Mục lục
TL;DR: Mô hình GPT-6 Astra đã hoàn thành một bảng tính thuế phức tạp gồm 50 tab trong khoảng một nửa thời gian so với GPT-5.6 Sol, nhờ hiểu ý định người dùng tốt hơn và điều chỉnh mức suy luận theo từng bước.
Basis phát triển các tác nhân AI, tức phần mềm có thể tự thực hiện nhiều bước công việc, để tự động hóa phần lớn tác vụ thủ công hằng ngày của kế toán. Mục tiêu là chuyển thời gian của nhân sự từ việc lặp lại sang các công việc cần phán đoán và tính chiến lược cao hơn.
Trong thử nghiệm mới, công ty so sánh GPT-6 Astra với GPT-5.6 Sol trên một workbook thuế có 50 tab. Theo Basis, điểm đáng chú ý không chỉ là tốc độ hoàn tất, mà là khả năng để tác nhân AI chọn hướng xử lý tốt hơn ngay từ đầu, giảm thời gian quay lại sửa lỗi trong những quy trình dài.
Thử nghiệm trên workbook thuế 50 tab
Basis cho biết bài kiểm tra yêu cầu tác nhân AI hoàn thành workbook một cách chính xác và đáng tin cậy, một yêu cầu cũng đặt ra khi thiết kế các quy trình tự động hóa tạo nội dung theo từng bước.
Theo đồng sáng lập Mitch Troyanovsky, mô hình mới hiểu rõ hơn ý định của người dùng và vấn đề họ muốn giải quyết. Trong bối cảnh kế toán, khác biệt này quan trọng vì một yêu cầu có thể bao gồm nhiều bước liên quan, nhiều định dạng cần tuân thủ và các giả định phải được nêu rõ.
Basis nói rằng GPT-6 Astra đưa ra quyết định ban đầu tốt hơn. Điều đó giúp tác nhân đi theo lộ trình trực tiếp hơn, thay vì mất thêm lượt xử lý để khắc phục lựa chọn sai ở các bước trước. Troyanovsky cũng cho biết mô hình sử dụng token hiệu quả hơn, tức có thể giảm lượng đơn vị xử lý ngôn ngữ được tiêu thụ khi thực hiện tác vụ.
Điều chỉnh mức suy luận theo độ khó
Một cách Basis triển khai GPT-6 Astra là cho mô hình thay đổi mức reasoning, hay mức độ suy luận và tính toán, khi công việc diễn ra. Với bước khó, mô hình có thể tăng mức xử lý; với bước đơn giản hơn, mô hình giảm mức này để tránh dùng tài nguyên không cần thiết.
Theo Basis, GPT-6 Astra có thể thực hiện điều chỉnh đó trong khi vẫn giữ nguyên cache, tức dữ liệu ngữ cảnh đã được lưu để dùng lại trong quá trình xử lý. Công ty cho rằng đặc điểm này giúp giảm cả chi phí lẫn thời gian phản hồi cho các tác vụ kéo dài, vốn thường cần theo dõi nhiều bước và nhiều thông tin liên quan.
Đây là yếu tố có ý nghĩa thực tế với các quy trình kế toán dài: tốc độ không chỉ phụ thuộc vào một câu trả lời đơn lẻ, mà còn vào việc hệ thống duy trì được ngữ cảnh, phân bổ tài nguyên đúng chỗ và tránh phải làm lại các phần đã xử lý.
Đánh giá cả quy trình thay vì chỉ kết quả cuối
Basis cho biết điểm đánh giá nội bộ của họ cải thiện khoảng 20% với GPT-6 Astra. Công ty quy sự cải thiện này cho việc mô hình hiểu ý định người dùng tốt hơn, bao gồm biết khi nào cần hỏi lại, khi nào nên nêu giả định và cách tuân theo hướng dẫn.
Việc đánh giá của Basis không chỉ nhìn vào câu trả lời cuối cùng. Công ty còn kiểm tra tác nhân có bám đúng template hay không, có tra cứu nguồn gốc cho các câu hỏi thuế hay không và có tự kiểm tra công việc của mình hay không. Đây là các tiêu chí quan trọng trong những tác vụ mà đầu ra có cấu trúc và độ tin cậy của quy trình đều cần được kiểm soát.
Theo Basis, GPT-6 Astra có thể suy ra nhiều kỳ vọng này từ ngữ cảnh rộng hơn với ít chỉ dẫn cụ thể hơn. Nếu kết quả này lặp lại trong vận hành thực tế, đội ngũ có thể giảm số lượng quy tắc phải viết riêng cho từng tình huống.
Vì sao đáng chú ý?
Trường hợp của Basis cho thấy giá trị của mô hình AI trong doanh nghiệp không chỉ nằm ở khả năng tạo văn bản hay trả lời câu hỏi nhanh hơn. Với các tác nhân xử lý công việc nhiều bước, khả năng hiểu đúng mục tiêu, nhận ra điểm cần làm rõ và kiểm soát cách thực hiện có thể quyết định liệu hệ thống có đủ hữu ích để đưa vào quy trình vận hành hay không.
Tuy vậy, các số liệu trên là kết quả thử nghiệm và đánh giá nội bộ do Basis công bố. Nguồn không nêu chi tiết về bộ dữ liệu, phương pháp chấm điểm hay mức độ hiệu quả trên các loại hồ sơ thuế khác, nên chưa thể xem đây là thước đo độc lập cho mọi tác vụ kế toán.
- Nguồn chính thức: Basis completes a tax workbook 2x faster with GPT-6 Astra, OpenAI, 28/09/2026
