“会计会被AI取代吗？”这个问题最近吵得不可开交。
但一家英国小公司真刀真枪干了一票：用开源AI模型GLM 5.2处理了3个月59笔交易，只花了2.73美元和68分钟，就把季度的增值税申报表做出来了，跟人类会计师做的只差7便士。这相当于用0.2%的成本，达到了99.9%的准确率。AI记账是不是已经偷偷摸到了人类饭碗的边缘？这场实测结果里藏着不少意外和冷笑话。
GLM 5.2用68分钟干完人类会计师几天的活
英国的增值税申报是件很烦人的事情。每个季度结束后的五周内，你必须把报告交上去，晚了就罚款。一般的小公司自己搞不定，得请外部会计师事务所来弄。服务费一次大概在750到2100英镑之间，也就是1000到2800美元。
这活计并不轻松。你要把过去三个月的所有交易翻出来，每一笔都要想清楚：这是买了办公用品，还是付了银行手续费，或者是卖了东西收了钱，还是老板自己往公司账户里打了钱。每一笔交易都要分门别类，算清楚增值税，最后加总成一个数字填到官方的表格里。
账目处理完之后公司是欠税务局的钱，还是税务局得退钱给公司，这个最终数字叫Box 5，是整个申报表里最重要的一个格子。人类会计师做这件事，熟练的也得花上几个小时，新手可能要折腾一整天，更别提中间还要翻邮箱找发票、跟供应商确认金额这些杂七杂八的事情。
而GLM 5.2在处理这59笔交易的时候，总共花了68分钟。这68分钟还不是它一直在思考。实际上它真正调用工具干活的时间，1月份是10.3分钟，2月份31.4分钟，3月份26.3分钟。三月份的交易数量是22笔，比一月份的8笔多了快两倍，但耗时只多了两倍半不到。
更气人的是它干活的时候还在摸鱼。模型自己说了句话：“这个任务是在测试我能不能把增值税搞对……什么才是‘预期’的答案”。它知道自己被考呢，还琢磨考官想要啥。这种感觉就像你考试的时候，一边答题一边猜出题老师的意图，然后还真的让你猜对了。
从银行流水到PDF发票，模型看到了什么
要理解这个测试到底有多硬核，得先看看GLM 5.2面对的是什么样的原始材料。每一笔交易在它眼前长这个样子：
一条银行流水记录，用JSON格式写清楚日期、金额、账户、交易描述。比如一笔3月8日的18英镑支出，描述里写着“Claude.ai订阅”。这玩意儿看着挺清楚，但对机器来说，这就是一串字符。它得自己琢磨出来这18英镑是干啥花的。
然后是一张PDF发票。测试里所有的发票都是纯文本的，没有图片，所以GLM 5.2不需要看懂图片格式，只要认得里面的文字就行。但这也不简单，因为每个商家的发票格式都不一样，有的写“Subscription”，有的写“Monthly fee”，有的干脆就一个总金额啥说明都没有。
偶尔还会有一条用户备注。59笔交易里只有两笔带了备注，一笔写着“创始人股份”，另一笔写着“个人租车”。这两个备注就是关键线索，因为它们背后涉及的真实情况，光看银行流水和发票根本猜不出来。创始人往公司账户打钱，这笔钱在法律上跟普通借款完全不是一回事；个人租车那个，得判断这是公司业务还是私人消费，直接影响到增值税能不能抵扣。
GLM 5.2接到的任务就是面对这些东西，然后通过命令行工具操作会计软件，一笔一笔把交易录进去。它不能偷懒，不能跳过，必须对每一笔交易做出判断。
354次检查里翻车20次，但最严重的那个跟钱没关系
测试的评分标准非常严格。每一笔交易要检查6个维度：交易类型对不对、科目选没选对、增值税处理方式正不正确、增值税金额准不准、反向收费增值税有没有搞错、发票到底贴没贴上去。59笔交易乘以6个标准，总共354个检查点。
结果GLM 5.2有20个检查点没过，分布在18笔交易上。乍一看正确率94.3%，好像还行。但仔细一扒拉，这20个错误里藏着一个能让会计师直接血压飙升的大雷。
最大的错误是关于那笔创始人股份的。创始人往公司账户里打了10000英镑，按照英国的法律，有限责任公司发行股份，股东把钱打进来，这钱应该记在“认购股本未缴”这个科目底下，在测试用的软件里叫“Unpaid Shares”。这是股本金，跟普通借款完全两码事。
股本金这东西有法律上的特殊身份。它是永久性的，不是说创始人哪天想拿回去就能拿回去的。它还是保护债权人的一道屏障，万一公司破产了，这笔钱得优先用来还债。而且年底向税务机构申报的时候，这笔钱必须单独披露，藏都藏不住。
但GLM 5.2把这事理解成了“Capital Account”，也就是普通的资本账户。这相当于把公司注册资本金跟老板的私房钱搞混了。10000英镑可不是小数目，真要是会计师这么处理，审计的时候绝对会被揪出来，年底报公司账目的时候也是个麻烦。虽然这错误对增值税申报本身没影响，但从合规角度看，这是最严重的一次翻车。
零税率和免税的区别，模型在三月突然开窍了
