2026 RLI 远程劳动力指数解析：Fable 5 自动化率领跑，AI 真实工作替代进度几何

AI Agent平台Agent框架多模态模型模型对比评测模型性价比模型评测与对比模型路由行业大模型业务流程外包效率提升工具数据分析生产力工具个人效率管理数字员工/助理本地生活服务AI化生态互联

2026-07-12 16:07

93 浏览

0 点赞

AI 速览

基于真实商业项目的AI工作能力评测报告，适合关注AI自动化落地与劳动力替代趋势的从业者。核心事实 - 评测体系：CAIS联合Scale AI发布RLI指数，基于Upwork真实付费项目评估AI独立交付能力 - 榜单排名：Claude Fable 5以16.1%自动化率领跑，显著高于Opus 4.8（8.3%）和GPT-5.5（6.3%） - 增长趋势：前沿AI Agent自动化能力8个月内翻四倍，从2.5%跃升至16.1% - 技术机制：Fable 5采用Worker-critic Loop双代理机制及更高单项目预算（150美元） - 关键发现：AI自动评审存在严重高估偏差，任务时长与完成难度无线性关系价值点提供脱离实验室跑分的真实商业场景AI能力标尺，帮助判断当前AI在自由职业市场的实际替代潜力。

衡量 AI 的工作能力，不能只看实验室解题跑分，更要看它能不能独立完成甲方愿意付费的真实商业项目。近日 AI 安全中心（CAIS）联合 Scale AI 更新了远程劳动力指数（Remote Labor Index，RLI），这一以真实自由职业项目为基准的评测体系显示，前沿 AI Agent 的工作自动化能力 8 个月内翻了四倍以上，Claude Fable 5 以 16.1% 的自动化率领跑，但整体来看超八成真实商业项目仍在 AI 能力范围之外。

2026 RLI 远程劳动力指数解析：Fable 5 自动化率领跑，AI 真实工作替代进度几何

一、RLI 评测体系：锚定真实商业价值的能力标尺

区别于传统孤立知识点式的 AI 基准测试，RLI 是一套完全基于真实商业委托的能力标尺，也是目前最贴近真实劳动力市场的 AI 能力评测体系。

评测全部采用 Upwork 平台上的真实付费项目，覆盖 3D 建模、CAD 设计、平面设计、视频动画、音频制作、数据分析、Web 开发等 23 个领域，共 240 个独立项目，总价值超过 14.4 万美元。每个项目都包含完整的客户需求文档、原始输入素材与多格式交付要求，人类专业人员完成单项目的中位时间为 11.5 小时，平均时长近 29 小时。

核心指标 “自动化率”，指 Agent 交付物经人类专业评审判定、达到付费客户可接受标准的项目占比，本质衡量的是 AI 能不能独立完成 “能创造商业价值” 的完整工作，而非限定环境下的解题能力。

二、榜单最新格局：Fable 5 断层领先 8 个月能力翻四倍

RLI 的迭代速度远超行业预期。

2025 年 10 月该指数首次发布时，榜单最高分仅为 2.5%；最新评测中三款新模型实现阶跃式提升，整体能力出现跳跃式增长。其中 Claude Fable 5 以 16.1% 的自动化率断层领跑，是第二名 Opus 4.8（8.3%）的近两倍，更是第三名 GPT-5.5（6.3%）的 2.5 倍。

其优势背后有三大核心支撑：

一是 Worker-critic Loop 双代理机制，由独立评审 Agent 模拟苛刻客户视角逐条核对需求，发现问题打回执行 Agent 修改，循环迭代至达标或预算耗尽，让算力投入真正转化为交付质量；

