Z.ai GLM-Legal 공개, 계약과 증거와 규정 준수를 다루는 법률 에이전트 모델

기반 모델

기반이 된 GLM-5.3-Flash는 전체 320B 파라미터에 활성 18B 파라미터를 가진 MoE 모델이고, 컨텍스트 창은 1M 토큰이다. 이 컨텍스트 길이는 기반 모델의 값이며, GLM-Legal 자체의 수치로 따로 밝혀진 것은 아니다. 이 기반 모델은 MIT 라이선스로 공개되어 있다.

작동 방식

학습의 중심은 강화학습이다. Z.ai는 법률 텍스트로 미세조정을 한 것에 그치지 않고, 수만 개의 법률 환경에서 모델을 강화학습으로 훈련했다. 모델이 문서를 읽는 데서 끝나지 않고 일을 수행하는 에이전트로 행동하도록 단련한 것이다.

성능

외부 평가 기관에 따르면 GLM-Legal은 Harvey의 Legal Agent Benchmark(24개 업무 분야)에서 모든 항목을 통과하는 비율(all-pass)이 19.2%로, GLM-5.3-Flash 기반 모델보다 12.5포인트 높다. 외부 평가 기관는 같은 벤치마크에서 기반 모델 GLM-5.3-Flash를 6.7%로 평가하는데, 법률 훈련으로 완전히 해결하는 과제의 비율이 대략 세 배가 된 셈이다. Z.ai는 LegalBench와 PLawBench에서도 최고 수준 시스템에 견줄 만한 결과를 냈다고 주장한다.

어떤 일을 하나

Z.ai가 보여 준 사례는 세 가지이다. 첫째는 계약서에서 통지 기간 같은 바뀐 조건을 찾아 검토하는 일이다. 둘째는 증거 문서 40건을 분석해 고객 보고서가 내부 기록과 어긋나는 부분을 찾는 일이다. 셋째는 싱가포르, 말레이시아, 인도네시아에 걸친 규정 준수 규칙을 조사하는 일이다.

누가 쓸 수 있나

지금은 아무나 쓸 수 없다. 로펌, 리걸테크 기업, 사내 법무팀, 독립 개업 변호사가 Z.ai의 상담 신청서를 내야 하며, 이 양식은 사용 목적을 묻다. AlphaSignal은 이 프로그램을 공개 API가 아니라 디자인 파트너 방식이라고 설명한다. Z.ai는 GLM-Legal의 가중치를 공개하지 않았다. 기반 모델은 MIT 라이선스이지만 GLM-Legal이 같은 조건을 따를지는 밝히지 않았다. 현재는 비공개 베타와 Z.ai 자체 제품을 통해서만 접근할 수 있다. 한편 데스크톱 에이전트 AutoClaw를 통하면 가입 시 받는 무료 크레딧으로 Z.ai의 모델을 체험해 볼 수 있다.

성능 수치를 읽는 법

Harvey의 Legal Agent Benchmark의 all-pass 비율은 한 과제의 평가 항목을 빠짐없이 통과한 경우만 성공으로 세는 엄격한 기준이라고 이해할 수 있다. 그래서 19.2%라는 숫자가 낮아 보여도, 6.7%였던 기반 모델과 비교하면 의미가 크다. 두 수치의 출처가 각각 외부 평가 기관와 외부 평가 기관라는 점, 그리고 LegalBench와 PLawBench 결과는 Z.ai의 주장이라는 점은 구분해서 보아야 한다.

활용 장면

계약서를 검토하는 팀은 이전 버전과 비교해 통지 기간 같은 조건이 어떻게 달라졌는지 짚는 작업에 쓸 수 있다. 소송이나 내부 조사 현장에서는 수십 건의 증거 문서를 한꺼번에 읽고 서로 모순되는 부분을 찾는 일이 필요하다. 해외 사업을 하는 기업의 법무팀은 여러 국가의 규정을 한 번에 조사하는 작업에 도움을 받을 수 있다. 다만 현재는 비공개 베타이므로, 관심이 있는 조직은 상담 신청서로 사용 목적을 밝히고 접근 권한을 신청해야 한다.

왜 중요한가

법률 업무는 일반 모델이 길고 여러 문서에 걸친 과제에서 여전히 어려움을 겪는 분야이다. 오픈 기반 모델 위에 도메인 강화학습을 더했을 때 Harvey LAB 점수가 얼마나 오르는지 보여 준 사례이다. 다만 19.2%는 모든 항목을 통과한 비율이므로, 실무에 쓸 때는 사람이 결과를 검토하는 절차가 여전히 필요하다고 보는 편이 합리적이다. 신청 주소는 z.ai/consultation/legal이다.