Новейшая модель Anthropic Fable 5.2 возглавила Remote Labor Index (RLI) от Scale 12 ноября 2026 года с долей успешных выполнений 41.3% для полностью готовых фриланс-результатов, сообщает CryptoSlate. Бенчмарк сравнивает созданную ИИ работу с профессиональными эталонными результатами в разнообразном наборе из 240 проектов — от документов и аудио до 3D-моделей и CAD-файлов. Следующий по результату Opus 5.5 достиг 21.25% прохождения, заметно отстав от предложения Anthropic.

Как работает Remote Labor Index

RLI, разработанный исследователями Center for AI Safety и Scale AI, требует, чтобы ИИ-системы создавали готовые продукты, соответствующие профессиональному эталонному стандарту или превосходящие его. Рецензенты-люди оценивают каждый результат по исходному брифу, используя голосование большинством, чтобы определить, соответствует ли вывод ИИ ожиданиям клиента. Проекты, предполагающие прямое взаимодействие с клиентом, командную работу или физический труд, были исключены из исследования, что ограничило охват бенчмарка задачами, которые можно объективно проверить.

Результаты Anthropic и оговорки

Anthropic назвала свой результат в 41.3% «High effort» в публикации от 9 ноября, отметив, что во время тестирования были включены защитные механизмы. Однако компания не раскрыла расходы на проект или масштаб участия людей. Методология RLI по-прежнему оставляет большинство оценённых проектов ниже порога приемлемости, а значит, хотя Fable 5.2 превзошла конкурентов, большинство фриланс-задач модель пока не решает.

За чем следить дальше

Будущие релизы Anthropic и конкурирующих компаний, вероятно, будут нацелены на повышение доли успешных выполнений и расширение диапазона категорий задач. Наблюдатели будут следить за раскрытием структуры затрат или поддержки с участием человека, поскольку эти факторы критически важны для оценки коммерческой жизнеспособности фриланс-работы с помощью ИИ.