理应资讯
财务智能化

Remote 发布 PayMark:GPT-6 Astra 在工资单基准上以 26.0% 居首

理应编辑室 ·

全球雇佣平台 Remote 发布 AI 工资单基准 PayMark:在 2000 份工资单上,GPT-6 Astra 以 26.0%「三项全对」略高于 Claude Opus 5.5 的 25.9%;高努力模式中位约 3 倍成本换约 +1.6 分。

工资单看起来是结构化文本,但对模型来说,净薪、雇主成本与员工合计必须同时正确才算过关——差一点就是合规事故与员工投诉。全球雇佣与薪酬平台 Remote 发布了面向该场景的基准 PayMark,把「能读 PDF」换成可复现的三项全对指标。

据官方账号 @remote(约 2026-10-29)介绍,评测覆盖 2000 份工资单;准确率定义为净薪、雇主合计、员工合计三项全部正确。结果口径下,GPT-6 Astra 以 26.0% 居首,略高于 Claude Opus 5.5 的 25.9%;前四名差距约在 2.5 个百分点内。帖文还称,高努力(high effort)模式相对低努力,中位成本约 3 倍,换来约 +1.6 分的提升。配图柱状图进一步列出 GPT-6.1 Sol、Claude Fable 5.1、Gemini 3.8 Flash、DeepSeek V4.1-Flash、Qwen3.8-Max 等模型的低/高努力得分,可见整体绝对准确率仍偏低,头部模型领先主要体现在相对排序。

对财务智能化团队,PayMark 便于选型与回归,但部署前应自备脱敏样本重跑,并核对税制、币种、加班与代扣等本地规则是否在基准覆盖内;原帖未公开题目集与评分脚本。高努力模式的成本曲线也提醒:盲目开满推理预算未必划算,应结合错误类型做分层路由。

Remote PayMark 工资单基准高低努力得分对比

# Remote# PayMark# 工资单# 基准# 财务AI