Basis 藉助 GPT-6 Astra 將稅務工作簿完成速度提升 2 倍

近日，OpenAI 正式发布了新一代大语言模型 GPT-6 Astra，并同步公开了其在企业级税务自动化公司 Basis 的实际应用测试结果。测试中，GPT-6 Astra 被要求完成一个包含 50 个标签页、涉及大量跨表引用和复杂税务计算规则的工作簿，最终耗时仅为前代模型 GPT-5.6 Sol 的一半。这一成绩并非简单的速度翻倍，更关键的是，Astra 在任务执行过程中展现出了对用户意图的深度理解，大幅减少了因误解指令而产生的错误重试和人工干预，让 Basis 团队对将其部署到真实生产环境有了更强的信心。该测试于 2026 年 9 月 28 日对外披露，迅速引发了财税科技和 AI 领域的广泛关注。

从技术角度看，GPT-6 Astra 的速度跃升和意图理解增强并非偶然。据 OpenAI 此前透露的技术路线，Astra 系列模型在架构上深度融合了推理能力与工具使用能力，其核心创新在于“思维链+行动链”的联合优化。在处理税务工作簿这类多步骤、强逻辑的任务时，模型需要先解析用户模糊的指令（例如“完成本季度各子公司的合并税务调整”），将其拆解为定位相关标签页、提取关键数据、应用税率规则、生成调整分录等一系列子任务，再依次执行。GPT-5.6 Sol 虽然已经具备较强的指令遵循能力，但在面对长上下文和复杂依赖关系时，仍容易出现步骤遗漏或逻辑跳跃，需要反复纠正。而 Astra 通过更高效的注意力机制和增强的规划模块，能够在内部更准确地模拟任务执行路径，一次性生成更合理的操作序列，从而将端到端的处理时间压缩了近一半。同时，其意图理解能力的提升，意味着模型能更好地捕捉用户指令中隐含的约束条件，例如“仅调整本年度的递延税项，忽略已结账期间”，这在实际财税工作中至关重要，因为一个微小的理解偏差就可能导致整个工作簿的合规性风险。

这一突破对财税自动化行业乃至更广泛的垂直 AI 应用领域都将产生深远影响。首先，对于 Basis 这样的财税软件服务商而言，模型性能的跃升直接转化为产品竞争力。税务工作簿的自动化处理一直是行业痛点，传统 RPA 方案维护成本高、泛化能力弱，而大模型方案此前又受限于准确性和速度，难以大规模替代人工。GPT-6 Astra 的表现证明，大模型已经可以在复杂专业文档处理上达到实用级效率，这将加速 Basis 将 AI 功能从“辅助建议”推向“自动执行”阶段，从而降低客户的人力成本，并可能重塑其收费模式。其次，在竞争格局上，Intuit、Xero 等全球财税巨头以及国内的金蝶、用友等厂商，都已在探索大模型与财税场景的结合，OpenAI 此次的标杆性测试无疑会刺激整个赛道加快模型迭代和应用落地。那些能够率先整合高性能推理模型的企业，将在获取大型客户和构建数据飞轮上占据先机。此外，对于更广泛的 AI Agent 赛道，税务工作簿是一个典型的多模态、长流程、高精度任务，Astra 的成功意味着 Agent 在金融、法律、审计等类似场景中的可行性得到验证，可能引发新一轮的垂直 Agent 创业和投资热潮。

展望后续，Basis 已明确表示将把 GPT-6 Astra 集成到其核心产品中，并计划在下一个税务申报季前推出基于该模型的自动化工作簿处理模块。值得持续观察的信号包括：OpenAI 是否会进一步开放 Astra 的 Agent 开发框架，让更多企业能自定义财税领域的专用工具链；监管机构对 AI 自动处理税务合规文件的态度，尤其是在审计追溯和错误责任界定方面；以及竞争对手如 Anthropic 的 Claude、Google 的 Gemini 等模型在类似任务上的表现，是否能够快速跟进。更长远地看，当大模型能够可靠地处理 50 个标签页的工作簿时，其处理更大型企业级 ERP 数据、甚至参与税务筹划决策的日子可能也已不远。这将对整个财税服务行业的就业结构、服务模式以及企业内部的财务职能划分带来深刻变革，而 Basis 与 GPT-6 Astra 的这次合作，或许正是这场变革的一个关键起点。