GLM 5.2 表现惊人：处理英国增值税申报准确率媲美人工，成本仅为 1%

核心要点

• 极高准确性：GLM 5.2 在英国增值税（VAT）申报任务中表现出近乎完美的精度，最终申报净额误差仅为 7 便士（约 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，并通过命令行工具实现了自动化录入。
• 真实数据验证：测试使用了 Vineyard Finance 2026 年第一季度的真实财务数据作为基准，具有高度的参考价值。

详细分析

成本与效率的跨代飞跃

在传统的英国中小企业（SME）运营中，季度增值税申报是一项必要的合规任务，通常外包给外部会计师事务所，每季度的服务费用在 750 至 2,100 英镑（约 1,000 至 2,800 美元）之间。而 GLM 5.2 作为一个开源权重模型，在本次测试中仅消耗了 2.73 美元的 Token 成本。这意味着 AI 可以在极短的时间内（68 分钟）完成原本需要专业会计人员处理的工作，且成本实现了指数级的下降。对于追求成本效益的小微企业而言，这无疑是一个极具吸引力的替代方案。

极高精度的合规处理

测试针对 59 笔交易进行了详细评估，每笔交易根据 6 个标准进行评分。GLM 5.2 生成的申报表在关键的“Box 5”（应交税额净值）上与人工审核的基准数据仅差 7 便士。考虑到英国税务海关总署（HMRC）对逾期申报或错误申报有严格的罚款规定，这种高精度且及时的自动化处理能力对中小企业具有极高的实用价值。模型不仅处理了数据，还通过命令行工具（CLI）将交易准确录入会计软件，验证了其在实际业务流程中的操作可行性。

自动化流程的实现方式

本次基准测试采用了严谨的评估流程：首先利用 Claude Fable 5 从会计软件中提取 2026 年第一季度的交易数据和收据，随后由 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”的模拟不仅测试了模型的逻辑推理能力，还验证了其处理复杂税务规则的能力。尽管模型在测试中出现了一些微小错误，但其整体表现已经足以与专业人工会计相媲美。

行业影响

GLM 5.2 的表现证明了开源大模型在特定垂直领域（如财务合规）已经具备了替代高成本人工服务的潜力。这不仅会冲击传统会计服务行业的定价体系，也将推动更多针对中小企业的自动化财务工具的诞生。同时，这也标志着 AI 正在从简单的文本生成转向需要高度精确性和逻辑严密性的专业任务，开源模型在这一进程中正扮演着越来越重要的角色。

常见问题

GLM 5.2 在本次税务测试中的准确率如何？

在处理 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？

相比于聘请外部会计师事务所每季度 1,000 至 2,800 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？

测试使用了 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，并由人工预先进行了审核以作为对比基准。