剩下的19个错误可以分成两大类。第一类占了大头，14个错误都栽在同一个坑里：把“零税率”和“免税”搞混了。
一般人听这俩词可能觉得差不多——反正都不用交增值税嘛。但在税法里，它们的身份天差地别。零税率的意思是这个东西本来应该交税，但政府给你开了个特例，税率定成0%，比如出口商品、某些食品和儿童衣服。免税则是指这个业务根本不在增值税的征税范围内，比如某些金融服务、慈善活动、教育服务。
这两种处理方式在账本上必须分开记，因为税务机构年底对账的时候要搞清楚你到底有多少业务是零税率的，有多少是彻底免税的。虽然当期都不交钱，但统计口径不一样。
有意思的是，GLM 5.2在1月份和2月份碰到免税交易的时候，次次都把它记成了零税率，错得特别稳定，不带犹豫的。但到了3月份，它突然就变聪明了，每一笔免税交易都处理得明明白白，一个错都没犯。这就有意思了，同一个模型，同一个任务，中间也没有人告诉它哪里错了，它就是自己突然搞明白了。大模型的这种“顿悟”时刻，真让人摸不着头脑。
剩下的3个错误属于比较少见的推理问题，跟多币种账户有关。测试公司用的Wise账户有个奇怪的毛病：钱会分散在好几个货币的余额里，就算你平时只用英镑。刷卡的时候，Wise会按固定顺序从各个余额里扣钱。
这次的情况是有一笔美元返现或者费用退款，莫名其妙进了美元余额。然后一笔美元支付就变成了跨两个余额的分拆交易：0.51美元和43.45英镑。正常情况下增值税应该记在英镑那笔主要交易上。结果模型有一次两边都算了增值税，重复计算了。虽然金额小得可以忽略，但原则上是错的。
不过3月份有一笔交易，模型自己意识到了重复计算的问题，它自己算出了一个正确的增值税总额，然后按比例分摊到两笔分拆交易上。这种方法不常规，但逻辑上还真挑不出大毛病。评分系统比较保守，还是给算错了。
GLM 5.2从不出错的地方，才是真正恐怖的地方
虽然上面列了一堆错误，但换个角度看，GLM 5.2做对的事情可能更吓人。
它从来不会把发票贴错到交易上。这可是会计助理最容易犯的错误之一，尤其是同一天同一家供应商有两笔相同金额的交易时。人类还要对着发票号码仔细核对，模型从来不会搞混。
它还能搞定那些人类看了都要愣一下的复杂情况。比如公司两个银行账户之间的转账，在银行流水里显示为两笔记录，一进一出，模型能识别出来这是一件事。再比如一笔交易被拆成了两条银行流水，模型能自动把它们拼回去。还有一种情况是转账被伪装成了刷卡消费，实际上是从一个账户转到另一个账户，模型也能识破。
这些能力在前几年还只有那些特别贵的顶尖AI模型才能做到，或者得请经验丰富、收费也不便宜的高级会计师才行。那种刚入行没多久、收费较低的小会计师，处理这类棘手交易的时候反而不如GLM 5.2来得靠谱。
如果从成本角度看这个对比就更扎心了。人类会计师处理这59笔交易，收费至少750英镑。GLM 5.2的原始token成本只有2.73美元。虽然实际部署的时候还要加上云服务器费用、软件订阅费这些杂七杂八的开销，但成本差距仍然是指数级的。
另一个容易被忽略的细节是效率的稳定性。人类会计师上午和下午的状态可能不一样，喝了咖啡和没喝咖啡的效率也不一样，碰到复杂交易还要停下来翻手册、问同事。GLM 5.2从头到尾保持一个节奏，不累不困不焦虑。1月份处理8笔交易用了10分钟，3月份处理22笔用了26分钟，单位时间处理量几乎恒定。
记账正在变成一个已经解决的技术问题
这场测试传递出来的信号其实很明确：记账这件事本身，从技术层面来说，已经差不多被攻破了。GLM 5.2用开源模型、2.73美元的成本、68分钟的时间，就达到了跟人类会计师几乎一样的准确率。虽然它在某些税务细节上还会犯错，但这些错误完全可以靠更好的指令设计、更完善的检查机制来弥补。
真正需要发力的方向，已经不再是让模型更聪明了。当前最紧迫的事情是搭建合适的脚手架，把这些能力包装成产品，让英国那些初创公司和小企业能真正用起来。让普通人不需要懂命令行、不需要调API，也能享受AI记账的好处。
不过话说回来，那个把创始人股份记成普通借款的错误提醒我们，AI再怎么厉害，面对法律层面的概念区分还是有可能翻车。而税务和法律恰恰是不允许模糊地带的领域。所以至少现阶段，AI记账之后还是得有个懂行的人瞄一眼最终结果，免得踩了坑还不知道。
未来的小企业会计部门，可能既不需要那个每小时收费150英镑的高级会计师，也不需要那个刚入行只会贴发票的小助理，而是需要一个人盯着AI干活、只处理那些AI搞不定的异常情况。到那时候，人类会计师的抱怨大概会从“活太多干不完”变成“AI怎么又搞出个冷笑话让我来擦屁股”。
一句话总结：AI记账又快又便宜，犯错也是高级错误，人类会计师的危机不是失业，是以后只能给AI收拾烂摊子。
原文出处：Toot blog · Adam Kurkiewicz, Vineyard Finance