- GLM Legal 오픈소스 모델은 Hugging Face의
law-llm조직에서 호스팅됩니다 - 두 가지 변형:
law-glm-10b와law-glm-10b-v2, 둘 다 100억(10B) 파라미터 규모의 법률 도메인 모델입니다 - 모델 페이지에 Apache-2.0 라이선스가 명시되어 있어, 조건을 준수하는 광범위한 연구 및 상업적 사용이 가능합니다
- 총 39.5 GB의 파일 크기로 인해 로컬 배포 시 스토리지와 GPU를 신중히 계획해야 합니다
- 공식 웹사이트는 확인되지 않았으며, Hugging Face와 GitHub가 검증된 접근 경로입니다
GLM Legal 오픈소스가 실제로 의미하는 것
GLM Legal 오픈소스라는 용어는 Hugging Face의 law-llm 조직에서 공개된 법률 도메인 언어 모델, 즉 law-glm-10b와 law-glm-10b-v2를 가장 정확하게 설명합니다. 이 모델들은 GLM 아키텍처를 기반으로 하며, 해당 모델 패밀리의 업스트림 코드는 THUDM/GLM GitHub 저장소에서 관리됩니다.
GLM Legal 브랜딩을 가진 두 가지 서로 다른 대상을 구분하는 것이 중요합니다: Hugging Face의 오픈소스 모델 가중치와 Z.ai 공식 채널에서 소개되는 상업용 법률 AI 제품인 GLM-Legal입니다. 오픈소스 릴리스는 개발자와 연구자에게 모델 파일에 대한 직접적인 접근을 제공하며, 상업용 제품은 공식 상담을 통해 이용합니다. 이 둘을 혼동하면 라이선스, 지원, 배포에 대한 잘못된 가정을 하게 됩니다.
"GLM Legal"은 law-glm-10b 모델 패밀리에 대한 커뮤니티 콘텐츠 명칭으로 보는 것이 가장 적절하며, 확인된 공식 상업 제품명이 아닙니다. Z.ai, ChatGLM 또는 기타 법률 AI 제품을 이 오픈 가중치의 공식 사이트로 취급하지 마세요.
검증된 오픈소스 현황은 다음과 같습니다:
| 리소스 | 위치 | 상태 |
|---|---|---|
| law-glm-10b 모델 페이지 | Hugging Face | 공개, Apache-2.0 명시 |
| law-glm-10b-v2 모델 페이지 | Hugging Face | 공개, Apache-2.0 명시 |
| 업스트림 GLM 코드 | GitHub - THUDM/GLM | 오픈 저장소 |
| LawGLM 연구 프로젝트 | GitHub - MetaGLM/LawGLM | 연구 지향 오픈소스 |
모델 변형 및 주요 사양
두 공개 변형 모두 동일한 100억(10B) 파라미터 규모를 공유하지만, 법률 도메인 파인튜닝 작업의 서로 다른 릴리스 이터레이션을 나타냅니다. 아래 표는 모델 페이지에서 확인된 사양을 정리한 것입니다.
| 사양 | law-glm-10b | law-glm-10b-v2 |
|---|---|---|
| 파라미터 | 10B | 10B |
| 아키텍처 | GLM 기반 법률 모델 | GLM 기반 법률 모델 |
| 명시된 라이선스 | Apache-2.0 | Apache-2.0 |
| 모델 파일 크기 | 약 39.5 GB | 약 39.5 GB |
| 주요 도메인 | 중국어 법률 텍스트 | 중국어 법률 텍스트 |
| 호스트 | Hugging Face law-llm 조직 | Hugging Face law-llm 조직 |
문서 이해
- 법률 용어 파싱
- 법령 및 판례 텍스트 처리
- 구조화된 독해 작업 지원
법률 Q&A
- 중국어 법률 질문
- 인용 중심 답변
- 인스트럭션 튜닝 형식
연구 워크플로우
- 로컬 배포 가능
- 프롬프트 기반 실험
- 모델 페이지의 커뮤니티 토론
모델 페이지의 최근 월간 다운로드 수는 낮게 나타납니다. 이는 모델 품질이 아니라 틈새 연구 사용자층을 반영하는 것이며, 현재 사용 논의에 대한 최선의 신호는 Hugging Face 커뮤니티 탭의 활동입니다.
Apache-2.0 라이선스: 할 수 있는 것과 없는 것
두 모델 페이지에 명시된 Apache-2.0 라이선스는 가장 관대한 오픈소스 라이선스 중 하나이지만, 책임감 있는 배포를 위해서는 그 조건을 이해해야 합니다.
| 사용 사례 | Apache-2.0에서 허용 | 주의할 조건 |
|---|---|---|
| 학술 연구 | 예 | 라이선스 고지 유지 |
| 상업 제품 | 예 | 제공된 경우 NOTICE 파일 포함 |
| 가중치 재배포 | 예 | 저작권 및 라이선스 텍스트 보존 |
| 수정 및 파인튜닝 | 예 | 중요한 변경 사항 문서화 |
| 상표 사용 | 아니요 | 프로젝트 이름 및 표장은 라이선스되지 않음 |
Apache-2.0은 상업적 사용을 허용하지만, 특히 법률 AI의 경우 자체 면책 조항을 추가해야 합니다: 모델 출력은 법률 자문이 아니며, 실무에 사용되는 모든 출력은 유자격 전문가의 검토를 받아야 합니다. 라이선스는 코드와 가중치를 포괄할 뿐, 법률 콘텐츠의 정확성을 보증하지 않습니다.
