AI கணக்கியல் நிறுவனமான DualEntry-ஆல் நடத்தப்படும் பைனான்ஸ் AI பெஞ்ச்மார்க்கின் சமீபத்திய முடிவுகளின்படி, ஓப்பன்-வெயிட் AI மாடல்கள் நிஜ உலகக் கணக்கியல் பணிகளில் தங்கள் மூடிய எல்லைப் போட்டியாளர்களை மூடுகின்றன - கூகிளின் ஜெமினி 4 ஆர்கான் ஒட்டுமொத்த முன்னணி மற்றும் சீன ஓபன் மாடல்கள் சிறிய விலையில் ஒரே மாதிரியான துல்லியத்தை வெளியிடுகின்றன.
யாகூ ஃபைனான்ஸ் வழங்கும் பெஞ்ச்மார்க், ஓப்பன் சோர்ஸ் ஏஐ மாடல்கள், கணக்கியல் பணிகளில் மூடியவற்றை "பிடிக்கிறது" என்ற தலைப்பின் கீழ், பரிவர்த்தனை வகைப்பாடு மற்றும் ஜர்னல் உள்ளீடுகள் முதல் நல்லிணக்கம், நிதி அறிக்கைகள் மற்றும் மாத இறுதி முடிவு வரை கணக்கியலின் எட்டு பகுதிகளில் 101 பணிகளில் முன்னணி மாடல்களை சோதிக்கிறது. ஒவ்வொரு மாதிரியும் ஒரே நிறுவனத்தின் புத்தகங்களிலிருந்து வேலை செய்கிறது, அதே வழிமுறைகளைப் பெறுகிறது மற்றும் ஒரே கணக்கியல் கருவிகளுக்கான அணுகலைக் கொண்டுள்ளது, ஒவ்வொரு மாதிரியும் நிலைத்தன்மையை அளவிட மூன்று முறை இயங்கும். For more context on this story, see our ongoing AI trends.
ஜெமினி 4 ஆர்கான் வழிவகுக்கிறது, ஆனால் இடைவெளி மெல்லியதாக உள்ளது
ஜெமினி 4 ஆர்கான் 91.1% துல்லியத்துடன் லீடர்போர்டில் முதலிடம் வகிக்கிறது, ஒரு பணிக்கு $0.115 செலவில் சராசரியாக 18 வினாடிகளில் பணிகளை முடிக்கிறது, எந்த மாதிரியின் சிறந்த நிலைத்தன்மை மதிப்பெண் 86.1% ஆகும்.
ஆனால் சேஸ் பேக் நெருக்கமாக உள்ளது - மற்றும் குறிப்பிடத்தக்க வகையில் மலிவானது. Z.ai இன் திறந்த எடை GLM-5.3 ஃப்ளாஷ் 88.1% மதிப்பெண்களைப் பெற்றது, xAI இன் Grok 4.7 உடன் இணைக்கப்பட்டுள்ளது, அதே நேரத்தில் ஒரு பணிக்கு $0.006 செலவாகும், கூகிளின் முதன்மை மாடல் செலவழித்ததில் தோராயமாக 5% ஆகும். மூன்ஷாட் ஏஐயின் மற்றொரு ஓபன் வெயிட் மாடலான கிமி கே3.1 ப்ரோ, 86.1% ஐத் தொடர்ந்து, முதல் நான்கு செயல்திறன் மிக்கவர்களில் இரண்டு திறந்த மாடல்களை இணைத்தது.
Anthropic's Claude Fable 5.1 ஒரு பணிக்கு $1.18 என 85.1% பதிவு செய்தது - சோதனை செய்யப்பட்ட மிகவும் விலையுயர்ந்த மாதிரி - அதே நேரத்தில் Claude Opus 5.5 $0.452 இல் 82.2% மதிப்பெண்களைப் பெற்றது. OpenAI இன் GPT-6 அஸ்ட்ரா ஒரு பணிக்கு $0.494 என 81.2% ஐ எட்டியது.
காஸ்ட் ஸ்டோரி தான் உண்மையான தலைப்பு
முடிவுகளில் அப்பட்டமான எண் DeepSeek ஆக இருக்கலாம். டீப்ஸீக் வி4.1 ஃப்ளாஷ் ஒரு பணிக்கு $0.003 என 84.2% மதிப்பெண்களைப் பெற்றது, டூயல்என்ட்ரியின் முக்கிய டேக்அவேகளின்படி - கிளாட் ஃபேபிள் 5.1 உடன் ஒப்பிடும்போது 85.1% மற்றும் ஒரு பணிக்கு $1.18. இது ஒரு புள்ளிக்குக் குறைவான மதிப்பெண்களுக்கான செலவை விட தோராயமாக 400 மடங்கு ஆகும்.
