跳到正文
原文
The Decoder· Maximilian Schreiner·本站收录· 原文发表· AI 动态 →精选关注度48

Anthropic 的 Fable 5.2 完成 41% 真实自由职业任务,一年前榜首仅 2.5%

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

AI 导读

Anthropic 的 Fable 5.2 在用真实自由职业任务测试 AI Agent 的 RLI 基准上完成率达 41.3%,位居榜首,是一年前榜首系统 Manus(2.5%)的 16 倍以上,约为 Fable 5 七月成绩(约 16%)的 2.5 倍。据 Scale Labs 称,其在音频与音乐编辑、建筑与室内设计、3D 模型上提升最大,近 50 个完成项目是测试中此前没有任何 AI Agent 解过的任务,但工业产品设计和动画仍几乎无法处理。榜单第二、三位为 Anthropic Opus 5.5(21.25%)和 OpenAI GPT 6 Astra(20.83%)。研究者称,Agent 失败时通常交付业余水平、不完整、文件损坏或自相矛盾的结果。

推荐理由

基准用真实 Upwork 项目并由人类专家验收,头部完成率一年从 2.5% 升至 41.3%,可作观察 Agent 实用化进度的参照。

阅读原文the-decoder.com