← 2026-07-10 の一覧へ戻るホーム
GLM 5.2 は人間の本番の簿記担当者の精度にほぼ匹敵する

2026/07/10 3:29

GLM 5.2 は人間の本番の簿記担当者の精度にほぼ匹敵する

RSS: https://news.ycombinator.com/rss

元のHacker News記事へ ↗
要約▶

Japanese Translation:

最も重要な結論は、GLM 5.2 が英国の小規模企業向けに自動化された簿記問題を実質的に解決したという点です。これは、四半期分の VAT 申告プロジェクトでモデルが 68 分間にわたり 59 件の取引を処理し、未調整のトークンコスト $2.73 で遂行された事例によって示されています。人間の準備した基準データとの間で純正位だけが 7 ペンスほど誤差を有するという本質的に正確な結果を達成しつつ、GLM 5.2 は画像処理は一切行わずにテキストのみを含んだ PDF 領収書 100% を取り扱いました。動作環境は Google Cloud Platform 上で Fireworks AI サーバレス階層を使用しており、bash とセッション終了・最終報告機能のみを提供していました。3 カ月分のテストデータ（1 月：82 件、2 月：29 件、3 月：22 件）について、GLM 5.2 は各取引に対して「種類」「カテゴリ」「VAT 処理方法」「VAT 額」「逆荷税」「領収書添付」の 6 つの特定の検証基準でスコア付けされ、合計 354 チェックが行われました。そのうち 18 の取引で 20 チェックが失敗しており、主たるエラーは創業者株資本を「資本勘定」として誤分類し、「未払株式」ではなく扱ったことであり、約£10,000（〜$13,300）分に対して法的および監査上の影響が生じる可能性があります。頻発する軽微なエラーには、1 月と 2 月に「課税不可」と「免税」という VAT カテゴリを混同したものが含まれ（残りの 17 エラーのうち 14 件）、これらは 3 月で修正され、また自己補正を行う前に分割された Wise 取引が VAT で二重計上された単一の事例がありました。これらの問題にもかかわらず、GLM 5.2 は株資本の誤分類を除くすべての取引に対して勘定科目を正しく分類し、誤った請求書を添付することなく、また送金やキャッシュバック還付といった複雑な入力を成功裏に曖昧さを取り除くことができました。本研究は簿記が解決問題となりつつあることを結論付け、Vineyard Finance のオープンベータ版（toot-books.com）を推奨しており、請求書の処理や過去には人間の会計士にのみ限定されていた推論タスクを実行する完全に自動化されたソリューションを提供しています。企業は現在こうしたワークフローを自動化できるようになりましたが、株資本の分類に関するエラーが慎重に管理されない場合、法的影響が生じる可能性について警戒する必要があります。

本文

GLM 5.2 の英国中小企業向け VAT 申告業務への適用評価：ほぼ完璧な実証結果

GLM 5.2（オープンウェイト AI モデル）を用いて、英国の中小・中堅企業（SME）向けの四半期ベースの付加価値税（VAT）申告書作成タスクを実行し、その性能を評価しました。 本記事では、ベンチマークの実施方法、評価基準、モデルの正誤判定結果、および今後の展望について解説します。

英国 SME における VAT 申告の背景と課題

  • 業務の重要性: VAT 申告書の準備は、英国の中小企業にとって代表的なコンプライアンス業務です。
  • 法令遵守義務: 登録事業所は原則として四半期ごとに申告書を提出する必要があります（法定期限：四半期終了から最大 5 ヶ月以内）。
  • ペナルティ: 期限超過時は重大な課徴金を科されるリスクがあります。
  • 現状の課題:
    • SME の多くは外部会計事務所に依頼しており、平均サービス料は四半期あたり 750〜2,100 ポンド（約 1,000〜2,800 ドル） です。

ベンチマークの実施方法

テスト環境とデータ準備

  • 使用するモデル: Claude Fable 5 を用いて、会計システム「Vineyard Finance」の 2026 年度第 1 四半期（1 月〜3 月）分の取引データと領収書からベンチマークデータを抽出・構築しました。
  • データの作成プロセス:
    • 人間による帳簿作成（一人作成、もう一人検証）で典型的な会計プロセスを再現。
    • マイルボックの検索や請求書の探索など、人間が行った広範な業務内容を**「ユーザーノート」**としてモデルに提示。
  • インフラ構成:
    • Google Cloud Platform（GCP）上で他のテスト環境と隔離されたインスタンスを使用。
    • 不正アクセスを防ぐため、正解データへの直接アクセスはブロックし、インターネット接続と認証済み CLI ツールのみを許可。
    • フレームワークはカスタマイズされ、公開ツールはbash（入力処理）と最終報告用ツールの 2 つに限る。
    • GLM 5.2 の提供元は Fireworks AI のサーバーレス層を採用（推測：FP16 または FP8）。

