Bestes KI-Modell für Steuerberatungs- und Buchhaltungsfirmen, getestet am 23. September 2026
Die Aufgaben des AIGROW-Benchmarks für kleine Unternehmen, die eine Steuer- oder Wirtschaftsprüfungskanzlei an KI vergeben würde, und die Ergebnisse aller 36 Modelle bei jeder Aufgabe, bewertet als bestanden oder nicht bestanden anhand schriftlich festgelegter Prüfkriterien.
Ein Pilotversuch, bei dem jedes Modell 1 Durchlauf pro Aufgabe absolviert. Dieser Test wurde am 23. September 2026 durchgeführt. Seitdem haben die Hersteller 16 der 36 getesteten Modelle durch neuere ersetzt, und 16 aktuelle Modelle unserer Liste waren nicht enthalten. Die LLM-Rangliste ordnet aktuelle Modelle nach gemessenen Ergebnissen.
- Qwen3.8 Flash
- 6 von 6
- Kimi K3
- 6 von 6
- Gemini 3.1 Pro (preview)
- 6 von 6
- GLM-5.3-Flash
- 6 von 6
- DeepSeek V4.1 Flash
- 6 von 6
- GLM-5.3
- 6 von 6
Der AIGROW-Benchmark für kleine Unternehmen umfasst 6 Aufgaben, die eine Steuer- oder Wirtschaftsprüfungskanzlei an KI vergeben würde. Am 23. September 2026 hat 15 Modelle alle 6 bestanden. gpt-oss-120b lieferte in der Vergleichsgruppe (diesen) die günstigsten bestandenen Durchläufe im gesamten Benchmark, 0,422 $ pro tausend. Jede Aufgabenseite zeigt die Fallstricke und die Fehler aller Modelle.
Alle Modelle bei diesen Aufgaben
Die meisten bestandenen Durchläufe zuerst. Bei Gleichstand entscheidet die bessere Bilanz über alle 20 Aufgaben hinweg. Die Kosten für 1.000 bestandene Durchläufe beruhen auf dem gesamten Benchmark, einschließlich fehlgeschlagener Durchläufe.
| Modell | Einen italienischen Kontoauszug kategorisieren | Banktransaktionen kategorisieren | Rechnungsdaten extrahieren | Daten aus italienischen Lieferantenrechnungen extrahieren | Italienische Freiberuflerrechnungen berechnen | Überstundenvergütung berechnen | Bestanden | 1.000 erfolgreiche Durchläufe |
|---|---|---|---|---|---|---|---|---|
| Qwen3.8 Flash | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | 6 von 6 | 1,09 $ |
| Kimi K3Ersetzt durch Kimi K3.1 Pro | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | 6 von 6 | 18,44 $ |
| Gemini 3.1 Pro (preview)Ersetzt durch Gemini 4 Argon | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | 6 von 6 | 29,67 $ |
| GLM-5.3-Flash | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | 6 von 6 | 0,831 $ |
| DeepSeek V4.1 Flash | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | 6 von 6 | 1,05 $ |
| GLM-5.3 | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | 6 von 6 | 7,02 $ |
| Grok 4.7 | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | 6 von 6 | 9,41 $ |
| Qwen3.7 Plus | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | 6 von 6 | 3,58 $ |
| Claude Sonnet 5Ersetzt durch Claude Sonnet 5.5 | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | 6 von 6 | 6,70 $ |
| GPT-5.6 SolErsetzt durch GPT-6.1 Sol | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | 6 von 6 | 11,33 $ |
| GPT-6 Astra | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | 6 von 6 | 27,91 $ |
| Muse Glimmer 30B | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | 6 von 6 | 3,10 $ |
| Grok 4.3 | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | 6 von 6 | 4,10 $ |
| Qwen3.8 27B | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | 6 von 6 | 7,30 $ |
| gpt-oss-120b | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | 6 von 6 | 0,422 $ |
| DeepSeek V4 Pro | Bestanden | Nicht bestanden | Bestanden | Bestanden | Bestanden | Bestanden | 5 von 6 | 5,14 $ |
| Gemini 3.8 Flash | Bestanden | Bestanden | Nicht bestanden | Bestanden | Bestanden | Bestanden | 5 von 6 | 7,17 $ |
| Qwen3.8 Max | Bestanden | Bestanden | Nicht bestanden | Bestanden | Bestanden | Bestanden | 5 von 6 | 16,32 $ |
| Claude Opus 5Ersetzt durch Claude Opus 5.5 | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | Nicht bestanden | 5 von 6 | 16,89 $ |