二是更高的单项目预算，Fable 5 单项目预算上限为 150 美元，其余模型为 50 美元；

三是统一配置了 24 小时时限、A100 算力与完整计算机操作工具。

值得注意的是，受出口管制影响 Fable 5 仅完成 218 个项目，即便假设剩余 22 个项目全部失败，其自动化率仍达 14.6%，依旧大幅领先其他模型。

三、两大核心发现：AI 评审存偏差任务难度无统一规律

评测过程中还验证了两个关键行业认知。

首先是 AI 评审无法替代人类专业评审。

团队测试显示，基于旧模型校准的自动化评审，应用到新模型时会出现严重的结果高估：对 GPT-5.5 的评分高估近 3 倍，对 Opus 4.8 高估约 2.5 倍。原因在于评审本身就是高难度 Agent 任务，需要打开专业软件、核验文件细节、模拟客户判断，这恰恰是当前 AI 的薄弱环节，例如 3D 建模任务中的伪造渲染图，只有打开源文件检查几何结构才能识别，AI 评审尚不具备这类深度核验能力。

其次是 “任务时长越长 AI 越难完成” 的时间地平线假说失效。

在 RLI 覆盖的多元工作场景中，AI 的成功率并不随人类完成时长增加而线性下降，呈现 “锯齿状前沿” 特征：决定项目能否被 AI 完成的因素，除了时间复杂度，还涉及专业软件操作、创意审美、细节理解、跨工具协同等多重维度。

四、行业启示：进步速度超预期距离规模化替代仍有距离

尽管进步速度惊人，但当前 AI 的绝对工作能力仍处于早期阶段。即便是表现最好的 Fable 5，也仍有 84% 的真实自由职业项目无法达到交付标准，例如珠宝 3D 建模、建筑图纸等案例，视觉效果虽较旧模型有明显提升，但专业工艺细节仍存在明显瑕疵，达不到商用交付要求。

RLI 的核心价值在于提供了经过经济价值校准的能力标尺，它跟踪的不是 AI “会不会做题”，而是 AI “能不能创造商业价值”。8 个月翻四倍的增速，值得所有依赖远程劳动力的企业与政策制定者持续关注。

后续随着 GPT-5.6 等新模型加入评测，以及剩余项目的补充测试，AI 自动化能力曲线还将持续上探，其对劳动力市场的影响也将逐步从预期走向现实。

好文章，需要你的鼓励

你现在已经加载了 reverse-skill 技能路由包，请严格按照它的工作流程处理接下来的任务，不要跳过任何一步： 1. 收到任务后，先读取 skills/MASTER-ROUTING.md 中的 PRIMARY 优先级规则，看关键词能否直接命中对应子技能；命中不了再查 skills/routing.md 完整路由矩阵，按"目标类型+用户意图+工具链"三个维度定位子技能。 2. 定位到子技能后，先检查 skills/tool-index.md，确认所需工具本机是否已安装（yes/no）。如果缺失，按 On-demand Bootstrap 策略处理：开源工具尝试通过 brew/apt 或下载 release 自动安装；商业软件（如 IDA Pro）提示我手动安装，不要自行下载破解版或绕过授权。 3. 执行任何 ACT 级别的实际操作（扫描、攻击、反编译写入等）之前，先检查 skills/ops/scope-contract.md 里的授权门禁，确认目标已经在我明确授权的范围内。没有明确授权，只做只读分析，不要执行侵入性操作。 4. 执行过程中，把关键发现和操作记录到 evidence-finding-path.md 对应的证据链里，任务结束后同步更新 field-journal，方便下次同类任务复用经验。 5. 任务是：[在这里写具体任务，例如"分析这个 APK 的加固方式和网络请求加密逻辑"，并附上文件路径或目标信息]

2026 RLI 远程劳动力指数解析：Fable 5 自动化率领跑，AI 真实工作替代进度几何

一、RLI 评测体系：锚定真实商业价值的能力标尺

二、榜单最新格局：Fable 5 断层领先 8 个月能力翻四倍

三、两大核心发现：AI 评审存偏差 任务难度无统一规律

四、行业启示：进步速度超预期 距离规模化替代仍有距离

三、两大核心发现：AI 评审存偏差任务难度无统一规律

四、行业启示：进步速度超预期距离规模化替代仍有距离