ஒரே மாதிரியான துல்லியம் கொண்ட மாதிரிகள் மத்தியில் கூட ஒரு பணிக்கான செலவு பெருமளவில் மாறுபடுகிறது, புத்தக பராமரிப்பு பணிப்பாய்வுகளை தானியங்குபடுத்தும் நிறுவனங்கள், பணிக்கான சரியான மாதிரியைத் தேர்ந்தெடுப்பதன் மூலம், அளவின் வரிசையின் மூலம் அனுமான பில்களை குறைக்கலாம் என்று பெஞ்ச்மார்க் ஆசிரியர்கள் குறிப்பிடுகின்றனர்.
மாடல்கள் இன்னும் போராடும் இடம்
எந்தவொரு எல்லை ஆய்வகத்திற்கும் கணக்கியல் ஒரு தீர்க்கப்பட்ட பிரச்சனை அல்ல. பணிப் பகுதியின் அடிப்படையில் செயல்திறன் கடுமையாக மாறுபடுகிறது: பரிவர்த்தனை வகைப்பாட்டில் மாதிரிகள் சராசரியாக 93.5% ஆனால் பெறத்தக்க கணக்குகள் மற்றும் மாத இறுதி முடிவான இரண்டு கடினமான பகுதிகளில் 64.7% மட்டுமே. பெறத்தக்க கணக்குகளில் பரவலான பரவல் தோன்றியது, அங்கு மதிப்பெண்கள் 41.7% முதல் 91.7% வரை இருந்தது.
எந்த ஒரு மாதிரியும் ஆதிக்கம் செலுத்தவில்லை. கிமி கே3.1 ப்ரோ ஜெமினி 4 ஆர்கானை வங்கி சமரசத்தில் முறியடித்தது, கூகிளின் 75%க்கு எதிராக 100% ஸ்கோரைப் பெற்றது, அதே நேரத்தில் கிமி கே3 மாத இறுதியில் 91.7% இல் முன்னிலை வகித்தது. ஜெமினி 3.8 ஃப்ளாஷ் மட்டுமே ஜர்னல் பதிவுகளில் சரியான மதிப்பெண்ணைப் பதிவு செய்த ஒரே மாதிரியாக இருந்தது. பரிசோதிக்கப்பட்ட ஒவ்வொரு மாடலும் 100% மதிப்பெண்களைப் பெற்று, பெஞ்ச்மார்க்கின் கணக்கியல்-அறிவு பல-தேர்வு கேள்விகளுக்கு ஏற்றது.
நிலைத்தன்மையும் மூலத் துல்லியத்திலிருந்து வேறுபட்டது: க்ரோக் 4.7 துல்லியத்தில் 88.1% இல் இரண்டாவதாக இணைக்கப்பட்டது, ஆனால் 74.3% பணிகளில் மட்டுமே மூன்று ரன்களையும் வெற்றிகரமாக முடித்தது, அதே நேரத்தில் க்ளாட் ஃபேபிள் 5.1 குறைந்த துல்லியமான மதிப்பெண்ணாக இருந்தாலும் 80.2% இல் மிகவும் சீரானது.
ஆர்வத்தின் ஒப்புதல் - மற்றும் நிறுவன AIக்கான சிக்னல்
AI-நேட்டிவ் அக்கவுண்டிங் மென்பொருளை உருவாக்கும் DualEntry, அதன் சொந்த டொமைனுக்கான மாதிரி நிலப்பரப்பைக் காண்பிப்பதற்கான அளவுகோலை வெளியிடுகிறது, எனவே நிறுவனங்கள் இறுதி மேல்முறையீட்டின் நடுநிலை நீதிமன்றத்தை விட ஒரு தரவு புள்ளியாக கருத வேண்டும். அதன் வழிமுறை குறைந்தபட்சம் வெளிப்படையானது: ஒரே மாதிரியான புத்தகங்கள், ஒரே மாதிரியான கருவிகள், ஒரே மாதிரியான வழிமுறைகள், ஒரு மாதிரிக்கு மூன்று ரன்கள், ஒரு பணிக்கு வெளியிடப்படும் முடிவுகள், செலவுகள் மற்றும் கால அளவுகள்.
