北京
让AI替中小企业做账报税，这事现在能成吗？一个真实的测试结果刚出来：开源模型GLM 5.2在处理一家英国小公司的季度增值税申报时，交出的答卷几乎和人工会计一样准——但花掉的成本，只有人工费用的零头。
具体来说，我们给GLM 5.2安排的任务是：为一间英国小型企业准备季度增值税申报表。在英国，注册了增值税的中小企业每个季度都得做这件事，通常会外包给外部会计师事务所，一个季度的服务费大约在750到2100英镑之间——换算过来就是1000到2800美元。法律还规定，必须在季度结束后的五周内完成提交，超时就面临大额罚款。
这次测试里，GLM 5.2处理了59笔交易，耗时68分钟。整个过程的原始算力消耗折算成金钱，只有2.73美元。模型需要逐笔把交易数据录入到云端会计软件里，操作界面是一个命令行工具。我们检查了软件里每一笔交易的最终状态，按六个维度的准确性来评分。结果是：生成的增值税申报表本质上是对的，只有一个几乎可以忽略的偏差——应纳税净额比标准答案少了7便士，折合美元大约一毛钱。
这个测试基准是怎么搭起来的？我们先用了Claude Fable 5来从会计软件里提取交易数据和对应的收据，作为题目素材。取的是Vineyard Finance这间公司2026年第一季度的账本，也就是一月、二月、三月这三个月的记录。这些账本来就是人工按正规流程做的：一个人负责记，另一个人负责审。而且，人工会计的工作范围比这次给模型的任务要宽得多——人还得自己从邮箱里翻发票，或者找供应商索要单据，碰到银行流水和发票本身看不出头绪的情况，还得自己动脑子推敲。这些需要额外判断的场景，在测试里是以“用户备注”的形式喂给模型的。
运行环境方面，GLM 5.2跑在谷歌云平台的一个实例上，跟整个测试环境的其他部分是隔离的，确保它看不到标准答案。但它能联网，也能访问云端会计软件，命令行工具也提前做好了身份验证。模型用一个极简的定制化控制程序来驱动，只给了两个工具：一个是执行命令的bash工具，另一个是结束任务并提交最终报告的工具。模型服务由Fireworks AI的无服务器推理平台提供，具体的量化精度供应商没有透露，据信是FP16或者FP8。审计模型推理过程和工具使用记录时，没有发现明显的作弊行为。唯一一次让人意外地用到互联网连接，是模型自己去查了反向征收增值税的记账规则。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
