Mô hình mới nhất của Anthropic, Fable 5.2, đã đứng đầu Chỉ số Lao động Từ xa (RLI) của Scale vào ngày 12‑11‑2026, với tỷ lệ 41,3% cho các sản phẩm tự do hoàn chỉnh, theo CryptoSlate. Tiêu chuẩn này đo lường công việc do AI tạo ra so với các kết quả tham chiếu chuyên nghiệp trên 240 dự án đa dạng, từ tài liệu, âm thanh đến mô hình 3D và file CAD. Người đứng thứ hai, Opus 5.5, đạt tỷ lệ 21,25%, xa hơn nhiều so với sản phẩm của Anthropic.

Cách hoạt động của Chỉ số Lao động Từ xa

RLI, do các nhà nghiên cứu tại Trung tâm An toàn AI và Scale AI phát triển, yêu cầu các hệ thống AI tạo ra sản phẩm hoàn chỉnh đáp ứng hoặc vượt qua tiêu chuẩn tham chiếu chuyên nghiệp. Các nhà đánh giá con người kiểm tra mỗi sản phẩm dựa trên bản mô tả gốc, sử dụng bỏ phiếu đa số để xác định liệu kết quả của AI có đáp ứng kỳ vọng của khách hàng hay không. Các dự án có tương tác trực tiếp với khách hàng, làm việc nhóm hoặc công việc vật lý đã bị loại khỏi nghiên cứu, do đó tiêu chuẩn chỉ bao gồm các nhiệm vụ có thể kiểm tra một cách khách quan.

Kết quả và lưu ý của Anthropic

Anthropic đã gắn nhãn điểm 41,3% của mình là “Nỗ lực cao” trong bản công bố ngày 9‑11, đồng thời lưu ý rằng các biện pháp bảo vệ đã được kích hoạt trong quá trình thử nghiệm. Tuy nhiên, công ty không công bố chi phí cho mỗi dự án hay mức độ hỗ trợ của con người. Phương pháp RLI vẫn để lại phần lớn các dự án được đánh giá dưới ngưỡng chấp nhận, nghĩa là dù Fable 5.2 vượt trội hơn các đối thủ, nhưng hầu hết các nhiệm vụ tự do vẫn chưa được mô hình giải quyết.

Những gì cần chú ý tiếp theo

Các phiên bản tương lai từ Anthropic và các công ty cạnh tranh có khả năng sẽ tập trung cải thiện tỷ lệ đạt và mở rộng phạm vi danh mục nhiệm vụ. Các nhà quan sát sẽ theo dõi bất kỳ công bố nào về cấu trúc chi phí hoặc hỗ trợ con người trong vòng lặp, vì những yếu tố này quan trọng để đánh giá tính khả thi thương mại của công việc tự do hỗ trợ AI.

Nguồn

Bài viết này được chuẩn bị bởi phòng tin tức COINMAG dựa trên các báo cáo nêu trên.