Basis 借助 GPT-6 Astra 将税务工作簿处理速度提升两倍
2026-09-29 · OpenAI
Basis 借助 GPT-6 Astra 将税务工作簿处理速度提升两倍
背景与任务概述
近日，Basis 公司在实际业务场景中对新型人工智能模型 GPT-6 Astra 进行了效能测试。此次测试的核心任务是一项具有较高复杂度的税务处理工作，具体表现为完成一个包含多达 50 个标签页的税务工作簿。此类工作簿通常包含大量的数据表、计算公式以及跨表引用，对模型的逻辑处理能力和数据吞吐量提出了严格要求。通过这一具体任务，Basis 旨在评估最新一代 AI 模型在应对高强度企业级财务工作时的实际表现。
性能对比：GPT-6 Astra 与 GPT-5.6 Sol
测试结果显示，在处理同一份 50 个标签页的税务工作簿时，GPT-6 Astra 展现出了显著的效率飞跃。具体而言：
- 速度提升： GPT-6 Astra 的完成速度达到了前代模型 GPT-5.6 Sol 的两倍（2x faster）。
- 代际跨越： 这一结果直接对比了 GPT-5.6 Sol 与 GPT-6 Astra 两代模型，表明在处理大规模、多标签页的复杂数据结构时，新一代模型在底层算力或算法优化上实现了实质性突破，大幅缩短了任务执行时间。
意图理解能力的增强
除了处理速度的显著提升，GPT-6 Astra 在认知层面的表现同样值得关注。原文指出，该模型在“理解用户意图”方面表现得更为出色。
- 精准度提升： 在复杂的税务工作簿处理中，用户指令往往包含多层逻辑和特定业务规则。GPT-6 Astra 能够更准确地捕捉这些指令背后的真实需求。
- 减少沟通成本： 更强的意图理解能力意味着模型在执行任务时需要的纠错和反复确认更少，从而在整体上提升了人机协作的流畅度。
对实际应用的信心提升
速度的翻倍与意图理解能力的增强，共同促成了一个关键结果：Basis 团队对 GPT-6 Astra 在实际应用中抱有更高的信心。
- 从测试到落地： 实验室数据往往难以直接转化为生产力，但 Basis 基于 GPT-6 Astra 在此次税务工作簿测试中的优异表现，认为其已经具备了在真实、复杂的业务环境中稳定输出的能力。
- 企业级应用前景： 税务工作具有极高的严谨性要求，模型对用户意图的准确把握直接关系到结果的合规性与准确性。GPT-6 Astra 在此方面的进步，为其在 Basis 内部更广泛的财务和税务自动化部署奠定了基础。
总结
Basis 的此次测试直观地展示了 GPT-6 Astra 相较于 GPT-5.6 Sol 的两大核心优势：处理复杂多标签页工作簿速度翻倍，以及对用户意图理解的显著增强。这两项能力的结合，不仅提高了单次任务的执行效率，更提升了结果输出的可靠性，使得 Basis 对将该模型投入实际商业使用充满信心。这标志着 AI 在处理企业级复杂表格和财务任务方面迈出了坚实的一步。