DualEntry基準測試發現：Google的Gemini 4 Argon是會計工作中準確性及一致性最高的AI模型

DualEntry基準測試提供了衡量AI模型在會計方面表現的具體指標，重點關注準確性和一致性。Gemini 4 Argon以91.1%的準確度和86.1%的多輪一致性領先，這表明其可靠性對於錯誤代價高昂的專業應用尤其重要。該基準測試的方法學，即對模型進行三次運行測試，有助於區分偶爾表現良好和能可靠保持性能的模型。

結果還突顯了最廣為人知的AI開發商之外的競爭格局。智譜AI的GLM-5.3 Flash並列第二，表明在亞洲有強大影響力的開發商所開發的模型在專業領域也取得了可比的性能。這表明高性能AI模型的開發並不僅限於少數全球巨頭。

儘管該基準測試側重於會計任務，但其發現為當前AI模型的能力提供了更廣泛的見解。以高準確度持續處理複雜、基於規則的任務的能力，是企業廣泛採用AI的關鍵一步。然而，重要的是要考慮到，受控環境下的基準測試性能並不能完全反映實際部署的複雜性，實際部署通常涉及與現有系統整合、處理模糊輸入以及適應不斷變化的業務規則。