LeituraPesquisaRadarFramework de investimento
Entrar / Cadastrar
← Voltar para a leitura
TópicoEditorial DisconfirmAIAtualizado 2026-10-05 13:31

Mercor会计基准

5 etapas1 peças5 Fontes

【背景】Mercor发布的APEX基准测试旨在量化AI在知识工作中的实际生产力。最新数据显示,在简化的结构化会计任务中,Claude Opus 5等模型以100%准确率和低于10分钟的耗时,大幅超越平均得分37%的人类持证会计师,单次评分标准成本仅为人类的约1/50。

然而,这一“完胜”仅局限于特定场景。在包含160项任务、模拟真实企业环境的完整APEX会计基准中,表现最佳的模型得分仅为61.8%,且近六成任务无人能完全解决。这表明AI目前擅长的是指令遵循与数据检索,而非需要专业判断、客户沟通及多步骤规划的完整“结账”流程。

争议核心在于“任务层”与“职业层”的错位:一方认为AI已具备替代初级分析师的能力并带来巨大效率红利;另一方(包括Mercor研究者)强调当前测试未覆盖非结构化工作,AI仍需人类监督才能交付可用成果。未来需关注模型在多步长程任务中的成功率突破,以及行业对“人机协作”新标准的定义。

Como chegamos aqui

  1. 2025-10-01

    TIME报道Mercor发布APEX指数,GPT-5在综合知识工作中得分为64.2%,但仅两项任务获满分,指出其难以处理开放式问题。

    time.com ↗
  2. 2026-02-09

    AOL报道Mercor CEO Brendan Foody称,尽管AI代理在咨询任务首次尝试成功率不足25%,但进步迅速,预计年底可达50%。

    aol.com ↗
  3. 2026-10-02

    The Decoder披露完整APEX会计基准结果:Claude Opus 5.5领先(61.8%),但无模型能独立解决近60%的任务,强调仍需监督。

    the-decoder.com ↗
  4. 2026-10-03

    Mercor官方博客发布人类基线研究,确认AI在简化记账任务上反超人类,但完整结账仍无法独立完成。

    mercor.com ↗
  5. 2026-10-04
Entrar / Cadastrar
LeituraPesquisaRadarFramework de investimento

The420.in详细对比数据:Claude Opus 5在20次尝试中获100%分,成本$0.21/项,而12名CPA平均37%分,成本$10.35/项。

the420.in ↗

O que ainda está indefinido

  • 当模型在完整基准中的得分突破多少阈值时,企业会开始实质性削减初级会计岗位?
  • 如何量化“客户沟通”和“专业判断”等非结构化工作在AI辅助下的效率提升幅度?
  • 监管层面是否会针对AI生成的财务数据建立新的审计责任归属标准?

Fontes

  • mercor.comMercor官方博客↗
  • the-decoder.comThe Decoder↗
  • The420.in↗
  • time.comTIME↗
  • aol.comAOL↗

Cobertura neste tópico

  • AI now beats licensed accountants on bookkeeping tasks, but not on closing the books2026-10-03Notícias

    AI tops CPAs on simplified accounting tasks, yet no model fully solves nearly 60% of the full benchmark, so replacement stays at task level.