跳到正文
aihot(aihot.news)· noreply@aihot.news (The Decoder:AI News)·· 12 天前精選品質評分82

Anthropic Fable 5.2 在 Remote Labor Index 以 41.3% 完成率排名第一

Anthropic Fable 5.2 在 Remote Labor Index 上以 41.3% 領跑真實自由職業任務

重點導讀

Anthropic Fable 5.2 在 Remote Labor Index(RLI)以 41.3% 的完成率排名第一,測試衡量 AI 助理完成真實自由工作、並達到付費客戶接受品質的比例。

AI 伴隨問答

自備 Key 深度分析

針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:

推薦理由

Remote Labor Index 以付費客戶可接受的品質衡量完整接案成果,榜單呈現各模型在真實工作任務上的差距。

正文

The Decoder:AI News· Maximilian Schreiner·2026-11-10 22:07· 33 分鐘前精選AI 評分81

Anthropic's Fable 5.2 completes 41 percent of real freelance jobs, up from 2.5 percent a year ago

AI 導讀

The Decoder 報道,Anthropic 新模型 Fable 5.2 在 Scale Labs 和 Center for AI Safety 的 Remote Labor Index 基準上以 41.3% 排名第一,該測試衡量 AI 助理能否把真實自由職業專案做到讓付費客戶接受的質量。

推薦理由

原文整理了 Fable 5.2 在 Remote Labor Index 的完整榜單和任務細節,讀者可以對比各模型在真實接單任務上的實際差距。

跳轉到正文

Maximilian Schreiner

2026年11月10日

Image description

Nano Banana Pro 提示詞由 THE DECODER 提供

Anthropic 的新模型 Fable 5.2 在 Remote Labor Index 上實現大幅躍升,以專業水準完成了超過 41% 的真實自由職業專案。這一成績把它的上一代模型和所有競爭對手都遠遠甩在身後。

在 Scale Labs 與人工智慧安全中心(CAIS)推出的 Remote Labor Index(RLI) 上,Anthropic 的新模型 Fable 5.2 以 41.3% 的成績領跑。該測試衡量的是 AI 助理完成真實自由職業工作、且質量足以讓付費客戶接受的比例。

這一進展說明 AI 助理在實務工作上的追趕速度有多快。大約一年前該基準釋出時,當時最強的系統 Manus 只完成了 2.5% 的任務。如今 Fable 5.2 完成的專業工作數量已是那時的 16 倍多。

與最近的測量結果相比,這次提升同樣很大。今年 7 月,同系列的舊模型 Fable 5 還以約 16% 領先。那個分數本身已是重大進步:最好的AI 助理在八個月內把以專業質量完成的工作比例提高到了原來的四倍以上。四個月後,Fable 5.2 達到 41.3%,約為 Fable 5 七月成績的 2.5 倍。它的上一代模型 Fable 5.1 也遠遠落後,僅略低於 18%,而 Fable 5.2 完成的工作量是它的兩倍多。

Fable 5.2 大幅甩開對手。| 圖片:Scale Labs

當前排行榜的接下來兩位是 Anthropic 的 Opus 5.5,為 21.25%,以及 OpenAI 的 GPT 6 Astra,為 20.83%。Fable 5.2 的成功率幾乎是市場上次優系統的兩倍。谷歌在測試中最強的模型 Gemini Argon 4 以 17.08% 排在第五,而 GPT-5.2、Gemini 3 Pro 等舊模型則低於 3%。

Fable 5.2 在 3D 模型、音訊和建築領域取得突破

Scale Labs 在 X 上表示,Fable 5.2 進步最大的是音訊和音樂編輯、建築與室內空間設計,以及 3D 模型建立。該AI 助理還能處理此前排名靠前的模型經常失敗的長期複雜專案。

Fable 5.2 成功完成的任務中,有近 50 項是測試中此前沒有任何 AI 助理解決過的。Scale Labs 表示,AI 在其他任務上仍幾乎無能為力,尤其是工業產品設計和動畫。研究人員稱,AI 助理在測試中失敗時,通常交付的是業餘水準的作品、不完整的結果、損壞的檔案或自相矛盾的設計。

價值 14.4 萬美元的真實工作

傳統 AI 測試往往只考察孤立技能,而RLI 研究論文覆蓋的是完整的工作任務。資料集包含 Upwork 平臺上 358 位經過認證的專業人士完成的 240 個專案,這些工作總價值約 14.4 萬美元。

單個專案平均花費 632.60 美元,人類自由職業者平均需要近 29 小時完成。任務範圍從影片剪輯到 CAD 設計、遊戲開發和資料分析。為了完成這些工作,AI 助理可以使用一個虛擬工作區,裡面有 Blender、GIMP、Audacity 等常用專業軟體,以及用於影像、音訊和影片生成的專門 AI 工具。

示例任務:繪製平面圖、提供傢俱佈置方案,並生成照片級逼真的浴室渲染圖。圖中展示的是舊版模型的輸出結果。該文章尚未更新。 | 圖片:Safe.ai

由人類專家接受培訓後人工核查 AI 助理是否成功完成任務。他們會用相關專業軟體開啟提交的檔案,把 AI 的輸出與人類自由職業者的交付成果直接對比。CAIS 嘗試用另一個 AI 來自動完成這項勞動密集的稽核工作,但迄今未能成功。原因是 AI 稽核員自己幾乎不會操作這些專業軟體,容易被表面光鮮、技術上卻有缺陷的提交內容矇騙,給模型打分也過於寬鬆。

沒有炒作的 AI 新聞——由人工精選

訂閱 THE DECODER,即可享受無廣告閱讀、每週 AI 新聞簡報、每年六期獨家“AI Radar”前沿報告、完整檔案訪問許可權,以及評論區訪問許可權。

立即訂閱

  • 完整訪問 THE DECODER 上的每一篇文章
  • 無廣告
  • 加入評論與社群討論
  • 每週通過郵件獲取 AI 新聞摘要
  • 每年 6 次:“AI Radar”——深入探討最關鍵的 AI 話題
  • 每日 AI 新聞,始終緊跟最新動態
  • 我們完整的十年檔案
  • 由擁有 10 年以上 AI 領域經驗的團隊打造

來源:The Decoder:AI News · the-decoder.com

事件後續 · 5

檢視事件全部

來源: aihot (aihot.news)
開啟原文

讀者討論

理性交流 · 即時討論