一份软件服务合同摆在桌上。客户是服务接收方,打算换供应商,要看终止和交接条款怎么改。

通用大模型的回答挑不出错:建议缩短通知期,要求返还客户数据,加一条交接配合义务。但没法直接用:通知期改成多少天?配合义务写到什么程度?没有一个数字。谈判桌上没人接受“建议考虑”。

同一个问题,智谱 10 月 12 日发布的法律模型 GLM-Legal 给出的答案是:便利终止的通知期从 60 天压到 30 天;IP、保密、数据安全违约删掉 30 天补救期,客户可以立即终止;合同第 4 条本来就把工作成果约定归了客户,所以返还不论是否付款;再加最多 90 天的过渡支持义务,覆盖源代码、文档、数据和知识交接,修改意见直接落成 Word 修订和批注。

前一个是建议,后一个是条款。这两个东西在律师的工作里,不是一回事。我一直觉得,评价法律 AI 该换个问法:别问它懂多少法,问它能不能交活。

法律适用能力,第一次进了模型

先交代基本盘。GLM-Legal 建在轻量的 GLM-5.3-Flash 基座上。按官方发布的数据:Harvey LAB 是 Harvey 律所出的真实律所工作流测试,覆盖 24 个执业领域,GLM-Legal 的 all-pass 率 19.2%,比通用基座高出 12.5 个百分点,换算过来基座只有 6.7%;这一项和 LegalBench 由第三方机构 Vals 独立评估。在 LegalBench 和中国本土的 PLawBench 上,它追平了参数量大得多的闭源前沿模型。能力将进入 AutoClaw 桌面 Agent,API 开放 Beta 申请。这些数字全部来自官方发布文,示例场景也是官方挑选的。这篇文章讨论的是它透露的产业信号,不替产品做验收。

过去几年,法律科技行业有个默认分工:模型公司出通用智能,法律科技公司做“最后一公里”,把审查规则做成库、做检索增强、做领域微调,套在通用模型外面。这套东西被称为领域 Know-how,被当成护城河。

GLM-Legal 的训练路径把这个分工撕开了。中期训练向模型灌入密集的法律语料,让“事实—规则—结论”的推理链在领域语境里长出来;后训练在数万个仿真法律环境里做强化学习,练的是规划分析、推进流程、在约束下交活。

这套训练里更要紧的是反馈回路。执业者按四条标准验收模型产出:争点有没有漏、论证有没有据、交付物合不合委托要求、下游能不能免返工直接用。智谱把这四条直接转成了训练损失信号。法律行业的质量判断过去靠师徒制和执业经验传递,现在第一次被工程化,写进了模型的训练目标。这件事比任何一个 benchmark 分数都重要,因为它决定了模型往哪个方向迭代。

三个示例场景恰好对应律师的三块日常。合同审查对应交易,前面已经看到。证据分析对应争议解决:40 份项目纠纷文件里,它把 9 月 30 日“进度 60%”的客户报告、9 月 8 日“里程碑无法诚实达成”的内部警告、41% 的内部进度快照、CEO“压制风险、继续开票”的指示串成一条证据链,再引用主服务协议里“付款不构成弃权、保证在付款后存续”的条款,堵住“客户一直没异议”的抗辩,收敛为一个隐瞒理论,并且明确标注了事实与推断的边界。合规研究对应非诉日常:三个东南亚国家的上线隐私合规,给的是 P0 优先级行动清单,每一条挂着具体条文号。

把法条和规则用到事实上的那个动作,法律上叫法律适用。GLM-Legal 展示的,是这个能力第一次被整体搬进模型。

竞争下沉到工作流层

技术报告里最容易被略过、我认为最值得琢磨的是 Harness,也就是运行时编排框架:管任务上下文、接工具、回传执行反馈。智谱让 Harness 和模型同步迭代,模型训练暴露的边缘案例反过来定位框架的架构瓶颈,框架的改进又让模型暴露在真实执行约束下。

产业含义因此很直接:单点模型能力不再构成壁垒,比拼的是“模型加工作流”的整体交付。模型公司的边界也在扩张,从卖 API 到做桌面 Agent,AutoClaw 直接接管交付场景。上一轮模型竞赛比的是谁更聪明,这一轮比的是谁能把活干完。

