Z.ai เปิดตัว GLM-Legal โมเดลงานกฎหมายแบบเอเจนต์ที่ต่อยอดจาก GLM-5.3-Flash — ได้ 19.17% บน Harvey LAB (อันดับ 7 จาก 79) ด้วยต้นทุน $0.15 ต่อเคส แต่ยังเป็นเบต้าแบบขอสิทธิ์ ไม่มีน้ำหนักบน Hugging Face
Z.ai (เจ้าของตระกูล GLM) เปิดตัว GLM-Legal เมื่อวันที่ 12 ต.ค. 2026 เป็นโมเดลเฉพาะทางสำหรับงานกฎหมายแบบเอเจนต์ คือให้โมเดลอ่านเอกสารจริงจำนวนมาก วิเคราะห์ประเด็น แล้วส่งงานเป็นไฟล์ที่ทีมกฎหมายนำไปใช้ต่อได้ทันที ตัวโมเดลเทรนต่อจาก GLM-5.3-Flash (MoE 320B ที่ใช้จริงต่อโทเคน 18B ซึ่งเปิดน้ำหนักใต้ MIT เมื่อปลาย ส.ค.) และโพสต์บน Hacker News ได้กว่า 480 คะแนนภายในวันเดียว
ตัวเลขสำคัญมาจาก Vals AI ซึ่งเป็นผู้ประเมินอิสระ GLM-Legal ได้ 19.17% บน Harvey’s Legal Agent Benchmark (Harvey LAB) ติด อันดับ 7 จาก 79 โมเดล ขณะที่ GLM-5.3-Flash ตัวฐานได้เพียง 6.67% และต้นทุนอยู่ที่ $0.15 ต่อเคส ถูกที่สุดในกลุ่ม 10 อันดับแรก ส่วนโมเดลที่อยู่ใกล้กันใช้ราว $5–11 ต่อเคส
ตัวเลขจาก Vals: ขยับจากโมเดลฐาน 12.5 จุด
Harvey LAB ให้เอเจนต์ทำงานกฎหมายจริงด้วยเครื่องมือ 6 ตัว (Read, Edit, Write, Glob, Bash, Grep) และ skill สร้างไฟล์ docx/pptx/xlsx งานหนึ่งชิ้นจะนับว่าผ่านก็ต่อเมื่อผ่านเกณฑ์ย่อย ทุกข้อ ตารางของ Vals (อัปเดต 12 ต.ค.) มีลำดับต้นๆ ดังนี้:
| อันดับ | โมเดล | ผ่าน | ต้นทุน/เคส |
|---|---|---|---|
| 1 | Muse Spark 1.2 | 25.42% | $2.09 |
| 4 | Muse Wonder Full | 21.67% | $5.41 |
| 6 | Gemini 4 Argon | 19.58% | $10.55 |
| 7 | GLM-Legal | 19.17% | $0.15 |
| 8 | Muse Wonder | 17.08% | $7.08 |
| 9 | Mistral Large 4 | 15.83% | $4.18 |
| 31 | GLM-5.3-Flash (ฐาน) | 6.67% | $0.57 |
| 41 | Claude Opus 5.5 | 3.75% | $21.38 |
ส่วนต่าง 19.17 − 6.67 = 12.5 จุด ตรงกับที่ Z.ai ระบุในบล็อก บนเบนช์มาร์กอื่นของ Vals GLM-Legal ได้ 86.23% บน LegalBench (อันดับ 14 จาก 150 และเป็นคะแนนสูงสุดของตระกูล GLM) และ 41.83% บน Legal Research Bench (อันดับ 24 จาก 78) ข้อแลกเปลี่ยนคือ ความช้า เวลาเฉลี่ยต่อเคสบน Harvey LAB อยู่ที่ 1 ชม. 12 นาที นานที่สุดในกลุ่มบน
ข้อควรระวังเวลาอ่านตัวเลข: Harvey LAB ของ Vals ใช้ชุดทดสอบแบบ held-out และ harness ของ Vals เอง จึงเทียบตรงๆ กับ “Harvey LAB-AA” ที่ Meta อ้างในประกาศ Muse Wonder ไม่ได้ อีกเรื่องคือ Z.ai อ้างว่า GLM-Legal “เทียบเท่าโมเดลปิดระดับแนวหน้า” บน LegalBench และ PLawBench (เบนช์มาร์กกฎหมายจีน) แต่ในบล็อกไม่มีตัวเลข PLawBench ให้ตรวจสอบ
