GLM-Legal 的 19.2% 排到第七，权重和标价都没给
今天 Product Hunt 上的 GLM-Legal：Z.ai 让一款模型专门做法律工作，拿竞品 Harvey 的基准考出 19.2%、排第七，还是前十名里最便宜的一次；本文核过这个数该怎么读、它上面还站着谁，以及它为什么不给权重和标价。
「这个榜的榜首，四次里只过一次。」
博文里最显眼的数字是 19.2%2。
一家公司把这个数字印在封面上，少见。所以今天这篇只做一件事：把 19.2% 读完——它是谁评出来的、上面还站着谁、它凭什么叫最便宜，以及你现在为什么拿不到它。
Z.ai 博文首屏：发布日 2026-10-12，正文第三段就是 19.2% all-pass rate on Harvey LAB。
它替律师干的三种活
博文举了三个例子：审一份软件服务合同，从 40 份项目文档里找出前后矛盾，给一个同时上线新加坡、马来西亚、印尼的网站排隐私合规清单2。
合同那一例最具体：把客户解约的通知期从 60 天压到 30 天，砍掉知识产权与保密条款的补救期，补一条最长 90 天的交接协助2。
这些改动落在 Word 文件里，是修订痕迹加右侧一列批注，形状是一份可以拿进谈判的稿子2。
它还写明了两个落地场合：接下来进自家的桌面 agent AutoClaw，没有日期；眼下只有一张 API 申请表2。
Z.ai 博文里那份合同审阅的成品：左边是带修订痕迹的合同原文，右边一列是它写成卡片的批注，其中一条写着 Missing term: there is no exit/transition assistance。
19.2% 是谁评的
榜是 Harvey 的 Legal Agent Benchmark。Harvey 自己就是做法律 AI 的公司，这份榜 2026 年 5 月开源，1,250 道题、24 个执业领域、75,000 多条由从业者写的评分条目3。
跑榜的是第三方 Vals AI：留出测试集、关掉联网、两个模型当判卷人4。
规则里最关键的一条叫 all-pass——一道题下所有评分条目全过，这题才算过。Harvey 解释过为什么这么算：高风险法律工作没有部分分3。
GLM-Legal 的成绩是 19.17%，在 79 个模型里排第 75。
它的基准模型 GLM-5.3-Flash 在同一张榜上只拿 6.67%4。这 12.5 个百分点是真提升，也是它敢把数字放上封面的理由。
Z.ai 博文里那张对照图。左边一栏是它领先的那项；中间一栏最高的柱子其实是 Claude Fable 5 的 88.6，比它的 86.2 高出 2.4。
它上面还站着六个
这份榜的前七名并排4：
| 名次 | 模型 | 全部通过率 | 每次测试 |
|---|---|---|---|
| 1 | Meta Muse Spark 1.2 | 25.42% | $2.09 |
| 2 | Meta Muse Spark 1.3 Max | 23.75% | $2.26 |
| 3 | Meta Muse Spark 1.3 | 22.92% | $2.76 |
| 4 | Wonder Full | 21.67% | $5.41 |
| 5 | Meta Muse Spark 1.1 | 20.00% | $0.80 |
| 6 | Gemini 4 Argon | 19.58% | $10.55 |
| 7 | GLM Legal | 19.17% | $0.15 |
第七名和第六名差 0.41 个百分点，而 Vals 给 GLM-Legal 这个成绩标出的误差是 ±3.255。
这张榜读到小数点后两位，读到的是噪声。
能读的是量级：榜单跑到今天，最好的模型四次里过一次；GLM-Legal 五次里过一次。
Vals 的榜页：散点图横轴是成本、纵轴是通过率，GLM Legal 被标在左上那一簇里——通过率接近高位，成本落在最左端。
同一个榜上的另一个数
同一个成绩，换一个算法就变成 92.5%，这是它的逐条通过率；榜首那批在 94.7% 上下4。
两个数差七十多个百分点，差的是「怎么算过」这一条规则。
这个榜有人自己在家跑。Reddit 的法律科技版里，一位写模型输出和判卷都是概率性的，同一份产出、同一个判卷模型都能给出不同结果，全通过分数一次能晃 3 分以上7。
另一位试着复现 Harvey 公布的初始结果，复现不出来，把过程写成了四篇8。
这些话量的是这套评测方法的精度，量不到 GLM-Legal 头上。19.17% 是第三方跑出来的原始分，第 7 位是榜单页面上写着的原始排名。
值得读的，是它和自己基准模型之间那 12.5 个百分点。
