Anthropic Fable 5.2 在 Remote Labor Index 上以 41.3% 领跑真实自由职业任务

2026年11月10日

Image description

Nano Banana Pro 提示词由 THE DECODER 提供

Anthropic 的新模型 Fable 5.2 在 Remote Labor Index 上实现大幅跃升，以专业水准完成了超过 41% 的真实自由职业项目。这一成绩把它的上一代模型和所有竞争对手都远远甩在身后。

在 Scale Labs 与人工智能安全中心（CAIS）推出的 Remote Labor Index（RLI）上，Anthropic 的新模型 Fable 5.2 以 41.3% 的成绩领跑。该测试衡量的是 AI 智能体完成真实自由职业工作、且质量足以让付费客户接受的比例。

这一进展说明 AI 智能体在实务工作上的追赶速度有多快。大约一年前该基准发布时，当时最强的系统 Manus 只完成了 2.5% 的任务。如今 Fable 5.2 完成的专业工作数量已是那时的 16 倍多。

与最近的测量结果相比，这次提升同样很大。今年 7 月，同系列的旧模型 Fable 5 还以约 16% 领先。那个分数本身已是重大进步：最好的智能体在八个月内把以专业质量完成的工作比例提高到了原来的四倍以上。四个月后，Fable 5.2 达到 41.3%，约为 Fable 5 七月成绩的 2.5 倍。它的上一代模型 Fable 5.1 也远远落后，仅略低于 18%，而 Fable 5.2 完成的工作量是它的两倍多。

当前排行榜的接下来两位是 Anthropic 的 Opus 5.5，为 21.25%，以及 OpenAI 的 GPT 6 Astra，为 20.83%。Fable 5.2 的成功率几乎是市场上次优系统的两倍。谷歌在测试中最强的模型 Gemini Argon 4 以 17.08% 排在第五，而 GPT-5.2、Gemini 3 Pro 等旧模型则低于 3%。

Fable 5.2 在 3D 模型、音频和建筑领域取得突破

Scale Labs 在 X 上表示，Fable 5.2 进步最大的是音频和音乐编辑、建筑与室内空间设计，以及 3D 模型创建。该智能体还能处理此前排名靠前的模型经常失败的长期复杂项目。

Fable 5.2 成功完成的任务中，有近 50 项是测试中此前没有任何 AI 智能体解决过的。Scale Labs 表示，AI 在其他任务上仍几乎无能为力，尤其是工业产品设计和动画。研究人员称，AI 智能体在测试中失败时，通常交付的是业余水准的作品、不完整的结果、损坏的文件或自相矛盾的设计。

价值 14.4 万美元的真实工作

传统 AI 测试往往只考察孤立技能，而RLI 研究论文覆盖的是完整的工作任务。数据集包含 Upwork 平台上 358 位经过认证的专业人士完成的 240 个项目，这些工作总价值约 14.4 万美元。

单个项目平均花费 632.60 美元，人类自由职业者平均需要近 29 小时完成。任务范围从视频剪辑到 CAD 设计、游戏开发和数据分析。为了完成这些工作，AI 智能体可以使用一个虚拟工作区，里面有 Blender、GIMP、Audacity 等常用专业软件，以及用于图像、音频和视频生成的专门 AI 工具。

示例任务：绘制平面图、提供家具布置方案，并生成照片级逼真的浴室渲染图。图中展示的是旧版模型的输出结果。该文章尚未更新。 | 图片：Safe.ai

由人类专家接受培训后人工核查 AI 智能体是否成功完成任务。他们会用相关专业软件打开提交的文件，把 AI 的输出与人类自由职业者的交付成果直接对比。CAIS 尝试用另一个 AI 来自动完成这项劳动密集的审核工作，但迄今未能成功。原因是 AI 审核员自己几乎不会操作这些专业软件，容易被表面光鲜、技术上却有缺陷的提交内容蒙骗，给模型打分也过于宽松。

没有炒作的 AI 新闻——由人工精选

订阅 THE DECODER，即可享受无广告阅读、每周 AI 新闻简报、每年六期独家“AI Radar”前沿报告、完整档案访问权限，以及评论区访问权限。

立即订阅

完整访问 THE DECODER 上的每一篇文章
无广告
加入评论与社区讨论
每周通过邮件获取 AI 新闻摘要
每年 6 次：“AI Radar”——深入探讨最关键的 AI 话题
每日 AI 新闻，始终紧跟最新动态
我们完整的十年档案
由拥有 10 年以上 AI 领域经验的团队打造