Anthropic teilte mit, dass sein Modell Fable 5.2 41,3 Prozent der Aufgaben in einem Benchmark mit realen Freelance-Aufträgen erledigt hat. Der von Scale Labs durchgeführte Test misst, ob eine KI bei vollständigen Aufträgen Ergebnisse in professioneller Qualität liefern kann – und nicht nur einzelne Aufgaben bewältigt. Das beste System vor einem Jahr, Manus, schaffte zum Vergleich lediglich 2,5 Prozent. Fable 5.2 löste damit mehr als sechzehnmal so viele Aufträge wie der damalige Spitzenreiter. Der Benchmark umfasst 240 Projekte von 358 geprüften Upwork-Freelancern. Die Aufträge haben einen Gesamtwert von rund $144,000; ein Projekt kostet im Durchschnitt $632.60 und erfordert etwa 29 Stunden menschliche Arbeit. Die Aufgaben reichen von Videoschnitt und CAD-Konstruktion bis hin zu Spieleentwicklung und Datenanalyse. Die Agenten arbeiten in einer virtuellen Umgebung mit professionellen Programmen wie Blender, GIMP und Audacity sowie spezialisierten KI-Generatoren für Bilder, Audio und Video. Laut Scale Labs erzielte Fable 5.2 die größten Fortschritte bei der Audio- und Musikbearbeitung, der Architektur- und Innenraumgestaltung sowie der Erstellung von 3D-Modellen. Zudem bewältigte das Modell längere und komplexere Projekte, an denen frühere Agenten gescheitert waren. Fast 50 der erfolgreich erledigten Aufgaben hatte zuvor keine KI im Test lösen können. Die nächstbesten Modelle waren Anthropics Opus 5.5 mit 21,25 Prozent und OpenAIs GPT‑6 Astra mit 20,83 Prozent. Googles Gemini Argon 4 belegte mit 17,08 Prozent den fünften Platz. Ältere Modelle wie GPT‑5.2 und Gemini 3 Pro kamen auf weniger als drei Prozent. Menschliche Fachleute prüften jede KI-Ausgabe manuell, indem sie die Dateien im jeweils passenden Programm öffneten und mit der Arbeit des menschlichen Freelancers verglichen. Versuche, diese Prüfung mithilfe einer weiteren KI zu automatisieren, sind gescheitert: Den Prüfern fällt es schwer, subtile technische Mängel zu erkennen.
Warum der Sprung wichtig ist
Für Unternehmen, die Freelancer beauftragen, legen die Ergebnisse nahe, dass KI-Agenten wie Fable 5.2 künftig einen beträchtlichen Teil routinemäßiger Design- und Medienaufträge übernehmen könnten – und damit möglicherweise Kosten und Bearbeitungszeiten senken. Der Test zeigte jedoch auch Schwächen bei der Gestaltung von Industrieprodukten und bei Animationen. Außerdem stellten die Prüfer fest, dass KI-Ergebnisse weiterhin unvollständig oder technisch fehlerhaft sein können. Solange diese Lücken bestehen, bleibt menschliche Kontrolle notwendig.
Warum es wichtig ist
Unternehmen können KI-Agenten für ein breiteres Spektrum an Freelance-Aufgaben in Betracht ziehen, insbesondere bei der Audiobearbeitung, Architektur und 3D-Modellierung. Das könnte Kosten senken. Wegen der weiterhin auftretenden Fehler müssen Freelancer KI-Ergebnisse jedoch prüfen und nachbearbeiten – der Wandel wird daher schrittweise erfolgen.
