TaxCalcBench 评测前沿模型能否完成 2025 纳税申报计算

TaxCalcBench 发布 2025 v2 版税务计算基准，测试 38 个模型在 50 个覆盖 CA、IL、NY、VA 的案例中能否根据纳税人材料生成完整税表。新版输入改为 W-2、1099 等真实 PDF，覆盖联邦和州税以及更复杂财务情形；结果按严格全表正确、±$5 宽松正确、逐行正确率、每份申报成本和时间统计，结果于 10/01/2026 从仓库同步。