GLM 法律能力全景实测（GLM Law）：法条检索、案例检索、合同审查、文书起草四大能力一手评测

GLM 法律能力（GLM Law），指 GLM 系列模型在法条理解、类案分析、合同审查和法律文书起草等法律任务上的理解与执行能力。智谱体系对法律场景的投入由来已久——2023 年 PowerLawGLM 法律大模型即基于 ChatGLM-130B 联合研发；今天的 GLM-5 系列在法律文本理解上更进一步，并已搭载进 AutoClaw 桌面端，配合法律检索工具链形成完整工作流。这篇文章不做功能罗列，而是用四个真实任务实测它：每一条法条引用都回查原文，每一个案例都能对上案号，同时如实标注能力的边界。

实测环境与归因说明：实测对象是 AutoClaw 法律助手（GLM 系列模型，桌面端）的完整法律工作流。其中分工必须说清楚：找条文、找案例是检索层的事——由内置的华宇元典、北大法宝法律数据库完成，覆盖约 42,700 部法律法规、148 万条法条、7,860 万篇裁判文书（2010—2025）、2,953 万篇行政处罚决定（2000—2026），案例-法条引用关系约 4.8 亿条，每条检索结果均带溯源；理解问题、提炼裁判规则、组织审查意见、起草文书是 GLM 模型的事。本文所有实测结论均按此归因标注，不把数据库的检索能力说成模型的生成能力。检索日期 2026 年 10 月 2 日。四个实测任务分别对应法律助手官方五大能力中的法律检索、合同审批与文书起草。

一句话结论先给：在「检索层找原文、GLM 懂法律」的组合工作流下，法条引用准确、案例真实可回溯、合同审查能落到具体条款和真实判例；但输出全部是初稿性质，最终使用必须人工复核——这不是免责套话，文章最后会引用最高人民法院 2026 年 9 月的新规说明为什么。

一、实测任务一：法条检索——「违约金约定太高，能不能请求法院调减？」

这是合同纠纷中最常见的问题之一。我们以自然语言直接提问，不做关键词拆解。

检索返回（节选，均为现行有效版本）：

《最高人民法院关于适用〈中华人民共和国民法典〉合同编通则若干问题的解释》（2023 年 12 月 5 日起施行，现行有效）第六十五条：

当事人主张约定的违约金过分高于违约造成的损失，请求予以适当减少的，人民法院应当以民法典第五百八十四条规定的损失为基础，兼顾合同主体、交易类型、合同的履行情况、当事人的过错程度、履约背景等因素，遵循公平原则和诚信原则进行衡量，并作出裁判。 约定的违约金超过造成损失的百分之三十的，人民法院一般可以认定为过分高于造成的损失。 恶意违约的当事人一方请求减少违约金的，人民法院一般不予支持。

同一检索还命中了该解释第六十四条（调整方式与举证责任分配：违约方主张过高应承担举证责任；「约定不得调整违约金」的条款不影响法院调整）。

这一步的价值不在「找到了条文」，而在三件容易被忽略的事：

1. 时效核验：返回结果带效力标记。合同编通则解释现行有效、2023 年 12 月 5 日施行——而不是百度百科或过时博客里可能存在的征求意见稿或旧版表述。
2. 裁判规则提炼（GLM 模型层）：模型把第 65 条第二款提炼成可操作的判断标准——「超过实际损失 30%，一般可认定为过分高于」，这正是法官实际掌握的尺度。
3. 反向提示（GLM 模型层）：第 65 条第三款「恶意违约一般不予支持调减」和第 64 条的举证责任分配，是普通检索容易漏掉、但直接决定案件策略的内容。

二、实测任务二：案例检索——房屋租赁中途退租，违约金法院怎么调？

法律检索的真正需求是「跟我案情像的案子怎么判的」。我们用一段案情描述做语义检索：承租人中途退租，合同约定的违约金过高，请求法院调减。

返回 5 个真实二审生效判决（节选）：

（以上案号、法院、日期与裁判结果均来自本次检索返回的裁判文书摘要，每条附原文链接可回溯；具体个案援引请点开核对全文。发布时表格需适配移动端横向滚动。）

归纳裁判规则（要旨归纳，非法律意见）：

• 法院普遍以实际损失为基础（空置期租金、重新招租成本），不按合同约定额机械支持；
• 多重责任叠加（剩余租金+高额违约金+滞纳金）几乎必然被认定过分高于损失；
• 「超过损失 30%」是常见参照线（与任务一的第 65 条第二款互相印证）；
• 恶意违约方请求调减一般不被支持；
• 注意深圳案的时间效力问题：民法典施行前的合同纠纷适用当时合同法及其司法解释——连「适用哪部旧法」本身都是检索要点。

