AI 회계 회사인 DualEntry가 운영하는 회계 AI 벤치마크의 최신 결과에 따르면 개방형 AI 모델은 실제 회계 업무에서 폐쇄형 AI 모델에 근접하고 있습니다. Google의 Gemini 4 Argon이 전체를 주도하고 중국의 개방형 모델이 적은 가격으로 거의 동일한 정확도를 기록했습니다.

오픈 소스 AI 모델이 회계 업무에서 마감된 AI 모델을 "따라잡고 있다"는 제목으로 Yahoo Finance에서 다룬 이 벤치마크는 거래 분류 및 분개 항목부터 조정, 재무 보고 및 월말 마감에 이르기까지 회계의 8개 영역에 걸쳐 101개 작업에 대한 주요 모델을 테스트합니다. 모든 모델은 동일한 회사 장부에서 작동하고, 동일한 지침을 받고, 동일한 회계 도구에 액세스할 수 있으며, 각 모델은 일관성을 측정하기 위해 세 번 실행됩니다. 이 이야기에 대한 자세한 내용은 최신 AI 동향를 참조하세요.

제미니 4 아르곤이 앞서지만 격차는 적다

Gemini 4 Argon은 작업당 $0.115의 비용으로 평균 18초 만에 작업을 완료하여 91.1%의 정확도로 순위표 1위를 차지했으며, 모든 모델 중 최고의 일관성 점수는 86.1%입니다.

그러나 체이스 팩은 거의 비슷하며 매우 저렴합니다. Z.ai의 개방형 GLM-5.3 Flash는 xAI의 Grok 4.7과 동점인 88.1%를 기록했으며 작업당 비용은 0.006달러에 불과해 Google의 주력 모델이 지출하는 금액의 약 5%에 해당합니다. Moonshot AI의 또 다른 개방형 모델인 Kimi K3.1 Pro가 86.1%로 뒤를 이어 상위 4개 모델 중 개방형 모델 2개가 포함되었습니다.

Anthropic의 Claude Fable 5.1은 테스트당 가장 비싼 모델인 작업당 $1.18로 85.1%를 기록했으며 Claude Opus 5.5는 $0.452로 82.2%를 기록했습니다. OpenAI의 GPT-6 Astra는 작업당 $0.494로 81.2%에 도달했습니다.

비용 이야기가 진짜 헤드라인입니다

결과에서 가장 뚜렷한 숫자는 DeepSeek의 것일 수 있습니다. DualEntry의 주요 시사점에 따르면 DeepSeek V4.1 Flash는 작업당 0.003달러로 84.2%를 기록했으며, Claude Fable 5.1은 작업당 85.1%, 작업당 1.18달러를 기록했습니다. 이는 1점 미만의 점수에 대한 비용의 약 400배입니다.

벤치마크 작성자는 정확도가 유사한 모델 간에도 작업당 비용이 엄청나게 달랐다고 지적했습니다. 이는 장부 관리 워크플로를 자동화하는 기업이 작업에 적합한 모델을 선택하기만 하면 추론 비용을 대폭 줄일 수 있음을 시사합니다.

모델들이 여전히 어려움을 겪는 곳

회계는 어떤 개척 연구실에서도 해결된 문제가 아닙니다. 성능은 작업 영역에 따라 크게 다릅니다. 모델은 거래 분류에서 평균 93.5%를 기록했지만 가장 어려운 두 가지 영역인 미수금 및 월말 마감에서는 64.7%에 그쳤습니다. 가장 넓은 분포는 매출채권에서 나타났으며 점수 범위는 41.7%에서 91.7%였습니다.

단일 모델이 지배적이지 않습니다. Kimi K3.1 Pro는 은행 조정에서 Gemini 4 Argon을 제치고 Google의 75%를 상대로 완벽한 100%를 기록했으며 Kimi K3는 91.7%로 월말 마감을 주도했습니다. Gemini 3.8 Flash는 저널 항목에서 만점을 기록한 유일한 모델이었습니다. 테스트된 모든 모델은 벤치마크의 회계 지식 객관식 질문에서 100%의 점수를 받았습니다.

