2026年10月2日，Mercor公佈一項會計基準測試研究。研究安排12名持CPA（註冊會計師，Certified Public Accountant）資格、平均從業五年半嘅會計師，處理APEX Accounting Benchmark嘅簡化簿記任務。結果顯示，AI模型喺呢類結構化簿記（bookkeeping）任務上，喺速度、準確度同成本三方面均勝過持牌會計師；惟完整結帳（closing the books）仍需人監督，模型尚未做到獨立完成。

同一批任務，18個月前最佳模型仍未追到會計師約37%嘅平均分，而家已能近乎無誤完成。呢個落差本身就係重點。

完整APEX基準共160項任務，覆蓋10間模擬公司，由超過40名平均從業11年嘅專業人士編制。最新結果，Claude Opus 5.5以61.8%評分標準達標率居首，Fable 5.1跟住61.0%，GPT-6 Astra得57.9%。但同時，有接近六成任務冇任何一個模型能完全解決。即係話，模型喺大部分任務上仍然需要人落手，「無監督結帳」目前仍然冇模型做到。

Mercor喺研究入面承認，今次測試嘅任務恰好係AI最擅長嘅部分：逐項查證細節、精確跟從指令。研究冇包含同客户溝通、同同事對接，以及多年累積嘅背景知識。基於呢個限制，Mercor表示會計師唔會被取代，但預期行業會有重大生產力提升。

對做帳同審計嘅人嚟講，重點唔係「AI會唔會取代會計師」，而係「邊度仲需要人」——結帳判斷、同客户傾嘅判斷、對異常項目嘅判斷，呢啲係模型冇嘅上下文，唔係跑分能解決。

模姐驗嚇貨：Mercor呢個測試嘅誠實度值得給分，冇吹「全面取代」，亦冇把簡化任務跑分當成實際結帳能力。但讀者要留意，160項完整任務同12人做嘅簡化任務唔係同一嘢，「結帳仲要人盯住」目前係事實，唔係保守。

模姐｜深度調教