Z.ai GLM-Legal: โมเดล AI กฎหมายแซงหน้าคู่แข่งบน Harvey LAB
Z.ai เปิดตัว GLM-Legal โมเดลปัญญาประดิษฐ์ด้านกฎหมายที่สร้างขึ้นบนพื้นฐานของ GLM-5.3-Flash ทำคะแนน all-pass 19.2% บน Harvey LAB
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- Z.ai เปิดตัว GLM-Legal โมเดล AI ด้านกฎหมายรุ่นใหม่ที่พัฒนาต่อยอดจาก GLM-5.3-Flash
- ทำคะแนน all-pass บน Harvey’s Legal Agent Benchmark สูงถึง 19.2% ซึ่งสูงกว่ารุ่นพื้นฐานเกือบ 3 เท่า
- มีค่าใช้จ่ายในการทดสอบเพียง 0.15 ดอลลาร์สหรัฐต่อครั้ง และเปิดให้เข้าใช้งานผ่านทางการสมัครเท่านั้น
Z.ai ได้สร้างความฮือฮาให้กับวงการปัญญาประดิษฐ์ด้วยการพัฒนา GLM-Legal โมเดล AI เฉพาะทางด้านกฎหมายที่ขับเคลื่อนด้วยโครงสร้างพื้นฐาน GLM-5.3-Flash โมเดลนี้ถูกออกแบบมาเพื่อรับมือกับงานด้านกฎหมายที่มีความซับซ้อนสูง โดยสามารถทำผลงานได้อย่างโดดเด่นบนเกณฑ์มาตรฐานระดับอุตสาหกรรมอย่าง Harvey’s Legal Agent Benchmark จนสามารถเอาชนะคู่แข่งสำคัญอย่าง Claude Fable 5 และ Kimi K3 ได้สำเร็จ
จากการประเมินประสิทธิภาพบน Harvey LAB โมเดล GLM-Legal สามารถทำคะแนนแบบ all-pass ไปได้ที่ 19.2% ตัวเลขดังกล่าวสะท้อนให้เห็นถึงประสิทธิภาพที่ก้าวกระโดด เนื่องจากถือว่าสูงกว่ารุ่นพื้นฐาน (base model) ของมันเองถึงเกือบ 3 เท่าตัว ซึ่งตอกย้ำให้เห็นถึงศักยภาพในการพัฒนา AI ให้มีความแม่นยำและเข้าใจบริบททางกฎหมายได้ดียิ่งขึ้น
ในด้านความคุ้มค่าและความเข้าถึงได้ Z.ai กำหนดราคาค่าใช้จ่ายในการทดสอบโมเดล GLM-Legal นี้ไว้ที่ 0.15 ดอลลาร์สหรัฐต่อการทดสอบหนึ่งครั้ง ทำให้เป็นหนึ่งในเครื่องมือ AI ทางกฎหมายที่มีความคุ้มค่าสูงในการประเมินผล อย่างไรก็ตาม สำหรับผู้ที่สนใจใช้งานในขณะนี้ยังไม่เปิดให้บริการแบบสาธารณะ โดยผู้ใช้งานที่ต้องการเข้าถึงจะต้องยื่นใบสมัครเพื่อขออนุมัติการใช้งาน (Access is by application) ก่อนเท่านั้น
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
การที่โมเดล AI เฉพาะทางอย่าง GLM-Legal สามารถทำคะแนนแซงหน้าคู่แข่งในเกณฑ์มาตรฐานของ Harvey LAB ได้ แสดงให้เห็นถึงเทรนด์การพัฒนา AI ที่มุ่งเน้นความเชี่ยวชาญเฉพาะด้าน (Domain-Specific AI) มากกว่าโมเดลอเนกประสงค์ทั่วไป การแข่งขันในตลาดกฎหมายนี้บ่งบอกว่าองค์กรด้านกฎหมายในอนาคตจะมีเครื่องมือที่แม่นยำและช่วยประหยัดต้นทุนในการวิเคราะห์เอกสารทางกฎหมายที่ซับซ้อนได้อย่างมีนัยสำคัญ
ที่มา: MarkTechPost
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น