Anthropic اعلام کرد مدل Fable 5.2 توانسته ۴۱.۳٪ از مشاغل آزادِ یک معیارسنجی را انجام دهد. این آزمون را Scale Labs اجرا کرده و می‌سنجد که آیا هوش مصنوعی می‌تواند پروژه‌ای کامل را با کیفیت حرفه‌ای تحویل دهد یا نه؛ نه اینکه فقط از پس کارهای جداگانه بربیاید. در مقایسه، Manus که یک سال پیش بهترین سامانه بود، فقط از پس ۲.۵٪ کارها برآمد. بنابراین Fable 5.2 بیش از شانزده برابر رهبر اولیه آزمون کار انجام داد. این معیارسنجی ۲۴۰ پروژه را در بر می‌گیرد که از میان کارهای ۳۵۸ فریلنسر تأییدشده در Upwork انتخاب شده‌اند. ارزش مجموع این پروژه‌ها حدود $144,000 است؛ میانگین هزینه هر پروژه $632.60 و میزان کار انسانی موردنیاز برای آن‌ها حدود ۲۹ ساعت بوده است. وظایف از تدوین ویدئو و طراحی CAD تا بازی‌سازی و تحلیل داده را شامل می‌شوند. عامل‌ها در یک فضای کاری مجازی کار می‌کنند که ابزارهای حرفه‌ای مانند Blender، GIMP و Audacity و همچنین ابزارهای تخصصی هوش مصنوعی برای تولید تصویر، صدا و ویدئو را در اختیارشان می‌گذارد. Scale Labs گزارش داد که Fable 5.2 بیشترین پیشرفت را در تدوین صدا و موسیقی، طراحی معماری و دکوراسیون داخلی و ساخت مدل‌های سه‌بعدی داشته است. این مدل همچنین از پس پروژه‌های طولانی‌تر و پیچیده‌تری برآمد که عامل‌های قبلی قادر به تکمیلشان نبودند. نزدیک به ۵۰ مورد از کارهای موفق آن، وظایفی بودند که هیچ‌یک از هوش‌های مصنوعی حاضر در آزمون قبلاً انجام نداده بودند. مدل‌های بعدی در رتبه‌بندی، Opus 5.5 از Anthropic با ۲۱.۲۵٪ و GPT‑6 Astra از OpenAI با ۲۰.۸۳٪ بودند. Gemini Argon 4 از Google با ۱۷.۰۸٪ در جایگاه پنجم قرار گرفت. مدل‌های قدیمی‌تری مانند GPT‑5.2 و Gemini 3 Pro کمتر از ۳٪ امتیاز گرفتند. کارشناسان انسانی هر خروجی هوش مصنوعی را با باز کردن فایل‌ها در نرم‌افزار مربوطه و مقایسه آن‌ها با کار فریلنسر انسانی، به‌صورت دستی بررسی کردند. تلاش‌ها برای خودکارسازی این بررسی با هوش مصنوعی دیگری ناموفق بوده است، چون تشخیص ایرادهای فنی ظریف برای ارزیابان دشوار است.
چرا این جهش اهمیت دارد
برای کسب‌وکارهایی که فریلنسر استخدام می‌کنند، نتایج نشان می‌دهد عامل‌های هوش مصنوعی مانند Fable 5.2 ممکن است بتوانند بخش قابل‌توجهی از پروژه‌های معمول طراحی و رسانه را انجام دهند و در نتیجه هزینه و زمان تحویل را کاهش دهند. بااین‌حال، آزمون ضعف‌هایی را هم در طراحی محصولات صنعتی و پویانمایی نشان داد و ارزیابان خاطرنشان کردند که خروجی‌های هوش مصنوعی همچنان ممکن است ناقص یا از نظر فنی ایراددار باشند. تا وقتی این کاستی‌ها برطرف نشوند، نظارت انسانی ضروری خواهد بود.
چرا مهم است
شرکت‌ها می‌توانند استفاده از عامل‌های هوش مصنوعی را برای دامنه گسترده‌تری از کارهای فریلنسری، به‌ویژه در تدوین صدا، معماری و مدل‌سازی سه‌بعدی، بررسی کنند؛ کاری که ممکن است هزینه‌ها را کاهش دهد. بااین‌حال، خطاهای باقی‌مانده به این معناست که فریلنسرها همچنان باید خروجی هوش مصنوعی را بررسی و اصلاح کنند؛ بنابراین این تغییر تدریجی خواهد بود.
