원팅(文婷), 아페이쓰(凹非寺) 발
량쯔웨이(量子位) | 공식 계정 QbitAI
이거 대단하네, 즈푸가 버티컬 모델을 법조계까지 굴려버렸다!
방금, 즈푸가 법률 전용 오픈소스 신모델을 출시했다——GLM-Legal。
이 모델은 법조문에 대해 대화할 수 있을 뿐만 아니라 계약서 심사, 증거 연계, 국경 간 컴플라이언스 연구 등 일련의 구체적인 업무까지 도맡아, 바로 사용 가능한 결과물을 전달해준다.
성적도 상당히 강력하다.
Vals AI가 최근 발표한 법률 벤치마크에서 GLM-Legal은19.2%의 태스크 전체 통과율과86.23%의 정확도로 Harvey LAB과 LegalBench 양대 오픈 웨이트 모델 부문에서 1위를 차지했다.
이왕 이만 채팅, 사무, 코드를 다 굴려놓고도 모자라, 이제 AI는 법률 계약서와 사건 서류 속 세세한 작업에까지 눈을 돌리기 시작했다.
소식이 나오자마자 네티즌들은 금새 앉아있지 못했다:
좋아좋아, 앞으로 GLM-Legal이 나의 법무팀이다.
하지만 Wait, 대체 어느 나라 법을 배운 건지, 정말 우리 중국인의 일을 도와줄 수 있을까?
이제 자세히 살펴볼 필요가 있다.
계약서 심사, 증거 연계, 컴플라이언스까지, GLM-Legal이 모두 처리할 수 있다
좋은 소식은,이 모델이 실제로 우리 중국의 법률에 적합하다는 점이다. 토착 못지않은 적응력을 보여준다.
중국어 법률 실무, 영어 법률 과제, 동남아 국경 간 컴플라이언스 등 어떤 시험 문제든 모두 처리할 수 있다.
하지만 모의고사는 어디까지나 한 측면일 뿐이다.
실제 법률 업무에는 함정이 너무 많아, 밟으면 아무 소리 없이 그대로 빠진다.
정말 일을 할 수 있는지는, 실제 법률 업무 환경에 데려가 돌려봐야 한다. 팀의 계약서 심사, 해외 출시 전 개인정보 컴플라이언스 사항 확인을 도와줄 수 있는지 확인해보자.
먼저 세 가지 공식 데모를 살펴보자(GLM-5.3-Flash 대 GLM-Legal, 스스로와의 대결）：
1. 계약서를 심사하고, 협업 종료 후의 인수인계 조치를 정리하기
소프트웨어 서비스 공급업체를 교체해야 할 때, 보통 먼저 계약서의 해지 및 인수인계 조항을 확실히 검토해야 한다.
코드, 데이터, 문서를 원활하게 되돌려받을 수 있는가? 새 공급업체가 이어받을 수 있는가?
그리고 이런 지뢰들은 대개 어디에 숨어 있는가 하면,조항속에 있습니다.
이에 GLM-Legal은 협력 종료 통지 기간을 60일에서 30일로 단축하고, 최장 90일의 전환 지원을 추가하여 코드, 문서 및 지식 인수인계를 모두 계획할 수 있도록 할 것을 제안했습니다.
그뿐만 아니라, 계약서에 이미 있는 성과물 귀속 조항과 결합하여 모든 업무 성과물(완료되지 않았거나 대금이 지급되지 않은 부분 포함)을 반환할 것을 요구했습니다.
GLM-5.3-Flash와 비교하면 GLM-Legal의 장점이 매우 뚜렷합니다:
전자는 다소 일반적인 조언만 제공하는 반면, GLM-Legal은 기간, 인수인계 범위 등의 내용을 더욱 명확히 하고, 수정 방안을 계약서의 기존 조항과 대응시켰습니다.
이로써 협력 종료 후의 '이별 절차'가 명확하게 정리되었으니, 아주 품위 있는 처리입니다.
그렇다면 흩어진 증거들을 한꺼번에 던져 주면 GLM-Legal은 어떻게 대응할까 하는 생각이 들었습니다.
2. 증거를 분석하고 흩어진 단서를 연결하기
이것은 사실 매우 현실적인 문제입니다.
프로젝트 협업에서 분쟁이 발생했을 때, 우리는 대체로 어떻게 방대한 보고서, 문서, 채팅 기록 속에서 상대방의 주장에 문제가 있는지 판단할 수 있을까요?
예를 들어 공식적으로 제시된 이 Case를 보면: 대외 보고에서는 프로젝트가 60% 완료되었다고 했지만, 내부 기록에는 약 41%에 불과했습니다.
