：把便利解约的通知期由60天缩短至30天，删除知识产权与保密条款的违约补救期，补充最长90天的过渡协助，并通过桌面智能体平台AutoClaw以修订痕迹写入Word文档。证据分析中，模型从40份纠纷文件中梳理出进度报告之间的矛盾，援引主服务协议条款支撑"隐瞒"论证线。跨境合规中，模型为网站在新加坡、马来西亚和印尼上线逐项列出各国数据保护法条清单。

短板同样明确：检索退步、权重未开、成本按任务累加

不足也需要说明。19.2%的绝对值意味着每五道题中仍有四道至少存在一个环节不达标。据Vals AI评测，GLM-Legal在Legal Research Bench上的41.83%反而低于基座的45.19%，说明专业化在检索维度上出现退步。模型权重暂不开放，仅运行于智谱的托管API之上，且处于Beta阶段。0.15美元只是单个任务的成本，一个完整法律事项往往由多个任务串联而成，整体开销可能远高于这一数字。

至于律所与企业法务是否会真正采用，Tromans坦言尚无答案。他写道："律所会用它吗？这是未知的。律师自然会想了解更多关于数据去向的信息，就像对待任何新模型一样。"中伦律师事务所的分析认为，AI出海的推力主要来自技术与成本端，阻力则几乎全部集中在法律与合规端，"合规能力直接决定了这股推力最终能够转化为多少市场份额。"

国内法律AI并不缺市场、用户和应用层产品，缺的是具备全球影响力的标杆企业。海外三条路线并进、2026年融资接近20亿美元，而中国最大法律AI公司的融资额为数千万元人民币，尚无一家在体量或国际影响力上比肩海外同行。在此背景下，GLM-Legal的尝试值得关注：19.2%的全通过率不算高，却在Harvey LAB上压过Claude Fable 5与GPT-6 Astra；0.15美元的单任务成本仅为Gemini 4 Argon的七十分之一。这些数字既经Vals AI独立验证，也被Artificial Lawyer作为新闻报道。

Tromans认为，这显示出中国正在开发前沿法律AI工具，且此次明确瞄准全球市场。十年前中国法律科技的第一波浪潮已然退去，这一次是否不同，取决于GLM-Legal能否从Beta走向实际使用，取决于成本优势能否转化为商业部署，也取决于"模型+工作流"这条路径能否在更多法律场景中跑通。突破未必等于超越，但突破意味着从被忽视转为被注意。GLM-Legal并不完美，19.2%的全通过率、72分钟的耗时、Beta阶段与权重不开放都是明确短板，但它是首个在第三方独立评测中与海外顶级模型同台、并被全球法律科技头部媒体报道的中国法律大模型。第一次被看见，比第一次做到完美更重要。

中国法律AI需要补的功课仍然不少：应用层的代表性公司、成熟的商业模式、足以支撑高估值的收入规模。智谱此番从底层模型层面打开了一个缺口，有了第一个，后面的路会好走一些。作者亦表示，对中国法律AI能走多远抱有期待，原因不在于GLM-Legal已经足够强，而在于它证明了中国法律AI可以做出被全球同行认真对待的产品。他曾以四篇文章拆解中美法律AI的差距，分别涉及市场格局、土壤差异、商业化路径与中国公司的突围可能。

小结：GLM-Legal凭19.2%的Harvey LAB全通过率与0.15美元的单任务成本，首次让中国法律大模型进入海外同行的评测与报道视野。但检索维度退步、权重未开放、Beta阶段等短板同样清晰，从被看见到被真正使用仍需时间检验。