Basis erledigt Steuer-Arbeitsmappe mit 50 Tabellenblättern mit GPT-6 Astra in der halben Zeit
Basis, ein Unternehmen, das KI-Agenten für Buchhalter und Steuerberater entwickelt, erklärt, GPT-6 Astra habe eine komplexe Steuer-Arbeitsmappe mit 50 Tabellenblättern in der halben Zeit von GPT-5.6 Sol fertiggestellt. Laut OpenAIs Darstellung des Tests verbesserten sich zudem die Ergebnisse in den internen Evaluierungen des Unternehmens um etwa 20 %.
- Basis zufolge erledigte GPT-6 Astra eine Steuer-Arbeitsmappe mit 50 Tabellenblättern in der halben Zeit, die GPT-5.6 Sol benötigte.
- Basis verzeichnete eine Verbesserung der internen Evaluierungswerte um etwa 20 %.
- GPT-6 Astra passt den Reasoning-Aufwand pro Schritt an und behält dabei den Cache, was laut Basis Kosten und Antwortzeit senkt.
- Das Modell benötigt weniger ausdrückliche Anweisungen, sodass Basis weniger Regeln für einzelne Situationen schreiben muss.
Eine Arbeitsmappe mit 50 Blättern in der halben Zeit
Basis entwickelt KI-Agenten, die einen großen Teil der manuellen Arbeit von Buchhaltern im Alltag automatisieren. Ziel ist es, dass sich deren Zeit von repetitiven Aufgaben hin zu strategischer Arbeit verlagert. Die Forschung des Unternehmens konzentriert sich auf Agenten, die lange Aufgaben zuverlässig abschließen können.
Das Unternehmen verglich GPT-6 Astra und GPT-5.6 Sol anhand einer komplexen Steuer-Arbeitsmappe mit 50 Tabellenblättern. Die Aufgabe bestand darin, die Mappe korrekt und zuverlässig fertigzustellen, und GPT-6 Astra war dabei deutlich schneller. Mitch Troyanovsky, Mitgründer von Basis, formulierte es so: "GPT-6 Astra is able to complete that workbook in half the time that GPT-5.6 Sol is able to."
Basis stellte außerdem fest, dass GPT-6 Astra zu Beginn einer Aufgabe bessere Entscheidungen trifft. Das helfe den Agenten des Unternehmens, einen direkteren Weg durch die Arbeit zu nehmen und weniger Zeit mit der Korrektur von Fehlern zu verbringen. Laut Troyanovsky macht das das Modell auch effizienter im Umgang mit Tokens.
Denkaufwand, der mit dem Schritt skaliert
Basis lässt GPT-6 Astra den Umfang des Reasonings im Verlauf einer Aufgabe anpassen. Das Modell fährt die Rechenleistung hoch, wenn ein Schritt schwierig ist, und nutzt weniger, wenn ein Schritt einfacher ist. Laut der Quelle kann das Modell diese Anpassungen vornehmen, ohne dass der Cache verloren geht.
Troyanovsky zufolge senkt dieser Ansatz Kosten und Antwortzeit. Aus seiner Sicht macht er langlaufende Aufgaben für Basis und dessen Kunden wirtschaftlicher.
Besseres Verständnis dafür, was Buchhalter wollen
Basis meldet mit GPT-6 Astra eine Verbesserung der internen Evaluierungswerte um etwa 20 %. Das Unternehmen führt den Zuwachs auf ein besseres Verständnis der Nutzerabsicht zurück, etwa dafür, wann Rückfragen zu stellen, Annahmen zu kennzeichnen und Anweisungen zu befolgen sind. In Troyanovskys Worten: "GPT-6 Astra does a better job of really understanding the intent of the user and the problem."
Basis bewertet sowohl die Arbeitsweise seiner Agenten als auch ihre Endergebnisse. Zu den Prüfungen gehört, ob die Agenten Vorlagen befolgen, bei steuerlichen Fragen Primärquellen heranziehen und ihre eigene Arbeit kontrollieren.
Das Unternehmen erklärt, GPT-6 Astra könne diese Erwartungen aus einem breiteren Kontext ableiten und brauche dafür weniger ausdrückliche Anweisungen. Dadurch muss Basis weniger Regeln für einzelne Situationen schreiben.
Was das für Basis und seine Kunden bedeutet
Für Basis deuten die Ergebnisse auf eine schnellere Erledigung langer Buchhaltungsaufgaben und niedrigere Kosten durch sparsameren Einsatz von Tokens und Reasoning hin. Das Team gibt außerdem an, mehr Vertrauen zu haben, dass seine Agenten auch mit Situationen zurechtkommen, die über die internen Tests hinausgehen.
Die Zahlen stammen aus Basis' eigenen Tests und Evaluierungen, wie OpenAI berichtet. Weitere Angaben zur Methodik macht die Quelle nicht.
