背景：會計師的繁重稅務工作與 AI 代理的出現
稅務申報季節對會計師而言，往往代表大量重複性、高強度的文書工作。一份複雜的稅務活頁簿可能包含數十張工作表，每張都涉及不同的數字、公式與法規依據，從蒐集資料、填入表格，到交叉檢查與修正錯誤，都是極度耗費人力的流程。總部位於北美洲的新創公司 Basis，正是看準這個痛點，開發專門自動化會計師日常工作的 AI 代理，希望把專業人員從繁瑣的輸入與核對任務中解放出來，轉而投入更具策略性的客戶服務與稅務規劃。Basis 的研究重點，在於打造能可靠完成長時間任務的代理系統，這類任務通常需要多步驟推理、反覆驗證，並在過程中考量許多隱含的專業規則。
核心內容：GPT-6 Astra 與 GPT-5.6 Sol 的實測比較
Basis 在 2026 年 9 月 28 日發布的測試結果中，以一份包含 50 張工作表的複雜稅務活頁簿為基準，比較 OpenAI 的 GPT-6 Astra 與前一世代 GPT-5.6 Sol 的表現。這項任務要求的是準確且可靠地完成整份活頁簿，而非單純追求速度。根據 Basis 共同創辦人 Mitch Troyanovsky 的說法，GPT-6 Astra 完成該活頁簿所需的時間，只有 GPT-5.6 Sol 的一半，整整縮短了 50% 的處理時間。更關鍵的是，縮短時間並非靠犧牲品質換來，而是因為 GPT-6 Astra 在任務初期就能做出更好的決策，讓代理以更直接的路徑完成工作，大幅減少後續修正錯誤所耗費的時間。Troyanovsky 特別強調，GPT-6 Astra 更能真正理解使用者的意圖，以及要解決的問題本質，這使得代理在執行稅務活頁簿這類高複雜度任務時，不再需要反覆試錯。
技術脈絡：動態調整推理投入與詞元效率
除了速度提升，GPT-6 Astra 在運算資源的運用上也展現出新的彈性。Basis 讓模型隨任務進度動態調整推理投入：當代理遇到困難的步驟時，模型會增加運算量來仔細處理；遇到較簡單的環節時，則主動減少運算量。這種調整過程不會中斷快取，意味著模型能在維持上下文連貫的同時，靈活調配運算資源。Troyanovsky 指出，這樣的能力有助於降低成本並縮短回應時間，對 Basis 及其客戶而言，執行長時間任務時更具成本效益。此外，由於 GPT-6 Astra 在任務起步時決策更精準，模型在詞元（token）的使用上也更有效率，不會浪費大量輸出在試探性的錯誤路徑上。對 API 使用者來說，這代表每一筆請求都能用更少的資源完成更多實質工作。
影響與限制：從內部評估到實際應用的信心
Basis 的內部評估顯示，採用 GPT-6 Astra 後，整體評估分數提升約 20%。評估標準不僅看代理的最終答案，也檢視其工作方式，包括是否依循既定範本、是否針對稅務問題查閱第一手資料，以及是否主動檢查自己的工作成果。Troyanovsky 表示，GPT-6 Astra 能從更廣泛的情境脈絡中推斷出這些要求，因此不需要那麼多明確指示。這對 Basis 而言有兩層意義：第一，團隊不必再頻繁地為個別情境編寫客製化規則，大幅降低開發維護成本；第二，團隊對代理處理未涵蓋情境的能力建立了更多信心，這對於稅務這類高度依賴專業判斷的領域尤其重要。不過，這項測試仍屬單一案例，樣本僅有一份活頁簿，內部評估的 20% 提升也是約略數字，實際表現仍會因任務型態與複雜度而異。此外，此案例由 OpenAI 官方發布，帶有產品推廣性質，讀者宜將其視為特定情境下的效能參考，而非普遍性的保證。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。