Mercor 实测：Claude Opus 5 会计任务全面反超持证 CPA
Mercor 发布 APEX-Accounting 基准的人类基线研究，雇佣 12 名平均约 5.5 年经验、持 CPA 证的初级会计师，完成 4 项简化版月末结账等真实会计任务，并与近几年多代 AI 模型对比。核心结论是：截至 2025 年 5 月人类会计师整体仍优于 AI，但如今前沿模型在中等长度、定义清晰的任务上比初级会计师更快、更准，甚至超过研究中表现最好的那位会计师。该研究被马斯克转发评论后引发广泛讨论。
已确认
- 研究由 Mercor 发布，提出为基准测试建立人类基线（human baselines）的方法论，任务为 4 项真实会计工作
- 12 名 CPA 人类平均得分约 37%，个体得分从 0% 到约 90% 不等，多人未能在 3 小时时限内完成全部任务
- Claude Opus 5 在全部 20 次尝试中拿到 100% 满分，每项任务耗时不到 10 分钟；GPT-4o 在 2024 年中得分接近零，AI 在 2025 年某时点越过人类平均水平，即约两年内从接近零分跃升至满分
- @emollick 转述核心发现；@paulcal 补充称研究中表现最好的那位人类会计师也被超过；@rohanpaulai、@markk 等补充具体分数细节
- @elonmusk 转发并评论，称「超级智能（前称 AI）现在已能拿下会计测试」，并引述仅 18 个月前最强模型还达不到人类会计师平均约 37% 的得分；研究者表示结果过于惊人
为什么重要
- 该结果为「AI 对初级白领岗位的替代速度」提供了少见的量化参照。@pswider 指出 18 个月前模型成绩还远低于人类会计师，追赶速度惊人，并梳理行业节奏：两年前医疗 AI、一年前教育 AI，如今轮到会计，初级白领岗位首当其冲的论点再添佐证
- @rohanpaulai 借此提出规则型工作已不再是人类的护城河，并指出 AI 表现在约两年内从接近零分跃升至满分
- @paulcal 调侃称，用 Claude 的态度正从贬义的「你是用 AI 做的吧？」变成必答题「你用没用 Claude？」，折射出 AI 工具在专业工作中的常态化
- Reddit 等平台讨论聚焦 AI 对财务岗位的冲击以及基准设计与人类能力对照的方法论，显示就业替代讨论热度较高
2026-10-02 ~ 2026-10-03 · 11 条相关
一手来源
- Mercor 研究:前沿 AI 做会计已快过且准过初级会计师 — emollick ·
- Mercor 实测:12 名 CPA 平均得 37%,Claude Opus 5 全部 20 次满分 — mark_k ·
- 马斯克转评:AI 已在会计测试中碾压人类,18 个月前还不及格 — elonmusk ·
- 雇 12 名注册会计师实测：前沿模型在会计任务上已反超人类 — soumitrashukla9 · 2026-10-02
- 【源头】Mercor 研究:前沿 AI 做会计已快过且准过初级会计师 — emollick · 2026-10-02
- 前沿模型做会计任务已快过初级会计师，18 个月前还远逊人类 — pswider · 2026-10-02
- Mercor 人类基准测试:AI 已超越初级会计师 — ResultBackground2450 · 2026-10-02
- 研究：细节型会计任务上前沿 AI 已比最强人类会计师更快更准 — paul_cal · 2026-10-02
- 【源头】马斯克转评:AI 已在会计测试中碾压人类,18 个月前还不及格 — elonmusk · 2026-10-02
- 两年从零分到满分，AI 会计任务表现已远超人类 37% 均值 — rohanpaul_ai · 2026-10-02
- Claude Opus 5 财税任务 20 题全对,12 位持证 CPA 最高仅约 90% — rohanpaul_ai · 2026-10-02
- 【源头】Mercor 实测:12 名 CPA 平均得 37%,Claude Opus 5 全部 20 次满分 — mark_k · 2026-10-03
另有 2 条近重复转述:rohanpaul_ai · MFordFuture