핵심 컴플라이언스 관행에는 재배포되는 모델 파일과 함께 LICENSE 및 NOTICE 파일을 유지하는 것, 파인튜닝 중 수행한 변경 사항을 명시하는 것, 그리고 이 모델을 공식 사법 시스템이나 변호사 대체 시스템으로 절대 표현하지 않는 것이 포함됩니다.
GLM Legal 오픈소스 모델 접근 및 설정 방법
발견부터 작동하는 로컬 설정까지 이 워크플로우를 따르세요.
모델 페이지 검토
Hugging Face에서 law-glm-10b과 law-glm-10b-v2의 모델 카드를 읽고, 배포 논의와 알려진 문제를 위해 커뮤니티 탭도 확인하세요.
환경 준비
Python, PyTorch, Transformers 라이브러리를 설치하세요. 모델 파일을 위해 약 40 GB의 여유 스토리지와 100억(10B) 파라미터 추론에 충분한 VRAM을 갖춘 GPU가 있는지 확인하세요.
모델 파일 다운로드
Hugging Face 저장소에서 가중치를 다운로드하되, 작업에 맞는 변형을 선택하세요. 가중치와 함께 라이선스 및 고지 파일을 보관하세요.
trust_remote_code로 로드
GLM 패밀리 모델은 일반적으로 로드 시 trust_remote_code=True 파라미터가 필요합니다. 활성화하기 전에 커스텀 코드를 검토하세요. 해당 코드가 사용자 환경에서 저장소 코드를 실행하기 때문입니다.
법률 프롬프트로 테스트
좁은 범위의 문서 기반 법률 질문으로 시작하고, 출력을 원본 자료와 대조하여 검증한 후, 정확도를 확인한 뒤에만 작업 복잡도를 확장하세요.
trust_remote_code 플래그는 서드파티 모델링 코드를 로컬에서 실행합니다. 먼저 저장소의 코드를 감사하고, 민감한 법률 문서를 다룰 때는 격리된 환경에서 추론을 실행하세요.
배포 준비 체크리스트
배포 전 확인 사항:
- Apache-2.0 라이선스 및 NOTICE 파일이 보존되어 있는지 확인
- GPU 메모리가 10B 모델 추론 요구 사항을 충족하는지 확인
- trust_remote_code 활성화 전 커스텀 모델링 코드 감사
- 모든 법률 출력에 대한 인간 검토 체계 수립
- 출력이 법률 자문이 아님을 명시하는 명확한 면책 조항 추가
- 인용 및 출처 검증을 위한 로깅 설정
오픈 가중치를 검색 파이프라인, 인용 추적, 필수 변호사 검토와 결합하는 팀은 순수 생성에만 의존하는 팀보다 일관되게 더 신뢰할 수 있는 결과를 얻습니다.
FAQ
Q: GLM Legal 오픈소스는 상업적으로 무료로 사용할 수 있나요?
모델 페이지에는 Apache-2.0이 명시되어 있어, 라이선스 고지를 유지하고 변경 사항을 문서화하는 조건 하에 상업적 사용, 재배포, 수정이 허용됩니다. 법률 면책 조항 및 출력에 대한 전문가 검토의 책임은 사용자에게 있습니다.
Q: law-glm-10b와 law-glm-10b-v2의 차이점은 무엇인가요?
둘 다 law-llm 조직 아래 약 39.5 GB의 파일을 가진 100억(10B) 파라미터 GLM 기반 법률 모델입니다. v2 페이지는 이후 릴리스 이터레이션을 나타내며, 버전별 세부 사항은 각 모델 카드와 커뮤니티 탭을 확인하세요.
Q: GLM Legal 오픈소스 가중치는 어디서 다운로드할 수 있나요?
공식 Hugging Face 페이지인 law-llm/law-glm-10b와 law-llm/law-glm-10b-v2에서 다운로드할 수 있습니다. 업스트림 GLM 코드는 GitHub의 THUDM/GLM에서 이용 가능합니다.
Q: 이 모델을 실행하려면 trust_remote_code가 필요한가요?
GLM 패밀리 모델은 일반적으로 Transformers에서 trust_remote_code=True가 필요합니다. 이는 저장소 코드를 로컬에서 실행하므로, 먼저 코드를 감사하고 민감한 워크로드에는 격리된 환경을 사용하세요.