Hacker News 上这条发布帖：673 分、368 条评论。截图里排在最前面的那句讨论，问的是模型能不能接好初级律师那部分活。
便宜也是真的
每一次测试 0.15 美元，前十里最便宜4。
Claude Fable 5 一次 19.23 美元，是它每次 0.15 美元的约 128 倍；Kimi K3 一次 3.83 美元4。
上游的 token 价按 Vals 跑榜时的口径是输入 0.075、输出 0.25 美元每百万 token5。
省下来的钱换成时间是慢：GLM-Legal 平均跑一道题 1 小时 12 分，Kimi K3 是 13 分 58 秒4。
权重、标价，和一张申请表
官网通向它的只有一张表：公司名、公司规模、工作邮箱、电话、使用场景11。
官方口径是 application-only beta，官网和价目表里都没有它的价格。
权重也没有。Hugging Face 上 zai-org 名下 154 个仓库里，它不在其中，搜 GLM-Legal 同样是空的12。
Hacker News 那条帖子 673 分、368 条评论，排在前面的诉求就是把它放出来。一位直接写 Come on, z.ai — post the weights；另一位算过，放出来之后约 1.4 万美元的硬件就能自己跑，并补了一句：不给权重的话，法律用途直接没戏6。
后一句的账好算：法律文档要交给第三方，本来就是这一行最犹豫的一步。
一份合同放进去之后
能读到的那部分里：输入的文字和文件算「用户内容」，处理目的包含改进服务与开展研究，法律依据写的是正当利益，落点写着 train and improve our models14。
数据一般在它新加坡的主体处处理，公司名是 JINGSHENG HENGXING TECHNOLOGY PTE.LTD，注册地址在安顺路 10 号14。
同一份政策第 4 节写明，会向执法机关、监管机构、法院披露14。
对法律业务来说，这就够构成一组必须先问清的问题：材料落在谁手上、有没有零留存选项、能不能自己部署。第一个答案在权重里，后两个答案在那份附录里。
现在有多少人真用过
Product Hunt 上它排第 3，131 票；那个产品页被反爬挡住，票数只作曝光信号用1。
Hacker News 那 368 条评论翻下来，绝大多数在吵律师该不该披露用了 AI、法律该不该让 AI 进来，认真谈这个模型输出好坏的很少6。
Reddit 上关于 Harvey 这份榜本身的讨论，比关于 GLM-Legal 的多7。
申请制加上不公开价格，等于现在几乎没有公开的生产使用记录。独立用户验证不足，这条本期照实写。
想试的话
第一件事是别用客户的保密材料试。拿一份脱敏合同或一个公开的项目材料包，让你团队已在用的模型和它并排跑同一道题，看两份批注谁的改法更接近你们合伙人的习惯。
第二件事是把那份数据处理附录要过来，盯住三行：数据留在哪个区域、有没有零留存、能不能自建。
申请表单上填的使用场景，就是它筛客户的条件。填得越具体，后面能谈下来的条款空间越大。
一句话
19.2% 是真的、是第三方评的、还是前十里最便宜的，这三件事它都做到了。
它还没做到的，是让这份成绩能被带走。而想用它的人，手里正好是那些不能随便交出去的文件。
God bless 那些先把同一道题喂给两个模型、再决定要不要申请接入的人🫡
References
- 1Product Hunt 上的 GLM-Legal 发布记录
producthunt.com
- 2
- 3Harvey 介绍法律代理基准的博文
harvey.ai
- 4Vals AI 的 Harvey 法律代理基准榜
vals.ai
- 5Vals AI 的 GLM Legal 页
vals.ai
- 6Hacker News 上 GLM-Legal 的讨论
news.ycombinator.com
- 7r/legaltech 上关于这份榜的讨论
reddit.com
- 8Overfit Dicta 对这份榜的复查
overfittingdicta.substack.com
- 9Z.ai 官方价目文档
docs.z.ai
- 10Vals AI 的 GLM 5.3 Flash 页
vals.ai
- 11
- 12Hugging Face 上的 zai-org
huggingface.co
- 13MarkTechPost 关于 GLM-Legal 的报道
marktechpost.com
- 14Z.ai 隐私政策
docs.z.ai
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.