GLM-Legal
来自中国智谱 AI 研究院的一款新的、专注法律的专有 AI 模型，再次引发了关于大型语言模型在法律领域应被使用到何种程度的讨论，因为它们容易编造案例，而刑事、民事和监管结果又具有极高风险。评论者在潜在好处——更快的检索、更便宜的合同审查，以及在超负荷系统中改善法律帮助可及性——与关于律师责任、AI 使用披露、隐私、数据主权以及削弱初级培养路径的担忧之间权衡。许多人认为，针对常规任务进行有限且有人监督的使用是可行的，但怀疑当前系统能否安全处理新颖事实模式或取代人类法律判断。
律师使用 AI 与披露
- 关于是否应要求律师披露 AI 使用情况的争论。
- 一方认为需要披露，因为 AI 会增加出错风险，而且 AI 本身无法被制裁；客户有权知道何时使用了 AI。
- 另一方认为：无论使用什么工具，律师对提交材料都要承担全部责任；法院本来就应该审查论点，所以如果系统运行正常，是否披露并不重要。
- 有人担心出现“凭感觉执业”式的法律实践，即律师对 AI 输出照单全收，却既不理解也不核查。
质量、幻觉与基准测试
- 人们经常担心 LLM 会“幻觉”出案例或误读法律；法官也曾因此制裁律师。
- 有人认为，在没有明确正确答案的领域（例如法律推理）里，幻觉是一个严重且持续存在的问题。
- 也有人指出，编程场景中的幻觉率已经下降，并预计通过研究代理和验证循环，法律领域也能得到缓解。
- 一些律师认为，Harvey 基准上被宣称的约 20% 通过率对真实诉讼来说并不令人印象深刻，但也有人指出这目前已接近最先进水平；同时，基准质量本身也受到批评，认为不均衡，且有时在规范层面上就是错误的。
对法律职业与司法可及性的影响
- 许多人预计 AI 会替代目前由初级律师/律师助理承担的大量常规工作（检索、模板合同、遗嘱、修订标记等）。
- 有人表示，使用通用 LLM 做合同审查并由人做最终检查，实际效果很好。
- 也有人担心，把“苦力活”自动化会掏空未来专家的培养管道。
- 另一些人强调其好处：法律服务会更便宜，尤其对自行代理诉讼者以及超负荷的系统（例如印度法院积案、和解、类似仲裁的 AI 裁决）而言。
模型开放性、司法辖区与数据隐私
- 法律和医疗领域尤其强烈要求开放权重与透明训练数据；封闭、仅托管的模型被称为不适合认真法律用途的“DOA”。
- 另一个担忧是 GLM-Legal 由一家与中国有关联的公司运营：人们担心敏感法律数据会存放在外国、且无法引渡的司法辖区；反方观点认为，外国保管有时反而像“超级特权”，不过也有人认为法院仍可向用户施压。
- 之前有报告称，该供应商的工具会在后台静默截取工作区快照，这进一步加深了不信任；有人表示，自己并不会比信任美国前沿实验室更信任这些提供商。
领域特异性与局限
- 人们质疑它覆盖哪些法律体系（美国/英国还是其他），以及单一模型是否能可靠处理多个司法辖区。
- 几位律师强调，真实诉讼往往涉及新颖性、人类判断以及复杂的权力动态，而当前 LLM 无法完全把握这些因素。
- 线程中的共识是：LLM 作为标准化任务的助手很有前景，但在高风险法律决策上不加批判地依赖仍然危险。