Surge AI 发布 DAYJOB: Tax 税务基准

Surge AI 发布 DAYJOB: Tax 基准，用 50 个环境和 8 大税务领域的任务，评测 AI 智能体的专业判断力。据 Surge AI 称，在该基准下，最高通过率仅为 10.8%。 Claude Sonnet 5.5 以 10.8% 的通过率（pass@1，采用 95% 评分规则阈值）居首，Claude Fable 5.1 和 Claude Opus 5.5 分别为 9.6% 和 9.2%。该基准属于 Surge AI 的 DAYJOB 基准系列，完整基准需联系 benchmarks@surgehq.ai 申请获取。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。