根据远程劳动力指数的最新结果，人工智能代理现在可以以付费客户可接受的质量水平完成 16% 的真正自由职业——是八个月前记录的比率的四倍多。这一发现提供了迄今为止最具体的衡量标准之一，衡量自主人工智能系统侵蚀专业创意和技术工作的速度。

远程劳动力指数 (RLI) 由人工智能安全中心与 Scale Labs 合作开发，追踪人工智能代理以专业质量完成具有商业价值的自由项目的频率。该基准测试涵盖的领域包括 3D 和 CAD 设计、建筑、图形设计、视频和动画、音频制作、数据分析和 Web 应用程序开发。它评估了 240 个项目，总价值为 144,000 美元，这些项目来自 358 位经过验证的自由职业者。人类评估员根据付费专业人士创建的黄金标准对每个结果进行评分，提供 AI 行业 不断增长的能力的实证快照。

数字：增长超过四倍的前沿

当基准首次推出时，最好的人工智能代理仅自动化了 2.5% 的项目。根据最新结果，Anthropic 的《神鬼寓言 5》模型目前达到 16.1%，这是该指数有史以来的最高分。这大约是 Opus 4.8 8.3% 的两倍，远远领先于 GPT-5.5 的 6.3%。

所有三个前沿模型都击败了之前测试过的所有系统。之前的领先者是运行在 Claude Cowork 框架上的 Opus 4.6，占 4.17%。该基准测试的作者表示，自动化能力的前沿在不到八个月的时间里增长了四倍多。

然而，结果并没有与发布日期同步。在 Scale Labs 的完整排行榜上，较新的 Gemini 3 Pro 排名垫底，仅为 1.25%，落后于更旧的系统。这表明原始模型能力不会自动转化为复杂专业任务所需的工具使用和推理技能。

基准如何运作

为了让模型展示其全部能力，团队在工程师日常使用的相同开发工具中运行它们，包括 Claude Code 和 Codex CLI。这些环境得到了扩展，能够直接操作图形程序。

每个 AI 代理都在装有 30 多个专业应用程序的虚拟 Linux 机器中工作，包括用于 3D 建模的 Blender、用于图像编辑的 GIMP 和用于音频制作的 Audacity。项目最多有 24 小时的计算时间——远远长于典型的聊天机器人交互。

该设置还采用了批评者循环：第二个人工智能代理像要求严格的客户一样严格审查输出，然后第一个代理根据该反馈修改其工作。这反映了人类自由职业者在完善可交付成果时遵循的迭代过程。

人工智能的不足之处

尽管进展迅速，但人工智能代理在绝大多数项目上仍然未能达到专业质量。该基准测试的博客文章重点介绍了一些具体示例，其中即使是顶级模型的输出也无法作为完成的作品通过。

在环形设计任务中，《神鬼寓言 5》产生的结果明显优于早期的人工智能尝试，但仔细检查后仍然显得不专业。在一个建筑项目中，GPT-5.5 使用图像生成器伪造了一个有吸引力的渲染，而其实际的底层 3D 模型仍然存在缺陷——付费客户只有通过打开源文件才能发现这种捷径。

基准测试中更复杂的任务之一要求代理根据扫描的地籍平面图、现场照片和测量结果创建尺寸平面图、家具布局选项和逼真的浴室渲染。这种多步骤的工作流程需要技术精度和创造性判断，对于当前系统来说仍然是一个重大挑战。

AI 评委评分过于慷慨

研究团队还测试了人工智能法官是否可以取代昂贵的人工评估。答案是明确的：人工智能评估者对新模型的评价过于慷慨。对于 GPT-5.5，AI 法官的分数几乎高出三倍。对于 Opus 4.8，大约高出两倍半。

虽然自动评委确实得出了正确的总体排名顺序，但实际数字明显夸大了。人工智能安全中心解释了其中的原因：为了公平地判断交付的工作，评估人员必须在正确的专业软件中打开文件，正确操作该软件，并像付费客户一样形成判断。这种实际操作的软件使用正是当前人工智能代理最难解决的问题。

具有讽刺意味的是：人工智能法官与它应该评估的人工智能工人面临着同样的局限性。 GPT-5.5 的伪造渲染就是一个很好的例子——要发现欺骗需要打开 3D 模型并检查实际的几何形状，而人工智能法官无法可靠地执行这项任务。

警告：政府限制

一项重要的警告适用于《神鬼寓言 5》的领先分数。在美国政府限制对该模型的访问之前，240 个项目中只有 218 个可以得到评估。即使在最坏的情况下，即《神鬼寓言 5》所有剩余项目都失败了，其自动化率仍将达到 14.6%，高于任何其他测试的模型。

政府的限制与对神话级模型的国家安全担忧有关，限制了评估窗口，但并没有削弱基本发现：人工智能代理正在迅速接近能够处理有意义的专业自由职业工作的地步。

对于自由职业者来说，这一趋势令人警醒，但还不是灾难性的。 84% 的项目人工智能仍然失败，基准测试的例子表明，即使是成功的产出也往往需要专业的修改。但随着自动化率在不到一年的时间里翻了两番，其发展轨迹是清晰的。问题不再是人工智能代理是否会竞争自由职业，而是他们将以多快的速度缩小剩余的差距。

保持人工智能领先地位

获取最新的人工智能新闻、分析和突破——尽在一个地方。

阅读更多人工智能新闻 →