Surge AI 推出 DAYJOB: Tax 基准，评估 AI 智能体在 50 项专业税务任务上的表现

Surge AI 发布 DAYJOB: Tax 基准，用 50 个税务环境评估 AI 智能体的专业判断力，覆盖个人、小企业、合伙、国际税等八个领域。Claude Sonnet 5.5 以 10.8% 的 pass@1 领先，Claude Fable 5.1 和 Claude Opus 5.5 分别为 9.6% 和 9.2%，通过门槛为满足 95% 评分标准。