一句话看懂:Scale Labs的Remote Labor Index用240个真实Upwork项目测试AI能否替代人类远程零工,Claude Fable 5.2以41.25%的自动化率排第一,但多数任务仍需人类完成。
事件核心:发生了什么
据@willwang_xx于2026年11月16日发布的信息,Scale Labs推出Remote Labor Index评测,用真实远程零工任务衡量AI的替代能力。测试集包含240个Upwork项目,由358名认证自由职业者完成,总经济价值143,991美元;人类平均每个项目耗时28.9小时、价值632.60美元。正式计分使用其中230个项目的私有集。结果显示,Claude Fable 5.2自动化率为41.25%排名第一,Claude Opus 5.5为21.25%第二,GPT-6 Astra为20.83%第三。评分由三名独立评审比较后多数投票决定,评审一致率94.4%。榜单上线初期,表现最好的智能体Manus自动化率仅2.5%。
为什么重要
这组数字的价值在于评测对象是带经济价值的真实任务,而非合成基准。41.25%意味着在特定任务集上,AI能独立完成并达到评审认可的比例已过四成,头部模型之间差距明显,Fable 5.2约为第二名的两倍。但同一数据也说明,近六成任务仍无法由当前模型独立交付,远程零工暂时不是被整体替代,而是被切走一部分可标准化的工作。目前公开信息显示,这是单一评测平台的结果,不能等同于全面替代能力的结论。
对用户/开发者/创作者的影响
对自由职业者和创作者,最直接的影响是任务结构变化:可被模型独立完成的环节议价空间收窄,需要沟通、判断和交付责任的部分仍有人类优势。对开发者和企业采购方,Remote Labor Index提供了比通用跑分更贴近业务成本的参考维度,可用于评估AI应用或API接入后的实际替人比例,但应结合自身任务类型,避免直接套用41.25%这个数字。对模型厂商,真实任务基准正在成为竞争叙事的一部分。
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
一是榜单是否持续更新、私有集是否调整,排名会随模型版本变化;二是评审方法能否公开细化,94.4%的一致率之外,争议样本如何处理值得观察;三是41.25%能否在更多任务类型上复现,以及厂商是否会针对零工场景推出专用产品。在官方评测报告完整公开前,上述数字应限定在该发布时间和评测条件下理解。
来源:@willwang_xx


