基于 GPT-6 Astra 的税务自动化

Basis 已集成 GPT-6 Astra 来自动化手动会计任务，使完成复杂税务工作簿的速度提升 2 倍，并使内部评估得分提高 20%。这一性能提升得益于模型对用户意图的更好理解以及更高效的任务执行能力。

复杂税务工作簿中的性能提升

GPT-6 Astra 完成包含 50 个标签页的复杂税务工作簿所需时间仅为 GPT-5.6 Sol 的一半。根据 Basis 联合创始人 Mitch Troyanovsky 的说法，该模型展现出对用户意图以及会计师希望解决的具体问题更强的理解能力。

这一速度提升归因于任务开始阶段更优的决策能力。通过更快地识别正确路径，代理程序花费更少时间纠正错误，并更高效地使用 token。

动态推理与资源优化

Basis 利用 GPT-6 Astra 根据任务难度调整推理努力的能力。该模型可以在困难步骤中增加计算量，在简单步骤中减少计算量，同时保持其缓存。这种动态调整减少了响应时间与运营成本，使长时间运行的会计任务更具经济性。

可靠性与意图理解的提升

Basis 观察到其内部评估得分提升了 20%。这一提升由以下几个关键能力驱动：

• 意图识别： 更好地理解何时应提出澄清问题、标记假设以及遵循特定指令。

• 上下文推断： 模型能够从更广泛的上下文中推断出期望——例如遵循模板、查阅主要税务资料以及自我检查工作——而无需过多明确指令。

• 减少规则依赖： 由于模型能够推断期望，Basis 已减少为个别场景编写显式规则的需求，从而增强了代理程序处理内部测试未覆盖的边缘情况的信心。