Z.ai เปิดตัว GLM-Legal โมเดล AI กฎหมาย ชนะ Claude Fable 5 ใน Harvey LAB

Z.ai เปิดตัว GLM-Legal โมเดล AI เฉพาะทางด้านกฎหมายที่พัฒนาต่อยอดจาก GLM-5.3-Flash โดยเน้นการทำงานรูปแบบ agentic เพื่อรองรับงานตรวจทานสัญญา วิเคราะห์พยานหลักฐาน และการวิจัยด้าน compliance

ผลลัพธ์ที่น่าสนใจคือความสำเร็จใน Harvey’s Legal Agent Benchmark (LAB) ซึ่ง GLM-Legal ทำคะแนน all-pass ได้ถึง 19.2% คิดเป็นเกือบ 3 เท่าเมื่อเทียบกับโมเดลฐานที่ทำได้เพียง 6.7% อย่างไรก็ตาม ในขณะนี้การเข้าถึง API ยังจำกัดเฉพาะผู้ที่ได้รับอนุมัติผ่านการสมัครแบบ application-only เท่านั้น

TL;DR

ขนาด: พัฒนาบน GLM-5.3-Flash สถาปัตยกรรม MoE พารามิเตอร์รวม 320B (Active 18B) รองรับ Context 1M-token และ Output 128K โดยยังไม่มีการระบุจำนวนพารามิเตอร์แยกเฉพาะของ GLM-Legal
การใช้งาน: ให้บริการผ่าน API ของ Z.ai โดยต้องสมัครใช้งานเท่านั้น ไม่มีการเปิดเผย weights สาธารณะ ต่างจากโมเดลฐานที่สามารถโฮสต์เองได้ผ่าน vLLM หรือ SGLang
ประสิทธิภาพ: ติดอันดับ Top-10 ใน Harvey LAB ด้วยต้นทุนที่ต่ำกว่าโมเดลระดับเรือธงอย่างมาก โดยมีคะแนนตามหลังผู้นำใน LegalBench เพียง 2.3 จุด
จุดแข็ง: ทำอัตราผ่านงานใน Harvey LAB ได้ 19.17% (อันดับ 7 จาก 79 บน Vals AI) ด้วยราคาค่าทดสอบเพียง $0.15
จุดอ่อน: ทำคะแนนใน Legal Research Bench ของ Vals AI ได้ 41.83% ซึ่งต่ำกว่าโมเดลฐาน (45.19%)
บทสรุป: เป็นโมเดลที่ให้ประสิทธิภาพระดับแนวหน้าในราคาเพียง 1/128 ของ Claude Fable 5 แต่ยังอยู่ในช่วง Beta ที่เข้าถึงยากและใช้เวลารันค่อนข้างนาน (เฉลี่ย 1 ชม. 12 นาทีต่อหนึ่งงาน)

GLM-Legal คืออะไร?

GLM-Legal คือเวอร์ชันปรับแต่งเฉพาะ (domain-specialized) ของ GLM-5.3-Flash เพื่อใช้งานในสำนักงานกฎหมายและทีม compliance โดยมีรากฐานมาจาก โมเดลตระกูล GLM-5 ตัวแรกที่รองรับมัลติโมดอลมาตั้งแต่ต้น

ตัวโมเดลใช้เทคนิคผสมผสานระหว่าง sparse attention และ linear attention เพื่อเพิ่มประสิทธิภาพการประมวลผล long-context ในราคาประหยัด รองรับการประมวลผลทั้งข้อความ รูปภาพ วิดีโอ และไฟล์เอกสารต่างๆ

GLM-Legal ได้รับการฝึกฝนอย่างไร?

การฝึกฝนแบ่งออกเป็น 2 ขั้นตอนหลัก:

Mid-training: ฝึกฝนกับคลังข้อมูลกฎหมายขนาดใหญ่ เพื่อเพิ่มทักษะการให้เหตุผลเชิงตรรกะจากข้อเท็จจริงไปสู่ข้อสรุปทางกฎหมาย
Post-training: ใช้การเรียนรู้แบบเสริมกำลัง (Reinforcement Learning) ใน สภาพแวดล้อมจำลองงานกฎหมายกว่าหมื่นรูปแบบ

นอกจากนี้ทีม Z.ai ยังได้พัฒนา agent harness ควบคู่ไปกับตัวโมเดลในช่วง post-training โดยนำกรณีศึกษาที่ซับซ้อน (edge cases) มาทดสอบเพื่อระบุและแก้ไขข้อจำกัดของระบบ ทำให้โมเดลสามารถรับมือกับสถานการณ์จริงได้ดียิ่งขึ้น

ประสิทธิภาพใน Harvey’s Legal Agent Benchmark

Harvey LAB เป็นเบนช์มาร์กโอเพนซอร์สที่รวบรวม 1,250 งานจาก 24 สาขาวิชาชีพ พร้อมเกณฑ์การให้คะแนนกว่า 75,000 รายการ โดยวัดผลแบบ all-pass หรือการที่โมเดลต้องผ่านทุกเกณฑ์การตัดสินในแต่ละงาน

ในการทดสอบโดย Vals AI ซึ่งใช้ LLM judge 2 ตัวในสภาพแวดล้อมปิด พบว่า GLM-Legal ทำคะแนนได้ 19.17% ครองอันดับ 7 จาก 79 โมเดล ซึ่งโดดเด่นกว่าโมเดลฐานอย่างชัดเจน

ข้อมูลจาก Z.ai ชี้ให้เห็นว่า GLM-Legal มีคะแนนนำหน้าคู่แข่งสำคัญอย่าง Kimi K3 (12.92%), Claude Fable 5 (11.25%) และ GPT-6 Astra (5.42%) แม้จะยังตามหลังผู้นำอันดับหนึ่งอย่าง Muse Spark 1.2 (25.42%) อยู่ก็ตาม

การเปรียบเทียบใน LegalBench

ในด้านความสามารถทั่วไปบน LegalBench ทาง Z.ai อ้างว่าโมเดลมีความสามารถทัดเทียมกับคู่แข่งระดับโลก โดย Vals AI ระบุคะแนน GLM-Legal ไว้ที่ 86.23% ซึ่งใกล้เคียงกับ Claude Fable 5 (88.56%) และ Kimi K3 (86.21%)

ตารางเปรียบเทียบโมเดลทางกฎหมาย

คุณสมบัติ	GLM-Legal	GLM-5.3-Flash	Kimi K3	Claude Fable 5	GPT-6 Astra
ผู้พัฒนา	Z.ai	Z.ai	Moonshot AI	Anthropic	OpenAI
Weights	ไม่มีสาธารณะ	Open, MIT	Open	ลิขสิทธิ์เฉพาะ	ลิขสิทธิ์เฉพาะ
Harvey LAB (all-pass)	19.17%	6.67%	12.92%	11.25%	5.42%
ต้นทุนต่อการทดสอบ	$0.15	$0.57	$3.83	$19.23	$26.16
ระยะเวลาเฉลี่ย (นาที)	72	52	14	27	25
ราคา API (In/Out ต่อ 1M)	ยังไม่ประกาศ	$0.15 / $0.50	$3 / $15	$10 / $50	$10 / $50

ข้อมูลโดย Vals AI ณ วันที่ 12 ตุลาคม 2026

แนวทางการใช้งานสำหรับนักพัฒนา

ผู้สนใจสามารถ สมัครเพื่อเข้าถึง API ได้โดยตรง โดยปัจจุบัน Z.ai ยังไม่มีการประกาศราคาอย่างเป็นทางการและ ไม่มีการปล่อย weights บน Hugging Face ในขณะนี้ แต่มีแผนจะนำไปใช้ในแอปพลิเคชัน AutoClaw ในอนาคต

สำหรับผู้ที่ต้องการเริ่มต้นใช้งาน สามารถเริ่มพัฒนาต้นแบบด้วยโมเดลฐาน GLM-5.3-Flash ที่เปิดให้ใช้งานแล้วในราคา $0.15 / $0.50 ต่อ 1M tokens แล้วจึงสลับเป็น GLM-Legal เมื่อได้รับสิทธิ์การใช้งาน