Basis 用 GPT-6 Astra 將稅務工作簿速度翻倍

近日，OpenAI 官方披露了其最新推理模型 GPT-6 Astra 在专业税务场景中的实测表现。税务科技公司 Basis 使用该模型处理一份包含 50 个标签页的复杂税务工作簿，完成全部计算与校验的时间仅为前代模型 GPT-5.6 Sol 的一半。这一结果并非简单的速度翻倍，而是在保持甚至提升准确率的前提下实现的。该工作簿涵盖多实体合并、跨境税务调整、递延税项计算等高度复杂的任务，传统人工处理通常需要数小时，而 Astra 在数分钟内即可完成。Basis 团队特别强调，Astra 对用户意图的理解能力显著增强，能够更准确地识别工作簿中的隐含逻辑和依赖关系，减少了人工干预和纠错频次，这使得他们在实际业务交付中更有信心。

这一速度跃升的背后，是 GPT-6 Astra 在推理架构上的关键进化。与 GPT-5.6 Sol 主要依赖大规模预训练和指令微调不同，Astra 引入了更深的“思维链”强化学习机制，使其在遇到多步骤数值推理和跨表格引用时，能够自发地拆解任务、验证中间结果并回溯修正。在税务工作簿场景中，模型需要理解不同工作表之间的勾稽关系，例如利润表调整会联动影响资产负债表和现金流量表，且必须遵循特定会计准则。Astra 通过内部化的“工作记忆”和更长的上下文窗口，能够一次性加载整个工作簿，并在推理过程中动态维护各表格间的数据一致性。此外，Astra 在工具使用能力上也有提升，可以自主调用内置的电子表格函数，甚至生成临时脚本处理非标准计算，这大幅减少了因格式转换或函数限制导致的错误。从技术原理看，这种“推理优先”的范式使得模型不再只是模式匹配，而是具备了某种程度上的结构化问题求解能力，这正是专业服务领域所急需的。

对 Basis 而言，效率提升直接转化为商业竞争力的增强。税务服务行业长期面临时效压力与人才短缺的双重挑战，尤其在申报季，事务所往往需要大量初级员工进行数据整理和底稿编制。Astra 的引入使得资深税务师可以将精力集中于高价值的税务筹划和客户咨询，而将重复性、规则性的工作簿编制交给模型。这有可能改变税务服务公司的成本结构和交付模式，从按小时计费向固定收费或价值导向定价转变。更广泛地看，这一案例对会计、审计、法律尽调等同样依赖复杂文档和电子表格的领域具有示范效应。竞争对手如 KPMG、PwC 等早已在探索生成式 AI 在审计和税务中的应用，但此前受限于模型推理能力和幻觉问题，多停留在辅助查询和草稿生成阶段。Astra 展现出的可靠推理能力，可能加速这些机构从试点走向核心业务系统的集成。同时，这也给其他大模型厂商带来压力，Anthropic、Google DeepMind 等势必将加快推出具备更强推理能力的模型，以争夺企业级市场。对于用户群体而言，中小型事务所可能通过订阅此类 AI 服务，获得以往只有大型机构才能负担的自动化能力，从而引发行业洗牌。

后续值得关注的信号有几个层面。首先，OpenAI 是否会针对专业服务场景推出更细粒度的微调版本或行业专属模型，例如税务、审计、法律合同审查等垂直领域的 Astra 变体，这将决定其市场渗透速度。其次，监管和合规问题将浮出水面，税务工作簿的编制涉及法律责任，模型输出的可解释性和审计追踪能力将成为采纳的关键门槛，OpenAI 需要提供更透明的推理过程记录。再者，Basis 等早期采用者的实际投资回报率数据将影响行业跟进节奏，如果能够量化证明人力成本降低 30% 以上且错误率下降，将触发大规模采购。最后，竞争格局上，微软可能将类似能力深度整合进 Excel 和 Dynamics 365，形成生态壁垒；而开源社区也在快速追赶，未来可能出现成本更低的本地化推理方案，迫使商业模型持续降价。总之，GPT-6 Astra 在税务工作簿上的表现，不仅是技术指标的提升，更标志着推理模型开始真正切入知识工作的核心流程，其涟漪效应将远超单一案例本身。