Remote Labor Index 排行榜
截至 2026年11月16日,Remote Labor Index 的最高分为 41.3%,由 Claude Fable 5.2(Anthropic)取得,领先于 Claude Opus 5.5(21.3%)。共有 18 个模型配置公布了结果(Scale AI / CAIS,结果日期 2026年11月9日)。Remote Labor Index 收集真实的自由职业项目,例如搭建网站、剪辑视频或整理数据集,要求智能体交付完成的成果,由专业评审对照原始交付物进行评判。Remote Labor Index 计入 BenchLeader Index 的智能体与工具得分。
要点(截至 2026年11月16日)
- Claude Fable 5.2 以 41.3% 保持 Remote Labor Index 最高分(Scale AI / CAIS,2026年11月9日)。
- Claude Opus 5.5 以 21.3% 位列 Remote Labor Index 第二(Scale AI / CAIS,2026年9月22日)。
- Remote Labor Index:从头到尾完成的真实自由职业项目(Scale AI / CAIS)(Scale AI / CAIS)。
- BenchLeader 上有 18 个模型配置公布了 Remote Labor Index 结果(BenchLeader,2026年11月16日)。
- Remote Labor Index 计入 BenchLeader Index 的智能体与工具类别(BenchLeader 方法论)。
从头到尾完成的真实自由职业项目(Scale AI / CAIS)。
- 发布方
- Scale AI / CAIS数据经由 Epoch AI Benchmarking Hub
- 类别
- 智能体与工具
- Index 权重
- 0.5
- 模型
- 18
- 数据截至
- 2026年11月16日
- 最新结果
- 2026年11月9日
CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.
测试内容
Remote Labor Index 收集真实的自由职业项目,例如搭建网站、剪辑视频或整理数据集,要求智能体交付完成的成果,由专业评审对照原始交付物进行评判。
评分方式
达到可接受标准的项目百分比,由 Scale AI 和 Center for AI Safety 发布。
注意事项
所有模型的分数都很低,项目类型五花八门,所以更适合理解为“能否完成一整份工作”,而不是精细的排名。评审由人工完成,任务集也很小。
- 1Claude Fable 5.241.3%
- 2Claude Opus 5.521.3%
- 3GPT-6 Astra20.8%
- 4Claude Fable 5.117.9%
- 5Gemini 4 Argon17.1%
- 6Claude Fable 516.1%
- 7Claude Opus 4.88.3%
- 8GPT-5.56.3%
- 9Gemini 3.8 Flash5.8%
- 10Gemini 3.7 Flash5.0%
- 11Claude Opus 4.64.2%
- 12Claude Opus 4.53.8%
- 13GPT-5.2 (medium)2.5%
- 14GPT-5.22.1%
- 15Claude Sonnet 4.52.1%
18 / 18
| # | ||||
|---|---|---|---|---|
| 1 | 新 | 41.3% | 65.4 | 2026-11-09 |
| 2 | 21.3% | 61.0 | 2026-09-22 | |
| 3 | 20.8% | 66.4 | 2026-09-03 | |
| 4 | 17.9% | 66.4 | 2026-09-01 | |
| 5 | 17.1% | 64.4 | 2026-10-13 | |
| 6 | 16.1% | 65.4 | 2026-06-09 | |
| 7 | 8.3% | 58.7 | 2026-05-28 | |
| 8 | 6.3% | 61.0 | 2026-04-23 | |
| 9 | 5.8% | 56.4 | 2026-09-02 | |
| 10 | 5.0% | – | 2026-08-13 | |
| 11 | 4.2% | 62.1 | 2026-02-05 | |
| 12 | 3.8% | 57.1 | 2025-11-24 | |
| 13 | 2.5% | 56.2 | 2025-12-11 | |
| 14 | 2.1% | 56.7 | 2025-12-11 | |
| 15 | 2.1% | 53.8 | 2025-09-29 | |
| 16 | 1.7% | 56.6 | 2025-08-07 | |
| 17 | 1.3% | 60.0 | 2025-11-18 | |
| 18 | 0.8% | 55.2 | 2025-06-05 |
相关基准测试
Remote Labor Index 上的热门模型对比
引用格式:BenchLeader,《Remote Labor Index 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/rli。
Remote Labor Index:常见问题
- Remote Labor Index 衡量的是什么?
- Remote Labor Index 收集真实的自由职业项目,例如搭建网站、剪辑视频或整理数据集,要求智能体交付完成的成果,由专业评审对照原始交付物进行评判。分数以完成任务的百分比表示,越高越好。
- Remote Labor Index 的最高分是多少?
- 截至 2026年11月16日,Remote Labor Index 的最高分为 41.3%,由 Claude Fable 5.2 取得(结果日期 2026年11月9日),领先于 Claude Opus 5.5(21.3%)。分数来自 Scale AI / CAIS,每天重新读取。
- 哪个 AI 模型在 Remote Labor Index 上领先?
- 截至 2026年11月16日,Remote Labor Index 排名第一的是 Claude Fable 5.2,分数为 41.3%(结果日期 2026年11月9日)。其后为 Claude Opus 5.5(21.3%)。
- 有多少模型有 Remote Labor Index 结果?
- BenchLeader 上有 18 个模型配置有 Remote Labor Index 结果,全部取自 Scale AI / CAIS(经由 Epoch AI Benchmarking Hub)。
- Remote Labor Index 由谁运行,多久更新一次?
- Remote Labor Index 由 Scale AI / CAIS 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
- Remote Labor Index 是否计入 BenchLeader Index?
- 计入。Remote Labor Index 计入 BenchLeader Index 的智能体与工具类别,并经过归一化,使参评模型的平均值为 50。