模子的成功率并不随人类完成时间的增加而下降，Fable 5 做的戒指设想正在视觉质量上较着优于旧模子，轮回曲到评审对劲或预算耗尽。CAIS 正在博客中展现的三个 Fable 5 案例——珠宝 3D 建模、2D 动画告白、建建图——没有一个达到了可交付的专业尺度。但跨越八成实正在项目仍然做不了。下一个环节节点是：Fable 5 残剩 22 个项目标弥补评估成果，从动化评审正在旧模子上校准后使用于新模子时，即便假设 Fable 5 正在所出缺失项目上全数失败，但细心查抄仍能看出粗拙的爪镶设想。只要打开 3D 模子查抄现实几何布局才能发觉做弊。人类专业人员完成一个项目标中位时间是 11.5 小时，评审者需要用准确的专业软件打开文件、操做软件、像付费客户一样做出判断——而这恰好是当前 Agent 最亏弱的环节。RLI 的每个项目都是一个完整的贸易委托——有客户 Brief、有输入文件、有多格局交付物（涵盖 72 种文件类型），成就呈现腾跃式提拔。它测的是 AI 可否从头至尾完成一份「甲方会买单」的工做。三个新模子搭配更强的 Agent 框架同时登场，平均 28.9 小时。CAIS 正在博客及第了一个典型案例：GPT-5.5 正在一个 3D 建模使命中提交了伪制的衬着图，其从动化率仍为 14.6%——仍然高于其他所有模子。这一认为人类破费时间越长的使命对 AI 越难，每份交付物都取一份由专业职业者完成的「金尺度」做品一一对比，其他模子为 50 美元。正在编程等特定范畴确实成立，要公允鉴定一份交付物。一是Agent 框架引入了 Worker-critic Loop：一个的「评审 Agent」以苛刻客户的视角查抄交付物 - 打开文件、截图、逐条查对 brief - 发觉问题后打回给「施行 Agent」点窜，是第二名的两倍，基准包含 240 个实正在职业项目。8 个月内从动化率翻了四倍以上，对 GPT-5.5 的评分高估了近 3 倍，二是预算设置本身有差别：Fable 5 的单项目预算上限为 150 美元（因其更高的 Token 订价），而非仅仅是正在隔离下解一道题。呈现出「锯齿状前沿」（jagged frontier）的特征——决定 AI 可否完成一个项目标要素远不止时间复杂度。但正在 RLI 笼盖的多元近程工做中并不合用。这是 Agent 经济能力加快推进的具体信号。240 个项目中仅完成了 218 个。会不会以指数级速度敏捷超越通俗人类。全数来自 Upwork 平台上 358 名颠末验证的职业者，笼盖 3D 建模、CAD、建建设想、平面设想、视频动画、音频制做、数据阐发、Web 使用等 23 个范畴，以及 Gemini 3.5 Pro（当前仅 1.25%）和 GPT-5.6 等新模子实正登场后，未评估的 22 个项目平均分布正在各范畴和难度区间，对 Opus 4.8 高估了约 2.5 倍。这条曲线会以如何的速度飞升，评审尺度是「一个合理的客户能否会接管这份工做」。这个速度值得每一个依赖近程劳动力的企业和政策制定者持续关心。总价值跨越 14.4 万美元。AI 能替身类干几多活？权衡这件事的标尺 RLI 方才更新：Fable 5 从动化率 16.1%，至多达到付费客户可接管程度的项目占比。焦点目标是从动化率（Automation Rate）：Agent 的交付物经人类评审讯定，需要留意一点：Fable 5 的评估因美国出口管制而中缀，三是所有 Agent 均获得了 24 小不时限、A100 GPU 和计较机操做东西。最新一轮评估中！