Na segunda-feira, 12 de outubro de 2026, a Z.ai anunciou o GLM-Legal (abre em nova aba), um modelo de inteligência artificial treinado especificamente para trabalho jurídico. A empresa afirma que ele conclui de ponta a ponta 19,2% das tarefas do Harvey Legal Agent Benchmark, um teste que simula rotinas reais de escritórios de advocacia. No mesmo dia, a Vals AI, empresa independente que avalia modelos de IA, publicou sua própria medição: 19,17%, sétimo lugar entre 79 sistemas avaliados. A diferença é mínima e o detalhe importa: o número central do anúncio não ficou apenas na palavra do fabricante.
Isso não significa, porém, que o GLM-Legal seja o melhor modelo jurídico do mercado. Na mesma tabela da Vals AI, seis modelos ficaram à frente dele, liderados pelo Muse Spark 1.2, com 25,42%. Volto a esse ponto mais adiante, porque ele diz muito sobre como ler anúncios desse tipo.
O que é o GLM-Legal
O GLM-Legal não foi construído do zero. Ele usa como base o GLM-5.3-Flash, um modelo da própria Z.ai descrito como leve, ou seja, com menos capacidade computacional do que os modelos maiores da categoria. A empresa diz que o conhecimento jurídico foi acrescentado em duas etapas. A primeira é um treinamento intermediário especializado, em que o modelo lê grandes volumes de material jurídico. A segunda é o chamado pós-treinamento por reforço: o modelo é colocado em "dezenas de milhares de ambientes jurídicos realistas", segundo a Z.ai, e aprende executando tarefas, recebendo retorno sobre o que fez certo e errado.
As aplicações citadas pela empresa são revisão de contratos, análise de provas e pesquisa de compliance, que é a verificação de conformidade com regras e regulamentos. Interessados precisam solicitar acesso via API (abre em nova aba) por formulário, e a empresa promete que as funcionalidades chegarão em breve ao AutoClaw, sua plataforma de agentes jurídicos.
O que o teste mede, afinal
O Harvey Legal Agent Benchmark, ou Harvey LAB, é mantido pela Harvey, empresa de inteligência artificial jurídica usada por escritórios de advocacia. Ele simula fluxos de trabalho de firma: 24 áreas de prática, tarefas que envolvem ler documentos, pesquisar, redigir e decidir. O critério de avaliação é o que se chama de all-pass, e explica por que as porcentagens parecem baixas. Uma tarefa só conta como aprovada se for executada inteiramente sem falha em nenhuma etapa intermediária. Um modelo que redige bem a petição mas perde um documento no meio do caminho reprova. É uma régua dura, e os números do leaderboard refletem isso.
A Vals AI descreve sua metodologia assim: as tarefas são do tipo held-out, ou seja, retiradas do conjunto de treino, o que reduz a chance de o modelo ter decorado as respostas. A correção usa dois "juízes" que também são modelos de linguagem, com a internet desligada durante o teste. Os agentes avaliados recebem ferramentas de arquivos e habilidades para lidar com documentos Word, PowerPoint e Excel. Um detalhe prático: o GLM-Legal levou 37 minutos e 25 segundos por teste na medição da Vals, um tempo considerável para quem pensa em produtividade.
Os resultados em três provas
A Vals avaliou o GLM-Legal em três benchmarks jurídicos, e o desempenho variou bastante entre eles:
| Benchmark | Resultado | Posição |
|---|---|---|
| Harvey Legal Agent Benchmark | 19,17% (margem de ±3,25) | 7º de 79 |
| LegalBench | 86,23% (margem de ±0,41) | 14º de 150 |
| Legal Research Bench | 41,83% (margem de ±3,43) | 24º de 78 |
No Harvey LAB, o salto em relação à base é o dado mais forte do anúncio. O GLM-5.3-Flash, sem o treinamento jurídico, marca 6,67%. Com ele, o número sobe para 19,17%. São 12,5 pontos percentuais de ganho, e a avaliação independente reproduziu essa diferença, o que dá peso à alegação da Z.ai de que o especialização funciona.
Na outra ponta, há um sinal de alerta. No Legal Research Bench, prova de pesquisa jurídica da própria Vals, o GLM-Legal marcou 41,83%, abaixo do desempenho do seu modelo de base, que alcança 45,19% segundo o relatório da MarkTechPost. Ou seja: a especialização melhorou muito a execução de tarefas agênticas, mas piorou o desempenho em pesquisa pura. Duas leituras seguem plausíveis aqui. Uma é que o modelo otimizou demais a execução de tarefas em detrimento do conhecimento bruto. A outra é que a prova mede algo em que modelos maiores simplesmente levam vantagem. Os dados disponíveis não fecham essa conta.