실제 테스트에서 GLM-5.3-Flash와 GLM-Legal 모두 이 모순 지점을 발견했습니다.
하지만 차이점은, GLM-5.3-Flash는 조언만 제공한 반면, GLM-Legal은 조언을 바탕으로 진행 보고서를 이전의 리스크 경고, 내부 커뮤니케이션과 연관 지어 구체적인 행동으로까지 이어갔다는 점입니다.
이 단서가 정리되고 나면, 우리는 원본으로 돌아가 항목별로 대조하며 어떤 데이터가 옳고 계속 사용할 수 있는 것인지 파악하기 수월해집니다.
3. 기업 해외 진출 컴플라이언스, 법규 요건을 행동 목록으로 정리하기
그리고 싱가포르, 말레이시아, 인도네시아 등 해외 플랫폼에 웹사이트를 출시하려고 할 때, 사용자 추적, 이메일 마케팅, 해외 클라우드 스토리지 등 각 항목마다프라이버시 컴플라이언스문제에 직면할 수 있습니다.
이럴 때 우리는 출시 전에 어떤 준비를 해야 하는지 파악해 주는 조수가 필요할지도 모릅니다.
이에 대해 GLM-Legal은 실제 테스트에서 주목해야 할 컴플라이언스 사항을 팀이 착수하여 실행하고 계속 검증할 수 있는 세부 단계로 분해했는데, 구체적인 프라이버시 성명 발표, 수신 거부 요청을 억제 목록에 입력하는 것 등을 포함해 한눈에 들어옵니다.
이제 훨씬 편리해졌습니다.
따라서 이 사고방식으로 돌아가 보면, 우리는 Harvey LAB의 이 19.2% 전체 통과율이 어디가 어렵고 어디가 가치 있는지 더 직관적으로 이해할 수 있습니다.
19.2% 전체 통과, 이 시험지는 얼마나 어려운가?
Harvey LAB의 평가는 결코 허수아비가 아닙니다.
이는 엄격한"전 조건 통과" 메커니즘을 채택하여, 모델이 한 과제의 모든 평가 조건을 충족해야만 통과하며, 하나라도 빠지면 안 됩니다.
과제 설계도 직접 로펌의 업무 위임에 맞춰져 있습니다:Agent에게 하나의 요구 사항과 고객 자료를 주고, 바로 검토에 쓸 수 있는 문서를 정리해 내도록 합니다.
그중 Harvey LAB 첫 버전만 해도1,200개가 넘는로펌 업무 시뮬레이션 과제가 설정되어 있으며, M&A, 지식재산권, 은행·금융 등24개법률 비즈니스 분야를 망라합니다.
이는 모델이 자료를 읽고, 도구를 호출하고, 규칙에 따라 결과를 제출하기까지 이 모든 과정에서 실수가 없어야만 여기서 좋은 점수를 받을 수 있음을 의미합니다.
그리고 성적 외에도, 테스트 비용 청구서의 대비가 주목할 만합니다.
성적이 비슷한 상황에서, GLM-Legal은 Gemini 4 Argon보다 거의30분느렸지만, Gemini의 테스트당 비용은 GLM-Legal의 약70배：
이 결과는 어쩌면 우리에게도 법률 업무 파트너를 고를 때 성적, 비용, 시간을 함께 고려해야 한다는 점을 일깨워주는 것일지도 모른다.
그렇다면 GLM-Legal은 대체 어떻게 훈련된 것일까?
답은 어쩌면 지푸(智谱)가 마련한 일련의 육성 경로 속에 숨어 있을지도 모른다.
AI에게 법률을 읽히는 것뿐만 아니라 '로펌'에 보내 실습까지 시키다
지푸가 GLM-Legal에게 정해준 성장 로드맵은 한 문장으로 요약할 수 있다:
먼저 '로스쿨'에 보내고, 그다음 '모의 로펌'에 데려가 실전 연습을 시킨다는 것이다.
첫 단계에서 GLM-Lega는 GLM-5.3-Flash 기반 모델 위에서 법률 코퍼스 중간 훈련을 진행하며, 법률 개념, 법조문, 분석 방법을 학습해 전문적 기초를 다진다.
두 번째 단계에서 GLM-Lega는 수만 개의 법률 태스크 환경에서의 강화 학습을 통해 자료 읽기, 분석 수행, 태스크 추진, 결과물 납품을 끊임없이 연습해야 한다.
