Sonnet 5 с открытым налоговым движком обошла Fable 5 и GPT sol: 96% на TaxCalcBench

Sonnet 5 набрала 96% на TaxCalcBench - лучший результат за всё время замеров, пост от 24 июля 2026. Та же модель без движка брала 6%. Движок открытый и подключается как MCP: модель не считает налоги сама, а зовёт детерминированный расчёт.

Почему это важно: До сих пор налоговый бенч мерил одно: как модель считает в уме. Sonnet 5 на этом собирала 6% и была в хвосте. Теперь арифметику держит движок, модель только собирает данные и дёргает инструмент - и та же Sonnet 5 идёт выше Fable 5 и GPT sol. Два кейса модель всё же не взяла, и оба оказались расхождениями в самих тестах бенча: мейнтейнеры это подтвердили. Про лицензию, покрытие штатов и годы деклараций в посте молчат.

Что дальше: Повторить ход на своей задаче: вынести арифметику из модели в детерминированный инструмент через MCP. Прогнать один и тот же набор кейсов с инструментом и без него и сравнить счёт ошибок.