DualEntry 基准：OpenAI GPT-6.1 Terra 速度与成本占优，会计任务落后领先模型

一则通过 Business Wire 发布的评测结果显示，OpenAI 的 GPT-6.1 Terra 在速度与成本上表现突出，但在会计类工作上落后于若干领先 AI 模型。该结论来自名为 DualEntry 的基准测试，标题本身就点明了这组取舍：快、便宜，但不是这个专业领域的领跑者。

来源的性质值得先说清楚。这是一份由测试方以新闻稿形式公布的基准结果，现有摘要没有给出具体分数、测试样本规模，也没有列出完整的参评模型名单。因此它可以作为方向性信号，但还不能被当作独立验证过的结论。

会计之所以值得单独建一套基准，是因为它的任务结构与通用对话完全不同。这类工作要求从凭证、发票、对账记录和报表中抽取并核对结构化信息，错误会直接落到财务数字上，评测逻辑与问答、代码生成并不相同。

“快而便宜”与“准确”在会计场景里是一组紧张关系。批量处理账目的团队需要低成本的吞吐能力，但对错误的容忍度远低于普通聊天用户，因为一个错误的数字会带来审计与合规上的连锁成本。这正是这类基准试图摆到台面上的取舍。

在模型按价格与延迟分层销售的市场里，速度与成本的优化往往以部分专业能力为代价，而财务场景的采购方必须自己验证这个差距。通用榜单上的名次，未必能预测一张对账单上的准确率。

后续看点有三个：DualEntry 是否会公开完整的方法与数据集，第三方能否复现这一结果，以及会计与财务软件厂商会不会把这类领域评测纳入采购流程。在得到复现之前，这条消息的价值在于提出问题，而不是给出最终排名。