アビリティ監査結果

  • 不正行為は一切確認されず、インターネット接続の利用も「逆転荷 VAT の情報収集」といった特定のケースに限定的でした。
  • モデルはテスト中であるという自覚を示すコメントを残しましたが、タスク遂行には影響しませんでした。

モデルが認識・処理した情報の詳細

モデルは以下のデータを処理し、59 件の取引を68 分以内で完了しました（生トークン単価 2.73 ドル）。

  • 銀行取引明細書（Bank feed）
    • クレジットカード決済やサブスクリプションなどの自動入力データを処理。
  • 領収書（PDF）
    • 画像認識不要なテキスト PDF をそのまま読み込み、モデルの制約なしでタスク遂行を可能にしました。
  • ユーザーノート（文脈情報）
    • 59 件中 2 件のみに追加情報を含みます：
      1. 創設者株式（Founder shares）
      2. 自家用車の手配（Personal car hire）
    • これらのノートは、文書から導き出せない現実世界の文脈をモデルに理解させるために不可欠でした。

評価基準と実績概要

採点基準（6 つの観点）

各取引ごとに以下の観点で正誤判定を行いました（合計 354 チェック項目）。

  1. 取引の種類：購入、売上収益、資本投入等の決定論的な分類。
  2. 分類項目：勘定科目表上の「口座名」への選択（例：IT 費）。
  3. VAT の扱い方法：課税、非課税、免税などの区分。
  4. VAT 金額：誤差許容範囲 ±0.02 ポンド。
  5. 逆転荷 VAT：誤差許容範囲 ±0.02 ポンド。
  6. 領収書の添付：証拠書類の存在確認。

実績サマリー表

月取引数ターン数ツールコール回数経過時間プロンプトトークン数キャッシュ化率アウトプットトークン数ピークコンテキスト¹推定コスト
1 月8283100.3 分87 万92%3.4 万66,381 (6.3%)$0.45
2 月2374431.4 分187 万92%6.6 万11 万 (10.6%)$0.94
3 月2247526.3 分298 万95%9.3 万13.9 万 (13.3%)$1.34
四半期計591,12137668 分573 万93%19.3 万13.9 万 (13.3%)$2.73

¹ ピークコンテキスト：各月の最大消費割合。最も繁忙だった 3 ヶ月はコンテキストウィンドウ（104 万トークン）の約 1/8 を使用。キャッシュ化率が高いことでコストは抑えられています。

圧倒的な精度：最も重要な指標

  • モデルが最終的に到達させた会計システムの状態は、本番環境と同等の実績を達成しました。
  • 特に重要視される**「税務当局に対して企業が受領すべき VAT の額（Box 5：純額面）」において、正解データ（グラウンド・トゥートス）からわずか 7 ペンス（約 10 セント）の差しかなかった**。

モデルが犯した誤りについて

354 チェック項目のうち、20 項目で失敗しました（18 件の取引にまたがって）。 最大の過失は「創設者株式」の扱いですが、直接的な財務的損害や VAT 申告への影響は軽微です。

1. 【重大】「創設者株式」の勘定科目の誤用

  • 正解: 「Unpaid Shares（未払い株式資本）」という勘定科目を使用すべきだが、モデルは**「Capital Account」**を採用。
  • リスク:
    • 法的に「資本金」としての保護機能を欠くため、単純な資金として扱われる恐れあり。
    • 返済可能と誤解される可能性や、監査時・決算書提出時の深刻な問題に発展するリスク。
    • 金額は約**10,000 ポンド（約 13,300 ドル）**規模であり、軽視できない事実。

2. 「税率ゼロ」 vs 「免税」の混同

  • 誤り内容: VAT を支払わない 2 つのカテゴリーを区別しきれず、分類を混乱させたケース（14 件の取引）。
  • 特徴:
    • 税務上の微妙な違いを無視した確率的な振る舞い。
    • 1 月・2 月に発生したが、3 月には正しく識別・処理できるようになった。

3. 複雑な推論における「二重計算」リスク

  • 事例: Wise（マルチ通貨口座）を利用する場合の「主幹取引」と「残存部分（例：手数料還付）」の両方に VAT を適用してしまおうとしたケース（3 件の取引）。
  • 結果:
    • 実質的には無視できる程度の影響であり、VAT 合計額は正確。
    • 3 月の一件では「二重計算」に気づき再配分を試みたが、採点基準上は誤りと判定された。

