Epoch AI 解读 Remote Labor Index 基准

一句话看懂：Epoch AI 解读了由 Center for AI Safety 与 Scale AI 共建的 Remote Labor Index（RLI）基准，它用真实付费外包项目衡量 AI 智能体能否端到端交付可被专业验收的工作，目前成绩仍在个位数低段。

事件核心：发生了什么

RLI 是一个面向 AI 智能体的评测基准，由 Center for AI Safety 和 Scale AI 制作，Epoch AI 在其评测页面汇总并解读公开榜单结果。它不采用人工设计的题目，而是直接抽取自由职业市场上的真实委托，覆盖软件开发、设计、建筑、数据分析、游戏开发、视频动画等 23 个外包领域，共 240 个可独立完成的项目。

按公开数据，这些项目合计代表超过 6000 小时的专业工作，市场价值超过 14 万美元。评测方式是一个智能体从头到尾完成整个项目，交付物按“人类专业受托方应达到的标准”来判定。核心指标是自动化率，即达到专业验收标准的项目占比，目前分数很低，处在个位数低段。

为什么重要

过去不少 AI 基准考的是模型能不能答对题，RLI 考的是能不能交付可收款的工作成果。这使它的分数更接近 AI 在真实劳动力市场中的替代或辅助能力，而不是聊天体验或考试能力。对企业采购和投资判断来说，这类指标比通用榜单更能说明 AI 应用能否嵌入实际生产流程。

同时，个位数低段的自动化率也提示，尽管大模型在代码生成、图像生成等单点任务上表现亮眼，但把它们串成端到端外包交付，仍受制于长链路推理、工具调用、自我校验和多轮修改。对算力和推理成本敏感的团队来说，这意味着短期内更现实的路线是人机协作，而非完全自动化。

对用户/开发者/创作者的影响

对开发者与 AI 应用团队，RLI 给出了一个可参考的评测方向：如果要做面向外包场景的智能体产品，需要关注任务拆解、API 调用、结果验证与交付格式，而不只是模型本身跑分。对设计、动画、数据分析等创作者，短期内更可能看到 AI 作为提效工具进入工作流，而不是直接取代委托关系。对企业采购方，RLI 的自动化率可作为判断某类外包任务能否交给 AI 的参考，但不宜把它等同于全面替代能力。