AI打工大排行：Claude Fable 5自動賺錢的能力，是GPT-5.5的2.5倍

Fable 5 在遠程勞動力指數（Remote Labor Index，RLI）上拿到了 16.1% 的自動化率，幾乎是第二名 Opus 4.8（8.3%）的兩倍，更是第三名 GPT-5.5（6.3%）的 2.5 倍。

這三個新模型全部超越了此前所有已評估模型。

而就在 8 個月前 RLI 發佈時，榜單上的最高分只有 2.5%。

AI 安全中心（CAIS）在最新博客中給出了判斷：前沿已經在不到八個月里翻了四倍以上，這是 Agent 經濟能力加速推進的具體信號。

遠程勞動力指數測的是什麼

RLI 由 CAIS 和 Scale AI 聯合開發，論文於 2025 年 10 月發表（https://arxiv.org/pdf/2510.26787），47 名研究者參與。

基準包含 240 個真實自由職業項目，全部來自 Upwork 平臺上 358 名經過驗證的自由職業者，覆蓋 3D 建模、CAD、建築設計、平面設計、視頻動畫、音頻製作、數據分析、Web 應用等 23 個領域，總價值超過 14.4 萬美元。

核心指標是自動化率（Automation Rate）：Agent 的交付物經人類評審判定，至少達到付費客户可接受水平的項目佔比。

每份交付物都與一份由專業自由職業者完成的「金標準」作品逐一對比，評審標準是「一個合理的客户是否會接受這份工作」。

這把標尺與傳統 AI Benchmark 的區別在於項目粒度。

RLI 的每個項目都是一個完整的商業委託——有客户 Brief、有輸入文件、有多格式交付物（涵蓋 72 種文件類型），人類專業人員完成一個項目的中位時間是 11.5 小時，平均 28.9 小時。

它測的是 AI 能否從頭到尾獨立完成一份「甲方會買單」的工作，而非僅僅是在隔離環境下解一道題。

從 2.5% 到 16.1%：八個月里發生了什麼

2025 年 10 月 RLI 發佈時，表現最好的 Manus 自動化率為 2.5%。

此后 Opus 4.6 搭配 Claude Cowork 將記錄推至 4.17%。

最新一輪評估中，三個新模型搭配更強的 Agent 框架同時登場，成績出現跳躍式提升。

Fable 5 的 16.1% 背后有幾個關鍵變量。

一是 Agent 框架引入了 Worker-critic Loop：一個獨立的「評審 Agent」以苛刻客户的視角檢查交付物 -> 打開文件、截圖、逐條覈對 brief -> 發現問題后打回給「執行 Agent」修改，循環直到評審滿意或預算耗盡。

CAIS 認為這一機制讓追加預算真正轉化成了更好的交付質量。

二是預算設置本身有差異：Fable 5 的單項目預算上限為 150 美元（因其更高的 Token 定價），其他模型為 50 美元。

三是所有 Agent 均獲得了 24 小時時限、A100 GPU 和計算機操作工具。

需要注意一點：Fable 5 的評估因美國政府出口管制而中斷，240 個項目中僅完成了 218 個。

CAIS 指出，未評估的 22 個項目均勻分佈在各領域和難度區間，即使假設 Fable 5 在所有缺失項目上全部失敗，其自動化率仍為 14.6%——依然高於其他所有模型。

AI 當裁判，靠不住

CAIS 同步測試了能否用 AI 評審替代昂貴的人類評審。

結論很清楚：不能。

自動化評審在舊模型上校準后應用於新模型時，對 GPT-5.5 的評分高估了近 3 倍，對 Opus 4.8 高估了約 2.5 倍。

排名順序大致正確，但絕對數值嚴重偏離現實。

問題的根源在於，評審本身就是一個高難度的 Agentic 任務。

要公平判定一份交付物，評審者需要用正確的專業軟件打開文件、操作軟件、像付費客户一樣做出判斷——而這恰恰是當前 Agent 最薄弱的環節。

CAIS 在博客中舉了一個典型案例：GPT-5.5 在一個 3D 建模任務中提交了偽造的渲染圖，只有打開 3D 模型檢查實際幾何結構才能發現作弊。

AI 裁判遇到了和 AI Worker 一樣的能力瓶頸。

16% 代表什麼，不代表什麼

「時間地平線」假説在 RLI 上失效了。

這一假説認為人類花費時間越長的任務對 AI 越難，在編程等特定領域確實成立，但在 RLI 覆蓋的多元遠程工作中並不適用。

模型的成功率並不隨人類完成時間的增長而下降，呈現出「鋸齒狀前沿」（jagged frontier）的特徵——決定 AI 能否完成一個項目的因素遠不止時間複雜度。

進步速度很快，但絕對水平仍然很低。

CAIS 在博客中展示的三個 Fable 5 案例——珠寶 3D 建模、2D 動畫廣告、建築圖——沒有一個達到了可交付的專業標準。

Fable 5 做的戒指設計在視覺質量上明顯優於舊模型，但仔細檢查仍能看出粗糙的爪鑲設計。

84% 的真實自由職業項目仍在 AI 能力範圍之外。

RLI 的價值在於它提供了一把經過經濟價值校準的標尺。

它跟蹤的可不是 AI 能不能解題，而是 AI 能不能掙錢。

8 個月內自動化率翻了四倍以上，這個速度值得每一個依賴遠程勞動力的企業和政策制定者持續關注。

下一個關鍵節點是：Fable 5 剩余 22 個項目的補充評估結果，以及 Gemini 3.5 Pro（當前僅 1.25%）和 GPT-5.6 等新模型真正登場后，這條曲線會以怎樣的速度飛昇，會不會以指數級速度迅速超越普通人類。

參考資料：

https://labs.scale.com/leaderboard/rli 

https://safe.ai/blog/significant-increase-in-digital-labor-automation 

本文來自微信公眾號「新智元」，作者：ASI啓示錄，36氪經授權發佈。