วิธีเทรน: เทรนโมเดลไปพร้อมกับ harness
Z.ai อธิบายวิธีเทรนเป็น 3 ช่วง:
- Mid-training: เพิ่มคลังข้อมูลกฎหมายคุณภาพสูงเพื่อปูพื้นแนวคิด กฎหมายลายลักษณ์อักษร และกรอบการตีความ
- Post-training ด้วย RL บน “สภาพแวดล้อมงานกฎหมายสมจริงหลายหมื่นแบบ” โดยปรับ harness (ตัวจัดการ context, เครื่องมือ และ feedback ระหว่างรัน) ไปพร้อมกับตัวโมเดล ข้อผิดพลาดที่เจอระหว่างเทรนใช้ชี้จุดอ่อนของ harness และในทางกลับกัน harness ที่ดีขึ้นก็ช่วยฝึกให้โมเดลดึง context ได้ถูกต้อง
- Feedback จาก production: นำเกณฑ์ที่นักกฎหมายใช้ตรวจงาน เช่น ครอบคลุมประเด็นครบไหม อ้างอิงถูกไหม และใช้งานต่อได้เลยโดยไม่ต้องแก้ไหม มาแปลงเป็น reward/rubric ในรอบเทรนถัดไป
ตัวอย่างในบล็อกมี 3 งาน ได้แก่ ตรวจสัญญาจ้างซอฟต์แวร์ (ลดระยะบอกเลิกจาก 60 เหลือ 30 วัน และเพิ่มช่วงส่งมอบงาน 90 วัน แล้วแก้ใน Word แบบ tracked changes), วิเคราะห์เอกสาร 40 ชิ้นในคดีโปรเจกต์ซอฟต์แวร์เพื่อหาความขัดแย้งระหว่างรายงานลูกค้าที่บอกว่า “60%” กับข้อมูลภายในที่ “~41%” และ วางแผน compliance ด้านข้อมูลส่วนบุคคลสำหรับเว็บที่จะเปิดในสิงคโปร์ มาเลเซีย และอินโดนีเซีย พร้อมอ้างมาตรา (SG PDPA s26, MY PDPA s129, ID PDP Law มาตรา 55–56)
ใช้ได้แค่ไหนตอนนี้
- ช่องทาง: เป็นเบต้าที่ต้องสมัครขอสิทธิ์ API ผ่าน z.ai/consultation/legal และ Z.ai บอกว่า “เร็วๆ นี้” จะใช้ได้ใน AutoClaw แอปเอเจนต์บนเดสก์ท็อปของบริษัท
- ราคา: Vals ระบุ $0.075/$0.25 ต่อ 1M token (input/output) เท่ากับ GLM-5.3-Flash พร้อม context 1M และ output สูงสุด 128K
- น้ำหนักโมเดล: หน้า Vals ติดป้าย “Weights: Open” แต่ ณ วันที่เขียน ยังไม่มี repo GLM-Legal ใน zai-org บน Hugging Face และบล็อกของ Z.ai ไม่ได้พูดถึงการเปิดน้ำหนักหรือ license เลย ระหว่างนี้จึงควรถือว่าเป็นโมเดลแบบ API
มุมมอง AI Curator
ประเด็นที่น่าสนใจที่สุดไม่ใช่อันดับ 7 แต่คือ โมเดล active 18B ที่เทรนเฉพาะทาง ขยับจาก 6.67% เป็น 19.17% และแซง Claude Opus 5.5, GPT-6.1 Sol และ Grok 4.7 บนงานกฎหมายแบบเอเจนต์ ด้วยต้นทุนต่อเคสต่ำกว่า 1/100 ตัวเลขนี้ยืนยันแนวทางที่เราเห็นมาตลอดปี คือ domain RL ที่เทรนพร้อม harness ให้ผลในงานเฉพาะทางมากกว่าการเพิ่มขนาดโมเดล ตารางนี้ยังบอกอีกเรื่องที่ทีมพัฒนาควรรู้ไว้ คือโมเดลแนวหน้าที่เก่งโค้ดอย่าง Opus 5.5 ได้คะแนน Harvey LAB ต่ำมาก ความเก่งทั่วไปจึงไม่ได้แปลว่าจะส่งงานเอกสารที่ผ่านเกณฑ์ครบทุกข้อได้