这一组结果同时回答了「GLM 法律检索靠不靠谱」的核心疑虑：返回的不是模型背诵的「大概有个案例」，而是带案号、带法院、带日期、可回溯原文的真实文书。

三、实测任务三：合同审批——一份「三重违约条款」为什么危险

拿常州案中真实出现过的条款类型做审查样本（官方能力名为合同审批，即常说的合同审查）。合同条款设定为：

「承租人逾期支付租金的，出租人有权收回房屋，承租人并应支付剩余租期全部租金、按合同总租金 30% 支付违约金，并按日租金 2 倍标准支付滞纳金。」

GLM 对条款的理解与风险组织，配合检索工作流返回的法条与判例，形成如下审查意见（依据实测输出整理；发布时随文配原始输出截图，含风险等级标注与修改建议批注）：

1. 责任叠加风险（高风险）：解除合同+剩余租金+30% 违约金+滞纳金三重叠加，司法实践中会被认定过分高于实际损失——直接援引真实判例佐证：（2025）苏04民终4920号中同类条款被二审调至 50,000 元；
2. 30% 规则提示：依合同编通则解释第六十五条第二款，超过实际损失 30% 的部分一般会被调减，条款名义金额与可执行金额之间存在显著差距；
3. 条款无效力约定提示：即使合同写明「双方确认违约金合理、不得要求调整」，依第六十四条第三款，法院仍不予支持该主张——这类「保险条款」没有实际效力；
4. 立场化提示（出租方视角）：为避免条款被大幅调减，可改为分层设计（如：合理期限内寻找替代承租人的租金损失+实际必要成本），并保留损失证据（空置记录、招租记录）；同时注意第六十五条第三款：若对方属恶意违约，调减请求一般不予支持——证据留存同样重要；
5. 举证责任提示：依第六十四条第二款，主张调减的违约方对「过分高于」承担举证责任——审查意见同步标注了双方各自的举证清单。

这份审查意见的关键特征：每一条风险都挂着法条原文和真实案号，而不是「可能存在风险，建议咨询律师」式的正确废话。这正是「GLM 理解能力 × 检索核验工具链」组合的意义。

四、实测任务四：文书起草——民事起诉状的法定结构与一个时效陷阱

任务：起草一份房屋租赁纠纷（承租人拖欠租金）的民事起诉状。GLM 生成的文书骨架如下（要素完整度实测结果；发布时配 .docx 成品截图）：

民事起诉状（骨架节选） 原告：×××，性别/出生日期/民族/职业/工作单位/住所/联系方式…… 被告：×××，…… 诉讼请求：一、判令被告支付拖欠租金×××元；二、判令被告以实际损失为基础支付违约金（参照类案裁判规则，不按合同约定额全额主张）；三、本案诉讼费用由被告承担。 事实与理由：……（引用经检索核验的现行有效条文：民事诉讼法第一百二十二条、第一百二十四条） 证据和证据来源：1. 《房屋租赁合同》；2. 租金支付记录；3. 催告记录…… 致送：×××人民法院 具状人：××× 年月日

先看法定结构（本次检索核验，均为现行有效）：

• 《中华人民共和国民事诉讼法》（2023 修正，2024 年 1 月 1 日施行）第一百二十二条规定起诉的四个条件（原告适格、有明确被告、具体诉请和事实理由、属于受诉法院管辖）；
• 同法第一百二十四条规定起诉状应记明的事项：原告信息（姓名/性别/年龄/民族/职业/工作单位/住所/联系方式，法人则为其名称/住所/法定代表人及职务/联系方式）、被告信息、诉讼请求和所根据的事实与理由、证据和证据来源及证人信息；
• 《最高人民法院关于人民法院登记立案若干问题的规定》（2015 年 5 月 1 日施行，现行有效）第四条对起诉状记载事项作了对应细化，并明确行政起诉状参照书写。

实测中抓到一个真实陷阱：网上流传的大量「起诉状格式说明」引用的仍是修正前的条文序号（如「依据民事诉讼法第一百二十条、一百二十一条」）——民诉法历经多次修正，条文序号已整体顺延。如果按旧序号模板引用法条，轻则被法院要求补正，重则显得文书不专业。GLM 配合带时效标记的检索工具，生成时直接采用现行条号并附「2023 修正、2024 年 1 月 1 日施行」的版本标注——这正是法律 AI 与「背法条的聊天机器人」的本质区别。

生成的起诉状要素完整，违约金请求部分按实测任务二的裁判规则给出了「以实际损失为基础主张」的策略备注。

五、能力边界：最高法 2026 年新规为什么要求「核实并说明」

四个实测做下来，GLM 法律能力的边界同样清晰：

1. 检索类任务（法条/案例）：在带时效核验的工具链下表现最稳，输出可回溯、可验证；
2. 审查与起草类任务：框架和风险识别可靠，但事实认定、证据取舍、诉讼策略必须由法律专业人员判断；
3. 引用核验是底线：模型仍可能生成看似合理但未经检索支撑的表述，所有引用必须回查原文。

这不是我们的免责声明，而是监管要求：最高人民法院 2026 年 9 月 7 日发布《关于依法审理涉人工智能纠纷案件的意见》（法发〔2026〕10号），明确诉讼参与人对人工智能生成的诉讼文书、案例检索报告等材料负有核实说明义务，提交法庭前应当认真核实相关法律、司法解释及案例等内容的真实性、准确性（最高法发布公告 https://www.court.gov.cn/zixun/xiangqing/511101.html ；答记者问全文 https://www.court.gov.cn/zixun/xiangqing/511111.html ）。答记者问同时披露：人民法院已发现多起利用 AI 生成的虚假案例提交法庭。脱离权威数据库检索、纯靠模型背诵输出法律内容，正是这类事故的主要来源——前文提到的「旧条号模板」流传问题与虚假案例问题都印证了这一点。用 AI 做法律工作，「生成—人工核实—说明辅助情况」是新规下的标准动作。

六、四大能力实测评估总表

FAQ

Q：GLM 能直接当律师用吗？
不能。GLM 承担检索、初稿和风险提示，法律判断、事实认定和最终把关由律师/法务完成，这也是最高法法发〔2026〕10号的要求。

Q：它会不会编造法条和案号？
在「检索-核验」工作流下，本文全部引用均来自元典、北大法宝数据库的真实检索结果并可回溯原文；脱离检索工具的纯生成输出仍需警惕幻觉，务必核验。

Q：AutoClaw 里怎么用这些能力？
下载 AutoClaw 桌面端，首页左侧对话区选择「法律助手」即可，支持法律检索、合同审批、事实与材料整理、文书起草、文件脱敏五类任务，检索基于元典与北大法宝数据库并逐条溯源，见法律解决方案页（/legal/）。