GPT-6 Astra报税翻车：2.5美元差额暴露AGI致命短板

一场看似完美的AI报税演示

OpenAI在其博客中展示了GPT-6 Astra的一系列"计算机使用"（Computer Use）能力，其中一个引人注目的演示是：让Astra为一个相对简单的税务场景填写美国联邦个人所得税表——Form 1040。

从表面看，这是一次极具冲击力的展示。AI能够理解税务表格的结构、读取用户信息、自动填写各项字段，甚至完成税额计算。这正是许多人期待的"白领工作自动化"缩影。然而，一位Reddit用户在仔细审查后发现，这份看似专业的报税单漏洞百出——Astra不仅报税出错，还"少缴"了政府的税款。

reddit source: GPT-6-Astra's tax return underpays the government

发帖者指出的第一个问题：演示中的表格根本不是从IRS官网下载的标准f1040 PDF文件。它看起来像是一个由AI生成的HTML渲染版本，布局与官方版本完全不同，并且托管在本地Web服务器上。

换句话说，即便Astra完美填写了这份"表格"，把它打印出来邮寄给IRS也极有可能被拒收。这暴露了演示环境与真实世界之间的鸿沟——AI处理的是一个被简化和重构的"沙盒"版本，而非真正的官方文档。

第二个问题相对次要但值得注意：几乎所有人在填写税表时都会使用整数美元金额，这是IRS允许并推荐的做法。而Astra却填写了带小数点的精确金额，这种做法虽然不算错误，却显得相当"不合常规"，与人类实际操作习惯存在明显偏差。

真正的问题出在税额计算上。发帖者指出：在应税收入为36,700美元的情况下，纳税人应缴纳的税款是4,169美元，而不是Astra计算出的4,165.50美元。

差距虽然只有2.5美元，但错误的根源很关键——Astra使用了边际税率公式（marginal tax rate formulas）来计算，而IRS明确要求在这个收入区间必须使用**税率表（tax table）**来查询税额。

这两种方法会产生细微但确实存在的差异。IRS的税率表将收入划分为若干小区间，每个区间对应一个固定税额，这与连续的边际税率公式计算出的结果并不完全一致。Astra选择了数学上"看似正确"的方法，却违反了实际的法规要求。

发帖者用调侃的语气写道："Straight to jail（直接进监狱）；多claim了2.5美元的退税可是一大笔钱。"黑色幽默的背后，是对AI能力边界的严肃质疑。

税务合规是一个典型的"细节决定成败"领域。规则本身可能并不复杂，但它要求执行者对具体条款有精确理解，并且能够严格遵循"应该怎么做"而非"逻辑上怎么做更合理"。Astra的错误恰恰揭示了当前大模型的一个核心短板：它倾向于用通用推理来解决问题，而缺乏对领域特定规则的严格遵守和自我验证能力。

发帖者本人明确表示，他是AI的坚定支持者，也相信AI在不久的将来会接管大部分白领工作。但他随即提出了一个尖锐的观点：

"如果Astra连对自己的输出做基本的验证都做不到，那就很难说它是一个AGI模型。"

这触及了AGI讨论的核心。真正的智能不仅仅是产出看似合理的结果，更在于能够自我审查、识别错误、遵循既定规范。一个称职的税务专业人员会清楚"这里必须查表，不能用公式"，并且会对最终数字进行交叉核对。Astra在这个演示中显然没有做到这一点。

这起事件也反映了AI产品演示中一个普遍存在的问题：精心挑选的demo往往掩盖了真实场景中的脆弱性。 OpenAI选择税表填写作为能力展示，本意是彰显Astra处理结构化任务和复杂表单的能力。但恰恰因为税务是一个规则极其明确、可被外部验证的领域，任何细微的错误都会被专业人士一眼识破。

对于AI从业者和用户而言，这个案例提供了几点重要启示：

2.5美元的税额差异看似微不足道，却像一面镜子，映照出当前最先进AI模型与真正AGI之间的距离。Astra能够理解表格、执行计算、生成看似专业的结果，这本身已经令人印象深刻。但它在细节上的失误提醒我们：智能的真正考验，往往藏在那些容易被忽略的规则和验证环节里。

随着AI越来越深入地进入白领工作领域，如何确保其输出的准确性、合规性和可验证性，将成为比"能不能做"更重要的问题。毕竟，在报税这件事上，"差不多"是远远不够的。