Anthropic最新模型Fable 5.2在“远程劳动力指数”（RLI）基准测试中取得突破性进展，以41.3%的完成率领先行业。该指标衡量AI代理交付符合付费客户标准的专业工作成果的能力。相较于一年前顶尖系统Manus仅2.5%的完成率，Fable 5.2的表现提升了逾16倍。
这一增长轨迹极为陡峭。今年7月，同系列的Fable 5模型得分约为16%，已在八个月内实现三倍增长；而短短四个月后，Fable 5.2将这一纪录进一步推高至41.3%，约为Fable 5七月成绩的两倍半，更是其直接前代Fable 5.1（约18%）的两倍以上。
在竞争格局中，Fable 5.2的优势显著。Anthropic的另一模型Opus 5.5以21.25%位居第二，OpenAI的GPT 6 Astra以20.83%紧随其后。Google最强模型Gemini Argon 4得分17.08%，排名第五。相比之下，GPT-5.2或Gemini 3 Pro等旧款模型得分均不足3%。
复杂任务处理能力跃升
据评测方披露，Fable 5.2在音频与音乐编辑、建筑及室内空间设计、3D建模等领域进步最为明显。该代理成功解决了近50个此前顶级模型均告失败的复杂长期项目。然而，AI在工业产品设计和动画制作方面仍显吃力，失败案例通常表现为交付物业余、不完整、文件损坏或设计方案矛盾。
基于真实市场价值的严苛评估
RLI测试摒弃了传统的孤立技能检查，转而采用来自Upwork平台的真实工作任务。数据集涵盖240个项目，由358名经过验证的专业人士完成，总价值约14.4万美元，单个项目平均成本632.60美元，人类平均耗时不到29小时。任务类型包括视频编辑、CAD设计、游戏开发及数据分析等。
为确保评估准确性，AI代理在包含Blender、GIMP、Audacity等专业软件的虚拟工作区中运行。最终成果由经过培训的人类专家手动审查，直接在专业软件中比对AI输出与人类自由职业者的交付物。评测机构曾尝试引入AI自动化评审，但因AI无法有效操作专业软件且易被表面光鲜但技术缺陷的提交物误导，导致评分虚高，故目前仍坚持人工审核机制。