GLM 5.2 kot skoraj enako natančen kot človeški knjigovodja za manj kot 1% stroškov priprave četrtletnega obračuna DDV (za UK SME)

Jul 12, 2026 | LLM (AI)

VIR: https://toot-books.pages.dev/blog/glm-5-2-vat-benchmark

BISTVO:

Model GLM 5.2 je na realnem naboru podatkov ene britanske male družbe pripravil četrtletni obračun DDV z odstopanjem le 0,07 GBP v primerjavi s človeško pripravljenim obračunom.

Test je vključeval celoten kvartal (59 transakcij) z uporabo dejanskega računovodskega sistema, CLI orodja in dostopa do interneta, pri čemer je bil model strogo ločen od referenčnih (ground truth) podatkov.

Rezultati kažejo, da je GLM 5.2 dosledno pravilno klasificiral transakcije, pravilno pripenjal račune in reševal kompleksne primere, pri čemer so bile napake pretežno konceptualne in ne finančno pomembne.

Najresnejša napaka je bila napačna knjižba osnovnega kapitala (founder shares), medtem ko so druge napake v večini primerov povezane z zamenjavo kategorij »zero‑rated« in »tax‑exempt« ter obravnavo razdeljenih (split) transakcij.

Avtorji sklepajo, da je knjigovodstvo za mala podjetja v veliki meri rešen problem ter da je naslednji korak gradnja ustrezne nadgradnje (scaffolding), ki take modele varno in učinkovito integrira v procese UK startupov in SME.

DEJSTVA:

Test je zajemal 59 transakcij v prvem četrtletju 2026 (januar, februar, marec) podjetja Vineyard Finance, s skupno 354 kontrolnimi točkami (59 × 6 kriterijev).

Model je v 68 minutah uporabil 5,73 milijona vhodnih žetonov in 193.483 izhodnih žetonov, s stroškom približno 2,73 USD za celoten kvartal.

Po mesecih je model naredil 112 klicev (turns) in 137 klicev orodij (tool calls), pri čemer je največji enkraten poziv izkoristil približno 13,3% od 1.048.576-žeton kontekstnega okna.

Skupno je bilo 20 neuspešno opravljenih kontrolnih kriterijev na 18 transakcijah, od tega ena ocenjena kot resna napaka (obravnava »founder shares« kot »Capital Account«).

Človeški računovodski servis za tipičen kvartalni obračun DDV za UK SME stane približno 750–2.100 GBP, kar pomeni, da je strošek modela pod 1% človeškega stroška.