இருப்பினும், மற்ற டொமைன்களில் சுயாதீன மதிப்பீடுகள் காட்டுவதையே இந்த முறை எதிரொலிக்கிறது: திறந்த எடை அடுக்கு - Z.ai இன் GLM குடும்பம், மூன்ஷாட்டின் கிமி மாடல்கள் மற்றும் டீப்சீக் - இப்போது கட்டமைக்கப்பட்ட தொழில்முறை வேலைகளில் மூடிய எல்லையின் சில சதவீத புள்ளிகளுக்குள் அமர்ந்து, தொகுதி வரிசைப்படுத்தல் அற்பமான செலவில் உள்ளது. கணக்கியல் நிறுவனங்கள் மற்றும் AI முகவர்களை மதிப்பிடும் நிதிக் குழுக்களுக்கு, எல்லை லேபிள் இனி பிரீமியம் மதிப்புடையதாக இருக்காது.
தரவரிசைகளுக்குப் பின்னால் உள்ள விவரங்கள்
மாதிரிகள் எவ்வளவு வித்தியாசமாக தோல்வியடைகின்றன என்பதை ஒவ்வொரு பணி முறிவு காட்டுகிறது. GLM-5.3 Flash நிதி அறிக்கையிடலில் ஜெமினி 4 ஆர்கானுடன் 100% பொருந்தியது மற்றும் பரிவர்த்தனை வகைப்பாடு மற்றும் ஜர்னல் உள்ளீடுகள் இரண்டிலும் 92.3% மதிப்பெண்களைப் பெற்றது, ஆனால் வங்கி சமரசம் மற்றும் பெறத்தக்க கணக்குகளில் 75% ஆக குறைந்தது. ஜெமினி 4 ஆர்கான், மாறாக, பரிவர்த்தனை வகைப்பாடு மற்றும் நிதி அறிக்கையிடல் மற்றும் 91.7% பெறத்தக்க கணக்குகளில் சரியான மதிப்பெண்களை வெளியிட்டது - இருப்பினும் வங்கி சமரசத்தில் 75% மட்டுமே நிர்வகிக்கப்படுகிறது, பணி கிமி கே3.1 ப்ரோ.
பணி வகைகளில் அந்த முரண்பாடு பயிற்சியாளர்களுக்கு முக்கியமானது. இன்வாய்ஸ் செயலாக்கத்தை தானியங்குபடுத்தும் நிதிக் குழுவானது, ஒரு மாத இறுதியை தானியங்குபடுத்துவதை விட மிகவும் மாறுபட்ட மாதிரித் தேர்வை எதிர்கொள்கிறது, மேலும் பெஞ்ச்மார்க்கின் ஏரியா-லெவல் தரவு, பணிச்சுமையில் எந்த லெட்ஜர் உள்ளீடுகள் ஆதிக்கம் செலுத்துகிறது என்பதைப் பொறுத்து "சிறந்த" மாதிரியைப் பரிந்துரைக்கிறது.
ஏன் கணக்கியல் ஒரு பயனுள்ள சோதனைப் படுக்கை
கணக்கியல் என்பது ஏஜென்டிக் AI க்கு விருப்பமான ஆதாரமாக உருவெடுத்துள்ளது, ஏனெனில் அது கட்டமைக்கப்பட்டது, சரிபார்க்கக்கூடியது மற்றும் மன்னிக்க முடியாதது: ஒரு பத்திரிகை நுழைவு சமநிலையில் இருக்கும் அல்லது இல்லை. சரளமான உரைநடைக்கு வெகுமதி அளிக்கும் சாட்போட் அரங்கங்களைப் போலன்றி, இந்த டொமைனில் உள்ள பணி அடிப்படையிலான வரையறைகள், ஒரு மாதிரியானது பல-படி வழிமுறைகளைப் பின்பற்ற முடியுமா, வெளிப்புறக் கருவிகளை சரியாகப் பயன்படுத்த முடியுமா மற்றும் எண்களை உருவாக்குவதைத் தவிர்க்க முடியுமா என்பதை அளவிடுகிறது - பொதுவாக பின்-அலுவலக ஆட்டோமேஷனுக்கு நிறுவனங்களுக்கு அதே திறன்கள் தேவை.
பக்கம் அதன் முடிவுகளை "தற்போதைய சுற்று" என்று விவரிக்கிறது, அனைத்து மாடல்களும் ஒரே அளவுகோல் வெளியீட்டின் கீழ் மதிப்பீடு செய்யப்படுகின்றன, மேலும் சுற்றில் ஏற்கனவே அமெரிக்க மற்றும் சீன ஆய்வகங்களில் இருபது மாதிரிகள் உள்ளன. இந்த சுற்றில் செலவு வளைவு இருந்தால் - பொருட்களின் விலையில் எல்லை துல்லியம் - தொழில்முறை அறிவு வேலைகளில் திறந்த மற்றும் மூடிய மாதிரிகளுக்கு இடையிலான நடைமுறை இடைவெளி விரைவில் புள்ளிகளை விட டாலர்களில் அளவிடப்படலாம்.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
