AI打工能力排行榜更新：Claude Fable 5自动化率16.1%，是GPT
AI安全中心（CAIS）与Scale AI联合开发的远程劳动力指数（RLI）发布最新评估结果。该基准通过240个来自Upwork平台、总价值超14.4万美元的真实自由职业项目，评估AI自主完成完整商业委托的能力。Claude Fable 5以16.1%的自动化率位居榜首，是第二名Opus 4.8（8.3%）的两倍，第三名GPT-5.5（6.3%）的2.5倍。相比8个月前RLI刚发布时最高仅2.5%的自动化率，前沿AI模型的能力在不到八个月内翻了四倍以上。Fable 5的突破得益于新的Worker-critic Loop框架，允许评审Agent以苛刻客户视角检查并打回交付物，直至质量达标。然而，评估因美国政府出口管制中断了22个项目，即便将这些项目全部视为失败，Fable 5的自动化率仍达14.6%。值得注意的是，虽然AI在视觉质量上有显著提升，但84%的真实商业项目仍超出其能力范围。此外，用AI替代人类评审的尝试也遭遇瓶颈，AI评审对GPT-5.5的能力高估了近3倍。 #AI #自动化 #劳动力市场 #Claude #GPT5
AI安全中心（CAIS）与Scale AI联合开发的远程劳动力指数（RLI）发布最新评估结果。该基准通过240个来自Upwork平台、总价值超14.4万美元的真实自由职业项目，评估AI自主完成完整商业委托的能力。Claude Fable 5以16.1%的自动化率位居榜首，是第二名Opus 4.8（8.3%）的两倍，第三名GPT-5.5（6.3%）的2.5倍。相比8个月前RLI刚发布时最高仅2.5%的自动化率，前沿AI模型的能力在不到八个月内翻了四倍以上。Fable 5的突破得益于新的Worker-critic Loop框架，允许评审Agent以苛刻客户视角检查并打回交付物，直至质量达标。然而，评估因美国政府出口管制中断了22个项目，即便将这些项目全部视为失败，Fable 5的自动化率仍达14.6%。值得注意的是，虽然AI在视觉质量上有显著提升，但84%的真实商业项目仍超出其能力范围。此外，用AI替代人类评审的尝试也遭遇瓶颈，AI评审对GPT-5.5的能力高估了近3倍。 #AI #自动化 #劳动力市场 #Claude #GPT5
AI 打工排行榜更新：Claude Fable 5 自动化率 16.1%，是 GPT
AI 安全中心（CAIS）与 Scale AI 联合发布的远程劳动力指数（RLI）最新数据显示，Claude Fable 5 以 16.1% 的自动化率位居榜首，约为第二名 Opus 4.8（8.3%）的两倍，是第三名 GPT-5.5（6.3%）的 2.5 倍。该指数基于 240 个来自 Upwork 的真实自由职业项目，涵盖 3D 建模、平面设计、数据分析等 23 个领域，评估 AI 能否独立完成客户付费级别的工作。相比 8 个月前榜单最高分仅 2.5%，前沿模型自动化能力已提升四倍以上。Fable 5 的高分得益于“工人-评审循环”框架，即一个独立评审 Agent 模拟苛刻客户审核并返工修改，同时其项目预算上限为 150 美元，高于其他模型的 50 美元。然而，测试发现 AI 评审在取代人工评审时存在严重偏差，对部分模型评分高估数倍。此外，84% 的项目目前仍无法被 AI 独立完成，AI 能力呈现出“锯齿状前沿”特征，而非简单随任务耗时增加而下降。 #AI #Claude #Fable5 #GPT5 #RLI #自动化 #科技新闻 #远程工作
AI 安全中心（CAIS）与 Scale AI 联合发布的远程劳动力指数（RLI）最新数据显示，Claude Fable 5 以 16.1% 的自动化率位居榜首，约为第二名 Opus 4.8（8.3%）的两倍，是第三名 GPT-5.5（6.3%）的 2.5 倍。该指数基于 240 个来自 Upwork 的真实自由职业项目，涵盖 3D 建模、平面设计、数据分析等 23 个领域，评估 AI 能否独立完成客户付费级别的工作。相比 8 个月前榜单最高分仅 2.5%，前沿模型自动化能力已提升四倍以上。Fable 5 的高分得益于“工人-评审循环”框架，即一个独立评审 Agent 模拟苛刻客户审核并返工修改，同时其项目预算上限为 150 美元，高于其他模型的 50 美元。然而，测试发现 AI 评审在取代人工评审时存在严重偏差，对部分模型评分高估数倍。此外，84% 的项目目前仍无法被 AI 独立完成，AI 能力呈现出“锯齿状前沿”特征，而非简单随任务耗时增加而下降。 #AI #Claude #Fable5 #GPT5 #RLI #自动化 #科技新闻 #远程工作
GPT-5.6 性能超Claude Opus，AI代理迁移成本降27%速度升2.2倍
据CSDN博客报道，最新发布的大模型GPT-5.6在多项基准测试中超越Claude Opus，展现出更强的推理与生成能力。同时，AI代理平台Ploy在迁移至新架构后，实现了运营成本降低27%，处理速度提升2.2倍的显著成效。这一突破不仅验证了GPT-5.6在企业级AI应用中的潜力，也为代理部署优化提供了参考。相关技术细节已在Ploy的官方文档中披露。 #GPT5.6 #ClaudeOpus #AI代理 #大模型 #技术进步
据CSDN博客报道，最新发布的大模型GPT-5.6在多项基准测试中超越Claude Opus，展现出更强的推理与生成能力。同时，AI代理平台Ploy在迁移至新架构后，实现了运营成本降低27%，处理速度提升2.2倍的显著成效。这一突破不仅验证了GPT-5.6在企业级AI应用中的潜力，也为代理部署优化提供了参考。相关技术细节已在Ploy的官方文档中披露。 #GPT5.6 #ClaudeOpus #AI代理 #大模型 #技术进步