BenchLeader

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。

18 / 18
#
1新Claude Fable 5.241.3%65.42026-11-09
2Claude Opus 5.521.3%61.02026-09-22
3GPT-6 Astra20.8%66.42026-09-03
4Claude Fable 5.117.9%66.42026-09-01
5Gemini 4 Argon17.1%64.42026-10-13
6Claude Fable 516.1%65.42026-06-09
7Claude Opus 4.88.3%58.72026-05-28
8GPT-5.56.3%61.02026-04-23
9Gemini 3.8 Flash5.8%56.42026-09-02
10Gemini 3.7 Flash5.0%–2026-08-13
11Claude Opus 4.64.2%62.12026-02-05
12Claude Opus 4.53.8%57.12025-11-24
13GPT-5.2medium2.5%56.22025-12-11
14GPT-5.22.1%56.72025-12-11
15Claude Sonnet 4.52.1%53.82025-09-29
16GPT-51.7%56.62025-08-07
17Gemini 3 Pro1.3%60.02025-11-18
18Gemini 2.5 Pro0.8%55.22025-06-05

更多智能体与工具基准测试 · 全部大模型基准测试

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。