谁说人工智能只能在聊天和写诗方面小试牛刀？最近一次围绕英国中小企业增值税（VAT）申报的基准测试，彻底刷新了行业认知。本次测试的主角是智谱开源模型GLM 5.2，它在处理59笔真实财务交易时，仅耗时68分钟、花费不到3美元，便将季度增值税申报表准备得井井有条——最终税额误差仅为7便士。而同样的工作交给传统会计事务所，报价通常在1000至2800美元之间，还需等待数天才能完成。这一差距，早已超越了“降维打击”所能形容的范畴。

核心要点

• 极高精确度：GLM 5.2 在英国增值税（VAT）申报任务中展现出近乎完美的精度，最终申报净额误差仅为7便士（约合10美分）。
• 成本大幅降低：处理59笔交易的Token成本仅为2.73美元，不到传统人工会计服务成本的1%。
• 高效处理能力：模型在68分钟内完成了整个季度的申报准备工作，并借助命令行工具实现了自动化录入。
• 真实数据验证：测试以Vineyard Finance 2026年第一季度的真实财务数据为基准，具有极高的参考价值。

详细分析

成本与效率的跨代飞跃

对于绝大多数英国中小企业而言，季度增值税申报是一项雷打不动的合规义务。过去，将这项工作外包给会计师事务所，每季度至少需要花费750到2100英镑。如今，一个开源模型仅用2.73美元便完成了全部任务，且全程耗时仅68分钟。这不仅仅是成本上的优势——它意味着过去需要专业会计人员反复对账、手动录入、多次核对的繁琐流程，现已转化为一条自动化流水线。对于现金流紧张、又希望在财务合规上避免踩雷的小微企业来说，这几乎是一眼可见、极具吸引力的替代方案。

极高精度的合规处理

测试对59笔交易逐一进行了评分，每笔交易涉及6个评判维度。最终，GLM 5.2在关键的“Box 5”（应交税额净值）上，与人工审核的基准数据仅相差7便士。要知道，英国税务海关总署（HMRC）对逾期或错误申报的罚款向来毫不手软。在保持高精度的前提下实现自动化处理，对中小企业而言，其实际价值不言而喻。更值得注意的是，模型不仅完成了逻辑计算，还通过命令行工具（CLI）将这些交易准确无误地录入会计软件，验证了其在真实业务流程中落地的可行性。

自动化流程的实现方式

本次基准测试的评估方式十分严谨。首先，它利用Claude Fable 5从会计软件中提取出2026年第一季度的所有交易数据和发票收据，然后交由GLM 5.2模拟会计师的角色——将这些数据重新录入系统。这种“端到端”的设计，考察的不仅是模型的逻辑推理能力，更是它能否真正理解和执行复杂的税务规则。当然，测试中也发现了一些细微错误，但整体来看，模型的表现已足以与人工会计相媲美。

行业影响

GLM 5.2的这次表现释放了一个清晰信号：在专业合规等垂直领域，开源大模型已经具备了替代高成本人工服务的潜力。这一事件的影响不仅限于冲击传统会计行业的定价体系——它预示着未来面向中小企业的自动化财务工具将大量涌现，而成本门槛将被一再拉低。更重要的是，这标志着AI正从泛泛的文本生成，迅速转向需要极致精确与严密逻辑的专业任务。而开源模型在这一进程中扮演的角色，只会越来越重要。

常见问题

GLM 5.2 在本次税务测试中的准确率如何？

在包含59笔交易的测试中，GLM 5.2表现极其出色。其计算出的季度增值税净额与人工核定的基准值仅相差7便士，在会计软件的6项评分标准下达到了“近乎完美”的水平。

使用 AI 进行增值税申报的成本优势是什么？

相比聘请外部会计师事务所每季度1000至2800美元的费用，GLM 5.2的原始Token成本仅为2.73美元，成本缩减至原来的1%以下，且能在约一小时内完成原本需要数天周转的任务。

该测试使用的是什么样的数据？

测试采用了Vineyard Finance公司2026年1月至3月（第一季度）的真实财务账目，包含59笔交易记录及相应的收据，并已由人工预先审核以作为对比基准。