卖房日期都算对了，税务建议就可靠吗？未必。一个案例中，AI判断2026年10月或2027年1月成交都符合最高25万美元的售房收益免税条件，却可能漏掉更关键的信息：当事人约在2027年8月底后将不再满足居住年限要求。五次测试里，Astra一次也没指出这个期限，Opus则五次都指出了。
这正是Surge AI推出DAYJOB: Tax的用意。它不是考AI会不会回答税法问题，而是让AI Agent——能拆解任务、查材料并产出成品的系统——完成50项接近税务从业者日常工作的任务，覆盖八类税务实践。系统要处理客户要求和记录，交付税表、工作底稿、技术审查或建议；每项任务至少满足95%的评分标准才算通过，标准包括计算、证据、重大事项和最终成品。
结果显示，榜首Claude Sonnet 5.5的通过率也只有10.8%，其后Claude Fable 5.1为9.6%，Claude Opus 5.5为9.2%。这些数据来自Surge AI自述。它提醒我们：高责任工作里，AI最危险的失误未必是结论明显算错，而是答案看似正确，却没提醒客户真正需要防范的期限和条件。