モデルが常に正しく処理した点（強み）

以下のタスクにおいては、高額な先端 AI モデルか熟練した人間以上の性能を発揮しました：

  • 分類精度: 勘定科目表上の正しい口座名へ、創設者株式の誤以外で全件正解。
  • 領収書管理: いかなる取引にも誤った請求書を添付することはなく、証拠書類の確認が適切に行われた。
  • 困難な入力の処理:
    • 金額・ベンダー名・日時が完全に同一の2 つの取引を区別した。
    • 会社間の振替や、明細書行目の境目をまたぐ取引、カード購入に見せかけた振替などの難易度が高い取引を正しく識別。

結論：今後の展望とアクションプラン

仕訳作業は急速に「解決済み」の問題へと進化しています。 今後は、英国のスタートアップや中小企業に対してこの能力を適切に導入するための基盤（スキャフォールディング）の構築が最優先事項です。

  • ソリューション提供: 当社が開発中の自動化仕訳サービスは現在オープンベータ版を開始。
    • アクセス URL: toot-books.com
    • お問い合わせ: 
      adam@vineyard-finance.com

同じ日のほかのニュース

一覧に戻る →

2026/07/09 17:05

Show HN：私の低速な PC で GLM 5.2 を動かしている

## Japanese Translation: **Colibrì**は、ランタイム依存関係ゼロの純 C 言語で書かれた軽量な C エンジンであり、約 25 GB の RAM を搭載する汎用ハードウェア上で、740 億パラメータの GLM-5.2 モデルをローカルに実行することを可能にする。これは、ディスクストリーミング技術を採用することで実現しており、メモリ内に密度の高いコア（〜17B パラメータ）と頻繁に使用されるエキスパートのみを保持し、残りの約 21,504 のルーティング済みエキスパートをディスクからストリーミング処理する。このエンジンは、DeepSeek-V3 スタイルのルーティング、MLA アテンション、圧縮された KV キャッシュ、そして Native MTP 推論的デコード（int8 専用ヘッド）を含む GLM-5.2 の MoE アーキテクチャをネイティブでサポートしている。AVX2 インタージェンタートド積の最適化済みカーネルを採用し、使用パターンを学習して自動的にメモリピン固定を行う自動メモリ管理システムを活用することで、初期のコールドスタート後（最初の推論時にトークンあたり約 11 GB のディスク読み込み）のレイテンシを最小化している。プロジェクトには純 C ランタイムと、コンバージョン専用で Python のみが必要となるオフライン FP8→int4 変換スクリプトが含まれており、Linux/WSL2 および設定可能な環境パラメータに対応する。Apache 2.0（エンジン用）と MIT（ウェイト用）のハイブリッドライセンスの下にあり、研究者が消費者向け NVMe ドライブまたは高エンドハードウェア上においてローカルで最先端モデルを実行できるよう、完全なポートabilityを備えている。システムの性能に応じて、約 0.1 トークン/秒から 15 トークン/秒以上の速度を実現する。 （注：改善されたバージョンは、元のサマリーの流れを保ちつつ、量子化、推論的デコード、コールドスタートのメカニズム、ライセンスの詳細に関する不足していた技術的な specifics を統合しています。）

2026/07/09 20:03

欧州議会で Chat Control 1.0 が承認される

## Japanese Translation: 欧州議会は、Instagram、iCloud、Gmail などの主要プラットフォームにおける私的通信の無許可的大規模スキャンを 2028 年まで、あるいは恒久的な合意に至るまでの間を認める暫定規則を承認した。投票結果は賛成 276 票で可決されたが、絶対多数 361 票には届かなかった。一方、スキャン対象を司法手続きにおける被疑者だけに限定する修正案（322 対 255 の支持率）も、同様に絶対多数に達しなかったため採択されなかった。その結果、Meta や Apple など大規模な米国技術企業は当局から無許可でダイレクトメッセージのスキャンを義務付けられることとなり、WhatsApp のようにエンドツーエンド暗号化が実施されているアプリは除外されることとなった。データによると、この大規模監視は虐待通報の 36% しか説明しておらず（2022 年以降の米国事例において報告件数は 50% も減少しており、これは暗号化強化によるものとして示唆されている）、残りの大部分の通報は公開投稿やクラウドストレージから出ている。市民権利活動家や性暴力被害者を含む批判者は、この法律を「滑稽なもの」と糾弾し、それは真摯な児童保護よりもむしろビッグテックのデータ利益を追求するものだとしている。また、Meta が生成した通報のほとんどは、すでに企業が把握していた材料に過ぎないという発見にも言及している。恒久版のための協議は立法による立滞の解消後、9 月に再開予定となっており、この措置が安全性を損なう一方で実証的な保護的成果をもたらしていないと考える活動家からは激しい反対運動が生じている。

2026/07/09 21:48

Show HN: 18語

## Japanese Translation: ## 日本語訳： 提供された要約は、重要な点を明確かつ忠実に反映しているため、改訂の必要はありません。 ## Text to translate: The provided summary is clear and faithful to the key points, so no revision is necessary.