2026年11月10日，Scale Labs 与 AI 安全中心（CAIS）的 Remote Labor Index 更新榜单，Anthropic 新模型 Claude Fable 5.2 以 41.3% 登顶：它独立完成的项目里，超过四成达到了付费客户愿意接受的专业水准。一年前这项基准上线时，最好的系统只能完成 2.5%；四个月前，Fable 5 也只有约 16%。
榜单上它甩开对手多远
第二名是 Anthropic 自家的 Opus 5.5，21.25%；第三名 OpenAI 的 GPT 6 Astra，20.83%。Fable 5.2 的成绩接近第二名的两倍。谷歌最强的 Gemini Argon 4 排第五，17.08%。上一代 Fable 5.1 不到 18%，Fable 5.2 是它的两倍多。
近 50 个成功任务，是此前没有任何智能体完成过的。Scale Labs 称，Fable 5.2 提升最大的地方在音频与音乐编辑、建筑与室内设计、3D 建模；仍吃力的是工业产品设计与动画。
这项测试到底在测什么
Remote Labor Index 不考选择题，考的是端到端的真实接单。数据集是 240 个已完成项目，来自 Upwork 上 358 名认证专业人士，总价值约 14.4 万美元；单个项目平均 632.60 美元，人类平均要花近 29 小时。任务覆盖视频剪辑、CAD 设计、游戏开发、数据分析，智能体在虚拟工作空间里操作 Blender、GIMP、Audacity 等专业软件。
判定标准也很实在：人类专家逐项打开提交的文件，在专业软件里检查，再与人类自由职业者交付的成品直接对比。CAIS 曾尝试用 AI 做这项审核，但失败了——AI 评审员自己操作不好专业软件，容易被表面光鲜、技术上有缺陷的成品骗过，给分过高。
41.3% 意味着什么
对自由职业者和接单平台来说，这个数字值得认真看：AI 智能体第一次在一次交出客户愿意付钱的成品这件事上越过四成，一部分真实订单已经可以交给模型先做。但另一面同样清楚：近六成任务仍不达标，失败时常交出业余水准、半成品、损坏的文件或前后矛盾的设计。
基准只测能不能一次交出合格成品，不测成本、耗时、沟通与返工，通过率高不等于便宜、快速。Fable 5.2 本身也是 11 月 9 日才正式发布，本站此前已报道它的提速与降价：Claude Fable 5.2发布：输出快三成还降价，Mythos 5.2只开放给获批团队。下一步值得看的，是其他模型多久能追近 41.3%，以及它在真实工作流里长期跑下来是否扛得住。
