Model AI bobot mbukak nutup ing saingan wates tertutup ing karya akuntansi ing donya nyata, miturut asil paling anyar saka Akuntansi AI Benchmark sing dikelola dening perusahaan akuntansi AI DualEntry - karo Google Gemini 4 Argon anjog sakabèhé lan model mbukak Cina ngirim akurasi meh padha kanggo bagian sekedhik saka rega.

Patokan kasebut, sing dilindhungi dening Yahoo Finance miturut judhul sing model AI mbukak-sumber "nyekel" kanggo sing ditutup ing karya akuntansi, nguji model utama ing 101 tugas ing wolung area akuntansi, saka klasifikasi transaksi lan entri jurnal nganti rekonsiliasi, laporan keuangan, lan penutupan akhir wulan. Saben model dianggo saka buku perusahaan sing padha, nampa instruksi sing padha, lan nduweni akses menyang alat akuntansi sing padha, kanthi saben model mlaku kaping telu kanggo ngukur konsistensi. For more context on this story, see our ongoing AI trends.

Gemini 4 Argon Mimpin, nanging Longkangan Iku Tipis

Gemini 4 Argon paling dhuwur ing leaderboard kanthi akurasi 91,1%, ngrampungake tugas kanthi rata-rata 18 detik kanthi biaya $0,115 saben tugas, kanthi skor konsistensi paling apik ing model apa wae kanthi 86,1%.

Nanging paket mburu cedhak - lan murah banget. Z.ai's open-weight GLM-5.3 Flash ngetung 88.1%, diikat karo xAI's Grok 4.7, nalika regane mung $0.006 saben tugas, kira-kira 5% saka model unggulan Google. Kimi K3.1 Pro, model bobot mbukak liyane saka Moonshot AI, ngetutake 86,1%, nggawe rong model mbukak ing antarane papat pemain paling dhuwur.

Claude Fable 5.1 Anthropic ngirim 85.1% ing $ 1.18 saben tugas - model paling larang sing diuji - nalika Claude Opus 5.5 ngetung 82.2% ing $ 0.452. GPT-6 Astra OpenAI tekan 81,2% kanthi $0,494 saben tugas.

Crita Biaya Iku Headline Nyata

Nomer starkest ing asil bisa uga DeepSeek kang. DeepSeek V4.1 Flash ngetung 84,2% ing $0,003 saben tugas, miturut Takeaways tombol DualEntry - dibandhingake Claude Fable 5,1 ing 85,1% lan $1,18 saben tugas. Sing kira-kira 400 kaping biaya kanggo skor kurang saka siji titik luwih.

Biaya saben tugas beda-beda banget sanajan ing antarane model kanthi akurasi sing padha, cathetan panulis pathokan, nuduhake manawa perusahaan sing ngotomatisasi alur kerja pembukuan bisa nyuda tagihan inferensi kanthi urutan gedhene mung kanthi milih model sing cocog kanggo tugas kasebut.

Ing ngendi model isih berjuang

Akuntansi ora dadi masalah sing bisa ditanggulangi kanggo laboratorium perbatasan. Kinerja beda-beda banget miturut area tugas: model rata-rata 93.5% ing klasifikasi transaksi nanging mung 64.7% ing rong wilayah sing paling angel, piutang akun lan tutup akhir wulan. Panyebaran paling amba katon ing piutang, ing ngendi skor antara 41,7% nganti 91,7%.

Ora ana model tunggal sing didominasi. Kimi K3.1 Pro ngalahake Gemini 4 Argon ing rekonsiliasi bank, nyetak 100% sampurna nglawan Google 75%, nalika Kimi K3 mimpin penutupan akhir wulan kanthi 91,7%. Gemini 3.8 Flash minangka model mung sing ngirim skor sampurna ing entri jurnal. Saben model dites aced pitakonan accounting-kawruh macem-macem-pilihan pathokan, skor 100%.

Konsistensi uga diverged saka akurasi mentahan: Grok 4,7 diikat kanggo kaloro ing akurasi ing 88,1% nanging rampung kabeh telung mlaku kasil ing mung 74,3% saka tugas, nalika Claude Fable 5,1 luwih konsisten ing 80,2% senadyan skor akurasi ngisor.

Pengakuan Minat - lan Sinyal kanggo AI Perusahaan

DualEntry, sing mbangun piranti lunak akuntansi asli AI, nerbitake pathokan kanggo nampilake model lanskap kanggo domain dhewe, mula perusahaan kudu dianggep minangka salah sawijining titik data tinimbang pengadilan banding pungkasan sing netral. Metodologi kasebut paling ora transparan: buku sing padha, alat sing padha, instruksi sing padha, telu mlaku saben model, kanthi asil, biaya, lan durasi diterbitake saben tugas.

Isih, pola kasebut nyuarakke apa sing ditampilake evaluasi independen ing domain liyane: tingkat bobot mbukak - dipimpin dening kulawarga GLM Z.ai, model Kimi Moonshot, lan DeepSeek - saiki ana ing sawetara titik persentase saka wates tertutup ing karya profesional terstruktur, kanthi biaya sing nggawe penyebaran volume ora pati penting. Kanggo perusahaan akuntansi lan tim keuangan sing ngevaluasi agen AI, label perbatasan bisa uga ora larang regane.

Rincian Konco Peringkat

Rincian saben tugas nuduhake carane model gagal. GLM-5.3 Flash cocog karo Gemini 4 Argon ing laporan keuangan ing 100% lan ngetung 92.3% ing loro klasifikasi transaksi lan entri jurnal, nanging ambruk kanggo 75% ing rekonsiliasi bank lan akun receivable. Gemini 4 Argon, dening kontras, dikirim skor sampurna ing klasifikasi transaksi lan laporan financial lan mimpin akun receivable ing 91,7% - durung ngatur mung 75% ing rekonsiliasi bank, tugas Kimi K3.1 Pro aced.

Sing inkonsistensi antarane jinis tugas penting kanggo praktisi. Tim keuangan sing ngotomatisasi pamrosesan invoice ngadhepi pilihan model sing beda banget tinimbang siji otomatis nutup akhir wulan, lan data tingkat area pathokan nuduhake model "paling apik" gumantung saka entri buku sing dominasi beban kerja.

Napa Akuntansi Iku Bed Test Migunani

Akuntansi wis muncul minangka bukti sing disenengi kanggo AI agen amarga wis kabentuk, bisa diverifikasi, lan ora ngapura: entri jurnal saldo utawa ora. Ora kaya arena chatbot sing menehi ganjaran prosa sing lancar, pathokan adhedhasar tugas ing domain iki ngukur manawa model bisa ngetutake instruksi multi-langkah, nggunakake alat eksternal kanthi bener, lan supaya ora nggawe nomer - kemampuan sing padha sing dibutuhake perusahaan kanggo otomatisasi kantor mburi.

Kaca kasebut nggambarake asile minangka "babak saiki," kanthi kabeh model dievaluasi miturut rilis pathokan sing padha, lan babak kasebut wis kalebu rong puluh model sing kalebu lab AS lan China. Yen kurva biaya ing babak iki terus - akurasi wates ing prices komoditas - longkangan praktis antarane model mbukak lan ditutup ing karya kawruh profesional bisa rauh diukur ing dolar tinimbang TCTerms.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →