一句话看懂：在 Scale Labs 与 CAIS 的 Remote Labor Index 测试中，Anthropic 的 Fable 5.2 以 41.3% 的成绩完成真实自由职业项目，大幅领先自家前代模型和竞品，说明 AI Agent 承接实际付费工作的能力仍在快速逼近。
事件核心：发生了什么
据 The Decoder 2026 年 11 月 10 日报道，Anthropic 新模型 Fable 5.2 在 Remote Labor Index（RLI）上取得 41.3% 的完成率。该评测使用 Upwork 上 240 个真实项目，来自 358 位经过验证的专业人士，总价值约 14.4 万美元，单个项目平均报价 632.60 美元、人工耗时接近 29 小时，覆盖视频剪辑、CAD 设计、游戏开发、数据分析等任务。人类专家会打开 Blender、GIMP、Audacity 等专业软件，逐一核对提交文件。
作为对比，该基准约一年前上线时，榜首的 Manus 仅完成 2.5%；2026 年 7 月 Fable 5 约为 16%，Fable 5.1 不到 18%。当前榜单上，Anthropic Opus 5.5 为 21.25%，OpenAI GPT 6 Astra 为 20.83%，Google Gemini Argon 4 为 17.08%，均落后于 Fable 5.2。
为什么重要
这组数据的关键不在于单点分数，而在于评测方式贴近真实交付：任务有客户、有预算、有验收标准。一年内完成率从 2.5% 升至 41.3%，说明 AI Agent 正从“演示级”走向“可验收级”。Scale Labs 称 Fable 5.2 在音频与音乐编辑、建筑室内设计、3D 建模上进步最大，还完成了近 50 个此前无 AI 能解决的任务；但在工业产品设计和动画上仍很弱。失败案例常见于业余水准、结果不完整、文件损坏或设计自相矛盾。
对用户/开发者/创作者的影响
对创作者和自由职业者而言，AI 目前更像“能接下部分标准化子任务”的协作者，而非完整替代：41.3% 意味着多数项目仍需人工兜底。对开发者，RLI 这类端到端评测比单项能力测试更值得参考，但应注意它衡量的是特定软件环境与特定任务集，不能外推为通用工作能力。企业采购时可把它当作观察 Agent 产品成熟度的信号，而非直接采购依据。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Fable 5.2 是否通过 API 或产品正式开放，以及定价和权限限制；二是竞品在下一轮 RLI 榜单上是否跟进，尤其是 OpenAI 与 Google 的迭代节奏；三是 CAIS 尝试用 AI 自动评审目前失败，人工评审成本高，评测规模能否扩大将影响结论的可信度。