일관성은 원시 정확도와도 달랐습니다. Grok 4.7은 88.1%의 정확도로 공동 2위를 차지했지만 74.3%의 작업에서만 세 가지 실행을 모두 성공적으로 완료한 반면 Claude Fable 5.1은 더 낮은 정확도 점수에도 불구하고 80.2%로 더 일관성이 있었습니다.

관심 고백 - 엔터프라이즈 AI를 위한 신호

AI 기반 회계 소프트웨어를 구축하는 DualEntry는 자체 도메인에 대한 모델 환경을 보여주기 위해 벤치마크를 게시하므로 기업은 이를 중립적인 최종 항소 법원이 아닌 하나의 데이터 포인트로 처리해야 합니다. 그 방법론은 적어도 투명합니다. 동일한 책, 동일한 도구, 동일한 지침, 모델당 3번의 실행, 작업별로 결과, 비용 및 기간이 게시됩니다.

그럼에도 불구하고 이 패턴은 다른 영역에서 독립적인 평가가 보여준 내용을 반영합니다. Z.ai의 GLM 제품군, Moonshot의 Kimi 모델 및 DeepSeek가 주도하는 개방형 계층은 이제 구조화된 전문 작업의 폐쇄된 경계에서 몇 퍼센트 포인트 내에 위치하며 비용은 대량 배포를 사소하게 만듭니다. AI 에이전트를 평가하는 회계 회사 및 재무 팀의 경우 프론티어 라벨이 더 이상 프리미엄 가치가 없을 수 있습니다.

순위에 대한 자세한 내용

작업별 분석은 모델이 얼마나 다르게 실패하는지 보여줍니다. GLM-5.3 Flash는 재무 보고에서 Gemini 4 Argon과 100% 일치했으며 거래 분류 및 분개 항목 모두에서 92.3%를 기록했지만 은행 조정 및 미수금에서는 75%로 떨어졌습니다. 이와 대조적으로 Gemini 4 Argon은 거래 분류 및 재무 보고에서 만점을 기록했으며 미수금 관리 부문에서 91.7%를 기록했습니다. 그러나 은행 조정에서는 75%만 관리하여 Kimi K3.1 Pro가 앞섰습니다.

작업 유형 간의 불일치는 실무자에게 중요합니다. 송장 처리를 자동화하는 재무팀은 월말 마감을 자동화하는 모델과 매우 다른 모델 선택에 직면하고 있으며, 벤치마크의 영역 수준 데이터에 따르면 "최상의" 모델은 어떤 원장 항목이 작업 부하를 지배하는지에 따라 달라집니다.

회계가 유용한 테스트베드인 이유

회계는 구조화되고 검증 가능하며 용서할 수 없기 때문에 에이전트 AI에 대한 선호되는 입증 기반으로 부상했습니다. 일지는 균형을 이루거나 균형을 이루지 않습니다. 유창한 산문을 보상하는 챗봇 분야와 달리 이 영역의 작업 기반 벤치마크는 모델이 다단계 지침을 따르고, 외부 도구를 올바르게 사용하고, 숫자 조작을 피할 수 있는지 여부를 측정합니다. 이는 일반적으로 기업이 백오피스 자동화에 필요한 것과 동일한 기능입니다.

이 페이지에서는 결과를 모든 모델이 동일한 벤치마크 릴리스에서 평가된 "현재 라운드"로 설명하고 있으며 라운드에는 이미 미국과 중국 연구소에 걸쳐 20개 모델이 포함되어 있습니다. 이번 라운드의 비용 곡선(상품 가격의 경계 정확도)이 유지된다면 전문 지식 작업에 대한 개방형 모델과 폐쇄형 모델 간의 실질적인 격차는 곧 포인트가 아닌 달러로 측정될 수 있습니다.

---

AI 최신 소식

최신 AI 뉴스, 분석 및 혁신을 한 곳에서 확인하세요.

AI 뉴스 더 보기 →