被抽走的护城河

两条线索合起来看,受冲击最大的其实不是律师,是夹在中间的法律科技公司。

原来的产业图景是三层:模型公司出通用能力,法律科技公司做垂类产品,合同审查工具、法律检索、尽调系统,律所和法务是终端客户。法律科技公司的价值主张,说到底是“我们比模型公司更懂法律”。

垂类模型出现后,这个主张的两端同时松动。上游,法律适用的基础能力被模型公司收走了。法律知识本质上是显性知识:成文的规则、可归纳的审查要点、可复述的论证结构,这正是最适合被训练进模型的知识形态。产品公司花几年攒下的规则库和微调数据,模型公司用一个训练周期内化,而且他们的质量标准来自真实执业者的反馈回路,迭代速度是应用层跟不上的。

下游呢,法律科技公司真正缺的东西从来没拿到过:案件数据、工作流习惯、客户信任。这些终端上下文握在律所自己手里,出于保密义务和职业惯性,也不会交出来。很多法律科技产品实际上悬浮在中间,上游能力可以被模型替换,下游数据又够不着。

垂类工作台的产品竞争力因此进一步减弱。护城河没有变浅,是从底下被抽走了。

垂类模型出现前后的产业分层 之前 模型公司 通用能力 法律科技公司 垂类产品·领域Know-how 律所·法务 终端 垂类模型 之后 模型公司 通用能力+法律适用 +工作流(Harness) 法律科技公司 中间层被穿透 律所·法务 终端上下文不出所 上游能力被模型收走,下游上下文握在律所手里

两个必须回答的质疑

第一眼看到 19.2%,我的反应是:这数不好看。Harvey 的 all-pass 评分极严,任务全链条不出错才算通过,在这个口径下比基座高 12.5 个百分点确实是跃升。但绝对值同样诚实:八成以上的任务还做不到端到端可靠交付。示例是官方挑选的,PLawBench 未见独立评估说明,展示场景多为普通法,中国法实战能力需要拿真实案件材料实测。我的判断是方向可信,幅度待验证。

第二个质疑:法律科技公司真的没救了吗。模型公司的局限同样是事实。他们不掌握律所渠道,不承担执业责任,数据不出所的私有化交付有门槛,通用框架对中国律所工作流的适配也需要时间。法律科技手里可能还剩几张牌:与终端客户深度绑定的上下文,行业信任和合规资质,在细分场景做垂类模型交付层的机会。只是这些属于防守型护城河,窗口在收窄,转型有截止日期。

轮到行业重新回答

对律师,我不同意“取代”的叙事。三个示例里,模型做的是从材料到交付物的加工;要不要把内部警告作为隐瞒理论的支点、敢不敢在谈判桌上把 60 天压到 30 天、客户能否承受这个风险,判断和责任仍在人这里。真正在发生的是分工重排:能显性化的法律适用能力在快速商品化,剩下的溢价集中在判断和责任上。

说说我自己的位置。我做建设工程和地产领域的项目,这几年一直在把 AI 塞进自己的工作流程,做法是把工作拆成两层:能交活的交给模型并逐项验收,需要判断的自己来,省下的时间投到真正值钱的部分。对法律科技的同行,问题只剩一个:在新的价值链上,你的位置在哪里?

模型学会了交活。接下来,轮到行业重新回答什么工作只有人能干。

作者简介: 陈石律师(主页 chenshi.ai),浙江海泰律师事务所副主任、高级合伙人、房地产与建设工程部主任,宁波市律师协会副秘书长、第七届宁波仲裁委员会仲裁员,聚焦建筑房地产、投融资、并购重组及商事争议解决。曾获多家法律媒体与专业机构认可,荣登 LegalOne 2025 中国区建工及房地产实务先锋 45 强、律新社 2025 年度管理合伙人 20 佳(华东),入选《商法》The A-List 法律精英,获评 ALB China 区域市场十五佳长三角地区律师新星,并获律新社 2024 年度并购领域品牌之星。长期为万科、华润置地、信达地产、保利置业、招商蛇口、中海地产等企业提供法律服务,承办“首宗百亿地王”“长春第一高楼”“台州第一高楼”等代表性项目,累计服务项目投资额超千亿。近年来持续推动 AI 与法律实务融合,强调以结构化方法打通技术逻辑、法律判断与商业场景;著有《赋能法律人:AI 底层思维与应用范式》,并在多地开展相关主题讲座与分享。