10 月 27 日，评测公司 Surge AI 发布名为 Dayjob: Tax 的基准，包含 50 个环境，覆盖个人、小企业、合伙、房产、遗产、国际、公司与复核八大税务领域，共 1789 份工作区文件，考察 AI 代理能否端到端完成真实税务工作。结果显示，Claude Sonnet 5.5 以 10.8% 的通过率居首，Claude Fable 5.1 为 9.6%，Claude Opus 5.5 为 9.2%。作者指出，模型在专业技术推理上已不弱，但经常错过截止时间、不验证假设，专业判断仍是短板。

来源：全球资讯与公开媒体报道