Surge AI 推出 DAYJOB: Tax，用 50 个环境、1789 个文件考 AI agent 能不能干完税务师的全流程——从一份不完整的客户请求做到可交付成果。覆盖八个税务实务领域，产出是报税表、工作底稿、技术复核或客户建议。难点不在税法知识和算数：agent 要自己判断该做什么、主动追查有后果的问题、识别证据不足，并交付符合专业标准的成果。最高通过率只有 10.8%，说明前沿模型即使单步能做，也很难稳定地把整件事看全做完。该系列此前已有医疗与金融版本。
🔑 核心要点
50 个任务、1789 个文件，最高通过率仅 10.8%
考的是主动性：客户没说的问题要自己发现并一路追下去
必须识别证据不足，而不是硬着头皮给结论
延续 DAYJOB 系列，此前有医疗与金融两版
💡 金句
Success requires more than tax knowledge and accurate calculations. Agents need the initiative and professional judgment to figure out what needs to be done, investigate consequential issues, recognize when evidence is insufficient, and deliver work that meets professional standards.