Какая нейросеть лучше работает с таблицами?

Вопрос поставлен чуть мимо, потому что таблицы это не про красноречие модели, а про то, чем она считает. Разложу.

Что делаете	Что происходит внутри	Насколько можно верить
Кидаете скрин таблицы	Модель распознаёт картинку и половину цифр читает как похожие, пятёрка становится шестёркой	Верить нельзя, особенно на мелком шрифте и сканах
Вставляете таблицу текстом в чат	Она считает по строкам как текст, на длинных выгрузках теряет строки молча	Годится для десятка строк, дальше начинается вранье с уверенным лицом
Грузите файл и просите посчитать	Зависит от того, есть ли запуск кода, без него та же арифметика в уме	Смотрите, показывает ли она код, если нет, перепроверяйте
Грузите файл и просите скрипт	Модель пишет программу, считает программа, вы видите каждый шаг	Самый надёжный вариант, ошибки видно в коде

Отсюда практика. Выгружайте не скрин, а обычный файл с разделителями, заголовки столбцов пишите по человечески, потому что модель ориентируется по ним. Просите не ответ, а код, который приводит колонки в порядок и вытаскивает даты из текста. И держите контрольную цифру: посчитайте одну сумму руками и сверяйте с тем, что выдала машина. Разошлось, значит она потеряла строки, и это самая частая беда с большими выгрузками. Ещё момент: слипшиеся столбцы часто чинятся не нейросетью, а самой выгрузкой, поменяйте разделитель при экспорте, и половина проблемы отвалится сама.

Смотреть надо не на модель, а на то, есть ли у неё исполнение кода. Модель, которая считает в уме, ошибётся на сотой строке и не заметит. Модель, которая пишет и запускает код, обрабатывает вашу выгрузку честно, потому что за неё считает не текст, а программа.

Пример. Вместо просьбы посчитать сумму по отделам просите написать скрипт, который разложит слипшиеся столбцы и приведёт даты к нормальному виду. Скрипт можно проверить и прогнать на следующей выгрузке, а разовый ответ проверить нечем.