GLM-5.1 训练成为顶级法律AI模型，性能超越GPT-5.5
realtime news Jun 22, 2026 21:46
Harvey.ai和Applied Compute对GLM-5.1进行了微调，在法律基准测试中超越了GPT-5.5 xhigh和Opus 4.8 Max，为法律工作流中的AI设立了新标准。
Harvey.ai与Applied Compute合作，将Z.ai的GLM-5.1基础模型转变为迄今为止最强大的法律AI，在Harvey的专有法律代理基准测试（LAB）中，以评分标准通过率超越了GPT-5.5 xhigh和Opus 4.8 Max。通过微调，该模型现在实现了91.3%的评分标准通过率，相较于GLM-5.1的基础85.3%，巩固了其作为法律领域特定AI应用领导者的地位。
该项目基于GLM-5.1已经强大的技术基础。GLM-5.1于2026年4月发布，是一个拥有7540亿参数的专家混合模型，专为长上下文推理和代理执行设计，具有200,000个标准上下文窗口的标记，并可在专用部署中扩展至1百万标记。尽管最初是一个通用模型，其灵活性在法律领域的适应中证明至关重要。
后训练驱动性能提升
Harvey.ai和Applied Compute在多个方面优化了GLM-5.1，以实现其新的法律性能里程碑：
- 评分器对齐：Applied Compute优化了评分系统，确保训练期间的反馈可靠，使用GPT-5 Mini作为一种成本效益高且准确的评分器，与前沿模型如GPT-5.5 xhigh和Opus 4.8 Max对齐。
- 工具优化：通过改进模型的工具和环境（如限制低效工具调用、增强提示、引入标记压缩），研究人员实现了更精确和高效的工作流。
- 强化学习：在Applied Compute的云平台上进行全参数训练，使GLM-5.1不仅超越了其初始能力，还在关键指标上胜过了其专业化的竞争对手。
结果是令人瞩目的。评分标准通过率提高至91.3%，而全通过率（要求在多个连续标准下成功，因此更为严格）从5.9%上升至12.6%，接近Opus 4.8 Max的13.2%阈值。
法律技术的意义
虽然GLM-5.1的性能标志着一次突破，但值得注意的是，该模型仍然是一个通用的大型语言模型。历史上，像LegalBERT或Lawformer这样的领域特定模型在法律NLP任务中占有优势，因为它们使用了定制的词汇和预训练数据集。然而，GLM-5.1扩展的上下文能力和工具集成使其特别适合复杂的法律工作流，例如合同审查、多文档分析和长时间跨度的研究。
Harvey.ai的进步表明，通用模型在使用领域特定基准进行微调时，可以与甚至在某些情况下超越专业化系统。这提升了通用和领域特定法律AI提供商的标准，因为企业对高上下文、可扩展解决方案的需求日益增长。
展望未来
Harvey.ai认为仍有改进空间。未来的改进可能包括相关性掩码的自蒸馏，以减少幻觉率，以及代理路由器训练以优化成本与质量的比率。这些创新可能使GLM-5.1在全通过率上更接近Opus 4.8 Max，同时进一步提升其法律推理能力。
随着法律AI的采用加速，GLM-5.1的成功凸显了大上下文基础模型在专业领域的潜力。未来的前沿可能不再由参数规模定义，而是由战略微调和领域对齐所决定，正如该合作所展示的那样。
Image source: Shutterstock.jpg)