O gráfico do lançamento e o que ficou de fora
O site da MarkTechPost observou um detalhe incômodo no material de lançamento da Z.ai. O gráfico oficial mostra o GLM-Legal à frente de nomes conhecidos: Kimi K3, com 12,92%; Claude Fable 5, com 11,25%; e GPT-6 Astra, com 5,42%. Esses números batem com os da Vals AI. Só que o gráfico omite os seis modelos classificados acima do GLM-Legal, começando pelo Muse Spark 1.2, com 25,42%. A comparação é verdadeira, mas a seleção do que comparar favorece o anúncio. Prática comum em lançamentos de tecnologia, e mais uma razão para ler gráficos de empresa com atenção ao eixo, ao recorte e ao que ficou invisível.
Custo: o argumento principal
O preço é onde o GLM-Legal mais se destaca. A Vals AI calculou o custo por teste no Harvey LAB em US$ 0,15, o mais barato entre os dez primeiros colocados. Na tabela de preços, o modelo custa US$ 0,075 por milhão de tokens de entrada e US$ 0,25 por milhão de tokens de saída. Tokens são as unidades em que os modelos de linguagem processam texto, algo próximo de pedaços de palavras. A MarkTechPost resume a comparação em uma frase: desempenho de primeira linha a cerca de 1/128 do custo do Claude Fable 5.
Para dar escala a esse número, US$ 0,15 é menos do que uma fotocópia encadernada em qualquer cartório. O argumento comercial da Z.ai não é ser o melhor, e sim ser bom o suficiente por uma fração do preço. Com o sétimo lugar no teste mais difícil e o menor custo do grupo de cima, essa história tem sustentação.
A Vals também lista o modelo como de pesos abertos. Isso significa que os parâmetros treinados do modelo podem ser baixados e executados em servidores próprios, e não apenas acessados pelo serviço da empresa. Para escritórios e departamentos jurídicos que lidam com documentos confidenciais, rodar o modelo internamente costuma pesar mais do que qualquer número de benchmark.
O que o anúncio diz e o que ele não diz
Entre as alegações da Z.ai que não passaram pela avaliação independente está a paridade com modelos de fronteira no LegalBench, teste de raciocínio jurídico especializado, e no PLawBench, prova de prática jurídica chinesa que cobre consultas, análise de casos e redação de documentos. Esses resultados vêm do texto da própria empresa. O bom resultado em prática jurídica chinesa faz sentido dado o treinamento, mas o anúncio não detalha desempenho em português ou em outros idiomas, informação que quem trabalha com direito brasileiro precisaria confirmar antes de qualquer uso.
Uma ressalva metodológica permanente: a correção do Harvey LAB na medição da Vals é feita por outros modelos de IA, não por advogados. Essa prática é padrão na área e economiza tempo, mas importa saber que o "aprovado" no teste é a nota de dois juízes automatizados com critérios definidos, não a assinatura de um revisor humano.
O quadro que se forma em 48 horas desde o lançamento é este: um modelo jurídico barato, de pesos abertos, com ganho comprovado de especialização sobre sua base, sétimo lugar no teste mais exigente do setor, acima da média em pesquisa jurídica e sem acesso aberto, já que é preciso pedir por formulário. Para quem avalia ferramentas de IA jurídica, o número de US$ 0,15 por teste é o fato mais difícil de ignorar. Para quem comparava modelos só pelo ranking, a ordem completa do leaderboard, com o Muse Spark 1.2 no topo, é o contexto que o gráfico de lançamento não mostrou.
Perguntas frequentes
O que significa "all-pass" no Harvey LAB?
É o critério de aprovação em que uma tarefa só é contabilizada se for executada por completo, sem falha em nenhuma etapa intermediária. Por isso os percentuais são baixos: qualquer erro no meio do caminho reprova a tarefa inteira.
O resultado de 19,2% foi verificado por alguém de fora da Z.ai?
Sim. A Vals AI, avaliadora independente, mediu 19,17% no mesmo benchmark no dia do lançamento, com tarefas fora do conjunto de treino, dois juízes automatizados e internet desligada. Os números de comparação com Kimi K3, Claude Fable 5 e GPT-6 Astra batem entre as duas fontes.
Quanto custa usar o GLM-Legal?
Segundo a Vals AI, US$ 0,15 por teste no Harvey LAB, o menor custo entre os dez primeiros colocados, e US$ 0,075 por milhão de tokens de entrada com US$ 0,25 por milhão de tokens de saída. A MarkTechPost estima o custo em cerca de 1/128 do valor do Claude Fable 5.
Como é possível acessar o modelo?
A Z.ai exige solicitação de acesso via API por meio de formulário em seu site. A empresa também promete integração futura com o AutoClaw, sua plataforma de agentes jurídicos, ainda sem data anunciada, e a Vals AI lista o modelo como de pesos abertos, ou seja, com parâmetros que podem ser baixados e executados em infraestrutura própria.