Anthropic сообщила, что модель Fable 5.2 выполнила 41,3 % заданий в тесте на реальных фриланс-заказах. Проверка, проведённая Scale Labs, оценивает, способна ли ИИ-система выдавать профессиональный результат по целому проекту, а не только справляться с отдельными задачами. Для сравнения: Manus, лучшая система год назад, выполнила лишь 2,5 % заданий. Таким образом, Fable 5.2 справилась более чем с шестнадцатью разами большим числом проектов, чем прежний лидер. В тест вошли 240 проектов от 358 проверенных фрилансеров с Upwork. Общая стоимость заказов составляет около $144,000; средняя цена проекта — $632.60, а на выполнение у человека уходит примерно 29 часов. Задания варьируются от видеомонтажа и проектирования в САПР до разработки игр и анализа данных. Агентам доступна виртуальная рабочая среда с профессиональными программами, включая Blender, GIMP и Audacity, а также специализированными ИИ-генераторами изображений, аудио и видео. По данным Scale Labs, самые заметные успехи Fable 5.2 показала в редактировании аудио и музыки, архитектурном и интерьерном дизайне, а также создании 3D-моделей. Кроме того, она справлялась с более длительными и сложными проектами, которые прежним агентам были не по силам. Почти 50 успешно выполненных ею заданий прежде не удавалось решить ни одной ИИ-системе в рамках теста. Следом идут Opus 5.5 от Anthropic с результатом 21,25 % и GPT‑6 Astra от OpenAI — 20,83 %. Gemini Argon 4 от Google заняла пятое место с 17,08 %. Более старые модели, в том числе GPT‑5.2 и Gemini 3 Pro, набрали менее трёх процентов. Каждый результат ИИ вручную проверяли эксперты: они открывали файлы в соответствующих программах и сравнивали их с работой фрилансера-человека. Автоматизировать проверку с помощью другой ИИ-системы пока не удалось: рецензентам сложно выявлять малозаметные технические недочёты.
Почему это важно
Для компаний, нанимающих фрилансеров, результаты говорят о том, что такие ИИ-агенты, как Fable 5.2, могут начать выполнять значительную долю типовых проектов в сфере дизайна и медиа, потенциально снижая расходы и сроки. Однако тест выявил и слабые места — промышленный дизайн и анимацию; кроме того, проверяющие отмечали, что результаты ИИ могут быть неполными или содержать технические ошибки. Пока эти проблемы не устранены, без контроля человека не обойтись.
Почему это важно
Компании могут поручать ИИ-агентам более широкий круг фриланс-задач, особенно в сфере редактирования аудио, архитектуры и 3D-моделирования, что может сократить расходы. Но из-за сохраняющихся ошибок фрилансерам всё ещё придётся проверять и дорабатывать результаты ИИ, поэтому переход будет постепенным.