แต่ต้องอ่านตัวเลขให้ถูก 19% หมายความว่าใน 5 งานจะ ไม่ผ่านเกณฑ์ครบประมาณ 4 งาน GLM-Legal จึงยังเป็นผู้ช่วยร่างที่ต้องมีทนายตรวจทุกชิ้น และยังทำงานแทนทนายไม่ได้ นอกจากนี้ค่าเฉลี่ยกว่า 1 ชั่วโมงต่อเคสก็ไม่เหมาะกับงานที่ต้องตอบโต้แบบทันที
สำหรับไทยและ SEA ตัวอย่างงาน PDPA ข้ามสิงคโปร์ มาเลเซีย และอินโดนีเซียในบล็อก แสดงว่า Z.ai มองตลาดภูมิภาคนี้อยู่ แต่ ไม่มีไทยในตัวอย่าง และไม่มีผลทดสอบภาษาไทยหรือ PDPA ไทยเลย สำหรับสำนักงานกฎหมายหรือทีม legal tech ไทยที่สนใจ ทางที่คุ้มคือขอสิทธิ์เบต้าแล้วทดสอบกับสัญญาภาษาไทยของตัวเอง ส่วนคนที่อยากรันเองในองค์กรเพราะข้อมูลลูกความออกนอกบริษัทไม่ได้ ต้องรอให้น้ำหนักขึ้น Hugging Face จริงก่อน ถ้าออกมาภายใต้ MIT แบบ GLM-5.3-Flash นี่จะเป็นโมเดลกฎหมายแบบเปิดตัวแรกที่ใช้งานได้จริงในระดับนี้ ซึ่งเราจะติดตามต่อ
แหล่งข่าว
อ่านเพิ่มในหมวด โมเดลใหม่
Google เปิดตัว Gemini 4 Carbon ขึ้นอันดับ 1 Artificial Analysis v5 ด้วยคะแนน 59 แต่ยังให้ใช้แค่นักป้องกันไซเบอร์กลุ่มเล็ก
Gemini 4 Carbon เปิดตัว 28 ต.ค. แซง Claude Opus 5.5 บน Intelligence Index v5 แค่ 1 คะแนน และตามหลังเพียง 3 คะแนนในดัชนี coding agent ราคาเปิดตัว $2/$10 แต่นักพัฒนาทั่วไปยังเรียกใช้ไม่ได้ ระหว่างที่ Google ค่อย ๆ เปิดผ่านโปรแกรม Fairwind
Microsoft ปล่อย Mage-VL-Cowork โมเดล 4B คุมเดสก์ท็อปและเทอร์มินัลในตัวเดียว ได้ 66% บน OSWorld-Verified สัญญาอนุญาต Apache-2.0
Mage-VL-Cowork ขนาด 4B ของ Microsoft เลือกเองว่าจะคลิกหน้าจอหรือสั่ง bash ทำคะแนน OSWorld-Verified 66.0% ใกล้ค่าอ้างอิงมนุษย์ 72.4% ในตารางเดียวกัน แต่คำว่าดีที่สุดในขนาด 4B มีคู่เทียบบนตารางนี้แค่รุ่นเดียว
Mistral ปล่อยน้ำหนัก Large 4 จริงแล้ว — 1T ราคาลดเกือบครึ่ง แต่บน AA ได้ 26 และสัญญาอนุญาตห้ามขายเป็น API ถ้าไม่มีใบอนุญาตแยก
Mistral ปล่อยน้ำหนัก Large 4 (Le Chonk) เมื่อ 29 ต.ค. เป็นรุ่นที่ฝึก RL ต่ออีกสามสัปดาห์หลัง preview ขนาด 1T ใช้พื้นที่ราว 1.06TB ราคา API ลดเหลือ $0.70/$2.10 Mistral นำ open-weight ด้าน coding แต่คะแนนรวม AA 26 ตามหลังโมเดลจีน และสัญญาอนุญาตกันธุรกิจ Model-as-a-Service