RLI更新：Fable5自动化率16.1%
新智元 · wechat · 2026-07-12
CAIS/Scale 的远程劳动力指数（RLI）更新了最新结果：Fable5 在真实自由职业项目上的自动化率达到 16.1%，约为第二名 Opus 4.8（8.3%） 的两倍，也高于 GPT-5.5（6.3%）。这三者都超过了此前所有已评估模型。\n\nRLI 测的是模型能否在完整商业委托中交付“客户可接受”的成果，而不是单题表现。基准包含 240 个 Upwork 真实项目，覆盖 23 个领域，总价值超过 14.4 万美元。每个项目都有人类自由职业者的金标准作品做对照，评审标准是“合理客户会不会接受”。\n\n文章还指出：\n- 八个月前榜单最高分只有 2.5%，进步非常快。\n- Fable5 使用了更强的 agent 框架，尤其是 worker-critic loop，由独立评审 agent 反复检查并打回修改。\n- 其单项目预算上限更高（150 美元），其他模型为 50 美元。\n- 评审也不能简单用 AI 替代人类：自动化评审会显著高估新模型分数。\n\nCAIS 的结论是：进步速度很快，但绝对水平仍低，84% 的真实项目仍超出当前 AI 能力范围。
「模型」频道最新
- 同题 Echo Maze 实测:三大模型看似成功,代码里藏着同一个 bug — eyishazyer · 2026-09-11
- 新基准一出分数暴跌 70 点:「刷榜」现象如何让跑分失真 — airesearch12 · 2026-09-11
- ChatGPT 竟劝用户「问题太复杂,去试试更笨的回答」 — phido3000 · 2026-09-11
- Anthropic 调整年龄验证,Claude 不再向未成年人开放 — Muhammad523 · 2026-09-11
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11