В бенчмарке APEX Accounting модель Claude Opus 5.5 показала результат 61.8%, что выше среднего показателя бухгалтеров (около 37%).
Полный бенчмарк включает 160 задач, и ни одна из моделей не смогла полностью решить почти 60% из них. Mercor отмечает, что ИИ пока не может закрывать книги без контроля, так как в тестах не учтены коммуникация с клиентами и коллегами.