동시에 팀은 Agent 실행 프레임워크를 지속적으로 개선하며 자료 정리, 도구 연결, 피드백 흐름을 다듬어 모델과 작업 환경이 함께 조화를 이루도록 하고 있다.
낯익은가? 낯익다면 정답이다!
이것이 바로 우리 법학도들이 거쳐온 레벨업 실록이 아니겠는가?!
먼저 대학 로스쿨에 진학해 미친 듯이 책을 파고들며 내공을 쌓고, 그다음 3학년과 4학년 때 로펌에 뛰어들어 실습 노예 신세가 되고, 마지막으로 몇 년을 버티고 심지어 계속 상위 시험에 도전한 뒤에야 이름 없는 초보에서 믿음직한 변호사로 진화할 수 있다.
AI가 지금 걷고 있는 길은 바로 우리가 그 시절 걸어왔던 바로 그 길이다!
다만 GLM-Lega는 아직 상대적으로 미숙한 실습생 단계에 불과하므로, 처음부터 파트너 수준에 도달하리라고 기대할 수는 없다.
어쨌든 지푸의 이 '법률 전문가'는 아직 계속 검증해야 할 부분이 많고, 19.2%의 전체 통과율은 엄격한 채점 조건에서 대다수 과제를 아직 전부 충족하지 못했음을 의미하며, 현재로서는 향상 여지가 크다.
이는 지푸의 현재 움직임과도 정확히 맞닿아 있다:
로펌, 법률 테크 기업, 기업 법무팀 및 독립 개업 변호사에게 GLM-Legal Beta 신청을 초청하고, 전문가들이 사용해 보고 피드백을 제공하며 함께 모델을 다듬도록 하는 것;
동시에 지푸는 관련 역량을 AutoClaw에 접목해 실제 응용을 추진할 계획이다.
이야, 이 배후에는 명확한 신호가 담겨 있다:
지푸는 법률을 가장 잘 아는 전문가들과 함께 GLM-Lega를 다듬고 있으며, 그 목표는 분명하다. 바로 장래에 변호사의 손안에서 든든한 보조 도구가 되도록 만드는 것이다.
그리고 앞으로 지푸가 이 비전을 정말 실현할 수 있을지도 기대해볼 만하다.
one more thing
사실 지푸가 법률 모델 경쟁에 뛰어든 것은 충동적인 결정이 아니다.
일찍이 2023년에 지푸는 스마트 계약 등 업무에 특화된 법률 테크 기업 미률지능(MiLaw)과 협력해 ChatGLM-130B 프레임워크를 기반으로 천억 파라미터급 법률 수직 모델을 공동 개발해 출시했는데PowerLawGLM, 법률 상담, 계약 작성 및 검토 등의 시나리오를 다뤘다.
이후 지푸는 기존 주주로서 미률지능의 전략적 투자 유치와 약 8000만 위안 규모의 Pre-B 라운드 투자에 지속적으로 참여했다.
그리고 범용 모델을 '법학 공부'시킨 것은 지푸만이 아니다.
이미 올해 8월에 Harvey는 Fireworks와 손잡고 Kimi K3를 베이스로 자체 법률 모델을 후학습(post-training)했는데, 그것이 바로Tenet。
Harvey에 따르면, 특화 훈련 후 이 모델이 완료한 LAB 홀드아웃 과제 수는 베이스 모델의 거의 두 배에 달하며, 비용은 안정적으로 유지되었다.
이러한 탐색은 업계에 몇 가지 새로운思路, 즉 다음과 같은 생각을 제시해줄 수 있다:
적합한 범용 베이스를 선택한 뒤, 전문 과제·산업 데이터·작업 환경으로 계속 훈련하면 모델의 능력을 한 단계 더 앞으로 밀어붙일 기회가 여전히 있다.
그리고 앞으로 누가 모델의 '전공 과목'을 더 탄탄히 가르치고 '모의 로펌'을 더 실용적으로 구축해 실제 업무에서 쓸 수 있는 실력을 더 많이 길러낼 수 있느냐가, 이 부류의 사용자들에게 진정한 인정을 받는 열쇠가 될지도 모른다.
참고 링크:
[1]
https://x.com/Zai_org/status/2109678174468534511?s=20
[2]
https://z.ai/blog/glm-legal
[3]
https://x.com/ValsAI/status/2109678921017168061
[4]
https://www.harvey.ai/blog/introducing-harveys-legal-agent-benchmark?utm_source=chatgpt.com
[5]
https://media.qimingpian.cn/2023/06/29/bd6b454d1bf2400827f682a6c5e7eacf.html?utm_source=chatgpt.com