| GPT-5.5Ersetzt durch GPT-6 Astra | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | Nicht bestanden | 5 von 6 | 17,02 $ |
| Claude Fable 5.1Ersetzt durch Claude Fable 5.2 | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | Nicht bestanden | 5 von 6 | 33,11 $ |
| GPT-5.6 TerraErsetzt durch GPT-6.1 Terra | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | Nicht bestanden | 5 von 6 | 6,68 $ |
| MiniMax M3 | Bestanden | Bestanden | Bestanden | Nicht bestanden | Bestanden | Bestanden | 5 von 6 | 1,82 $ |
| Claude Sonnet 4.6Ersetzt durch Claude Sonnet 5.5 | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | Nicht bestanden | 5 von 6 | 11,24 $ |
| Kimi K2.6Ersetzt durch Kimi K3.1 Pro | Bestanden | Bestanden | Bestanden | Bestanden | Bestanden | Nicht bestanden | 5 von 6 | 11,69 $ |
| GPT-5.6 LunaErsetzt durch GPT-6 Luna | Bestanden | Nicht bestanden | Bestanden | Bestanden | Bestanden | Nicht bestanden | 4 von 6 | 0,677 $ |
| Gemini 3.5 Flash-Lite | Bestanden | Nicht bestanden | Bestanden | Bestanden | Bestanden | Nicht bestanden | 4 von 6 | 2,47 $ |
| Gemma 4 31B | Nicht bestanden | Nicht bestanden | Bestanden | Bestanden | Bestanden | Nicht bestanden | 3 von 6 | 0,558 $ |
| Gemini 3.1 Flash-LiteErsetzt durch Gemini 3.5 Flash-Lite | Nicht bestanden | Nicht bestanden | Bestanden | Bestanden | Bestanden | Nicht bestanden | 3 von 6 | 1,41 $ |
| GPT-5.4 miniErsetzt durch GPT-6.1 Terra | Nicht bestanden | Nicht bestanden | Bestanden | Bestanden | Bestanden | Nicht bestanden | 3 von 6 | 3,35 $ |
| Claude Haiku 4.5Ersetzt durch Claude Haiku 5.5 | Nicht bestanden | Nicht bestanden | Bestanden | Bestanden | Bestanden | Nicht bestanden | 3 von 6 | 6,62 $ |
| GPT-5.4 nanoErsetzt durch GPT-6 Luna | Nicht bestanden | Nicht bestanden | Bestanden | Bestanden | Bestanden | Nicht bestanden | 3 von 6 | 1,51 $ |
| Llama 4 Maverick | Nicht bestanden | Nicht bestanden | Bestanden | Nicht bestanden | Bestanden | Nicht bestanden | 2 von 6 | 0,665 $ |
| Mistral Medium 3.5Ersetzt durch Mistral Large 4 | Nicht bestanden | Nicht bestanden | Bestanden | Nicht bestanden | Bestanden | Nicht bestanden | 2 von 6 | 7,40 $ |
| Ministral 3 14B | Nicht bestanden | Nicht bestanden | Bestanden | Nicht bestanden | Bestanden | Nicht bestanden | 2 von 6 | 1,07 $ |
| Mistral Small 4 | Nicht bestanden | Nicht bestanden | Bestanden | Nicht bestanden | Bestanden | Nicht bestanden | 2 von 6 | 1,33 $ |
Die Aufgaben
Jede Seite zeigt die Aufgabe so, wie die Modelle sie erhalten haben, ihre Fallstricke, alle Prüfkriterien in Worten und die Fehler jedes Modells.
- Die Kontoauszüge einer italienischen Bar kategorisieren und die Kontobewegungen summieren
- Italienisch. 27 von 36 Durchläufen bestanden.
- Den monatlichen Kontoauszug eines Cafés kategorisieren und seine Betriebskosten summieren
- Englisch. 24 von 36 Durchläufen bestanden.
- Daten aus einer zweiseitigen Lieferantenrechnung für die Kreditorenbuchhaltung extrahieren
- Englisch. 34 von 36 Durchläufen bestanden.
- Daten aus einer italienischen Lieferantenrechnung mit einer nicht steuerbaren Auslagenposition extrahieren
- Italienisch. 31 von 36 Durchläufen bestanden.
- Zwei italienische Honorarrechnungen mit Beitrag zur Berufskasse, IVA und Quellensteuer berechnen
- Italienisch. 36 von 36 Durchläufen bestanden.
- Berechnen Sie den wöchentlichen Bruttolohn einer Reinigungskraft unter Berücksichtigung von Pausen, Überstunden und Sonntagszuschlägen
- Englisch. 19 von 36 Durchläufen bestanden.
Diese Arbeit einem Agenten übertragen
Ein AIGROW-Agent erledigt solche Aufgaben in Ihren eigenen Tools nach Regeln, die Sie schriftlich freigegeben haben. Was die Regeln nicht abdecken, gibt er zur Klärung weiter, statt zu raten.
Ausgabe Oktober 2026