Автоматизация фриланса получила новую планку: модель Anthropic Fable 5 набрала 16,1% на бенчмарке Remote Labor Index, где проверяют, может ли ИИ выполнять реальные удаленные проекты на уровне оплачиваемого специалиста. Для русскоязычного IT-рынка это важный сигнал: агенты уже не просто пишут код и письма, а начинают заходить на территорию дизайнеров, аналитиков и исполнителей проектной работы.
Об этом сообщает ZDNet. По данным издания, Fable 5 вернули в работу 30 июня 2026 года после короткой паузы, когда доступ к модели приостанавливался решением американских властей. Еще до этой паузы Center for AI Safety протестировал ее в своем индексе Remote Labor Index, или RLI. Это не абстрактная олимпиада для моделей: CAIS измеряет, как часто агент способен довести до приемлемого результата экономически полезную фриланс-задачу, за которую клиент действительно готов заплатить. В наборе были задания на 3D-макет помолвочного кольца, создание видеорекламы, работу с планировками помещений и другие типичные удаленные проекты. Моделям выдавали входные файлы и материалы примерно так же, как их получил бы обычный фрилансер от заказчика.
Главная цифра проста и неприятно конкретна для рынка: Fable 5 показала 16,1% автоматизации. Для сравнения, Anthropic Opus 4.8 набрала 8,3%, а OpenAI GPT-5.5 — 6,3%. CAIS отдельно подчеркивает масштаб скачка: предыдущий опубликованный лидер имел 4,17%, а в момент запуска RLI в октябре 2025 года потолок по рынку был около 2,5%. Иными словами, верхняя граница возможностей агентного ИИ в задачах удаленной занятости выросла более чем в четыре раза менее чем за восемь месяцев. Даже если считать, что Fable 5 провалила все пропущенные из-за остановки тестирования задания, ее худший возможный результат составил бы 14,6% — все равно выше, чем у конкурентов.
Здесь важно не спутать впечатляющий темп прогресса с немедленной заменой людей. Шестнадцать процентов — это рекорд, но это не 60 и тем более не 100. RLI оценивает долю проектов, где итог ИИ оказался не хуже работы профессионала по мнению людей-оценщиков. То есть речь не о том, что модель стала «средним фрилансером», а о том, что она уже умеет закрывать заметный пласт конкретных задач без деградации результата. Для бизнеса это означает не массовую ликвидацию подрядчиков, а более прагматичный сценарий: часть коротких, стандартизируемых и хорошо описанных работ начнут встраивать в пайплайн как AI-first. Особенно там, где уже есть процессы проверки качества, шаблоны брифов и терпимость к экспериментам.
Самый любопытный вывод CAIS — слабое место у таких систем пока не в генерации как таковой, а в «компьютерном поведении». Исследователи пытались убрать человека из цикла и заменить его LLM-судьей, который бы сам оценивал качество готовых результатов. Эксперимент провалился. Причина банальна и оттого показательная: чтобы честно принять фриланс-работу, мало посмотреть на текстовый вывод. Нужно открыть проектные файлы в нужных профессиональных программах, уверенно в них ориентироваться, проверить детали так, как это сделал бы клиент или арт-директор, и только потом вынести вердикт. А именно такие действия — работа с приложениями, интерфейсами, файлами, форматами и мелкими сбоями среды — у сегодняшних агентов получаются хуже всего.
Для разработчиков и продуктовых команд в этом месте начинается самое интересное. Если ограничитель прогресса — не идея, не рассуждение и не генерация, а управление инструментами, значит конкуренция смещается в сторону агентных оболочек, систем валидации и инфраструктуры исполнения. Победит не просто лучшая языковая модель, а связка из модели, рантайма, проверок, бюджетных лимитов, контроля сроков и механики отката ошибок. Для стартапов это почти готовая карта рынка: выигрывать будут те, кто продает не «еще один чат», а вертикального агента с предсказуемым рабочим циклом. Для IT-директоров вывод еще прозаичнее: если компания хочет реальную автоматизацию фриланса, придется инвестировать не только в подписки на модели, но и в процессы приемки, трассировку действий и безопасность доступа к данным.
Есть и еще одна деталь, которая ломает привычную логику оценки ИИ по времени выполнения задач. CAIS отмечает, что если человеку задача занимает долго, это не обязательно делает ее сложной для модели. В кодинге такая зависимость более-менее просматривается, но в широком наборе удаленных задач она работает слабо. Некоторые быстрые для профессионала работы остаются для ИИ недосягаемыми — например, транскрипция музыки или плейтест игры в реальном времени. А некоторые вещи, на которые у человека ушли бы часы, вроде цифрового арта или программирования, модель способна сделать за минуты. Для рынка это плохая новость в том смысле, что привычные критерии «долго значит сложно» и «дешево значит просто» больше не помогают прогнозировать, какие роли начнет съедать агентный ИИ первыми.
Поэтому вопрос уже не в том, заменит ли Fable 5 фрилансеров целиком, а в том, какие сегменты удаленной работы быстрее остальных превратятся в конвейер с участием агентов. Если рост с 2,5% до 16,1% уложился меньше чем в год, то следующая нервная точка для рынка — не полная автономия, а момент, когда автоматизация фриланса станет достаточно дешевой и управляемой, чтобы ее начали внедрять не лаборатории, а обычные компании. Первоисточник с цифрами и контекстом — .