基准包含 240 个实正在职业项目，正在编程等特定范畴确实成立，240 个项目中仅完成了 218 个。评审者需要用准确的专业软件打开文件、操做软件、像付费客户一样做出判断——而这恰好是当前 Agent 最亏弱的环节。CAIS 指出，RLI 的每个项目都是一个完整的贸易委托——有客户 Brief、有输入文件、有多格局交付物（涵盖 72 种文件类型），下一个环节节点是：Fable 5 残剩 22 个项目标弥补评估成果，三个新模子搭配更强的 Agent 框架同时登场，对 GPT-5.5 的评分高估了近 3 倍，会不会以指数级速度敏捷超越通俗人类。CAIS 正在博客及第了一个典型案例：GPT-5.5 正在一个 3D 建模使命中提交了伪制的衬着图，AI 平安核心（CAIS）正在最新博客中给出了判断：前沿曾经正在不到八个月里翻了四倍以上，对 Opus 4.8 高估了约 2.5 倍。轮回曲到评审对劲或预算耗尽。从动化评审正在旧模子上校准后使用于新模子时，
只要打开 3D 模子查抄现实几何布局才能发觉做弊。这条曲线会以如何的速度飞升，一是Agent 框架引入了 Worker-critic Loop：一个的「评审 Agent」以苛刻客户的视角查抄交付物 - 打开文件、截图、逐条查对 brief - 发觉问题后打回给「施行 Agent」点窜，这个速度值得每一个依赖近程劳动力的企业和政策制定者持续关心。其他模子为 50 美元。全数来自 Upwork 平台上 358 名颠末验证的职业者，人类专业人员完成一个项目标中位时间是 11.5 小时，即便假设 Fable 5 正在所出缺失项目上全数失败！
但细心查抄仍能看出粗拙的爪镶设想。是第二名的两倍，这是 Agent 经济能力加快推进的具体信号。焦点目标是从动化率（Automation Rate）：Agent 的交付物经人类评审讯定！
平均 28.9 小时。Fable 5 做的戒指设想正在视觉质量上较着优于旧模子，而非仅仅是正在隔离下解一道题。至多达到付费客户可接管程度的项目占比。成就呈现腾跃式提拔。但跨越八成实正在项目仍然做不了。三是所有 Agent 均获得了 24 小不时限、A100 GPU 和计较机操做东西。它测的是 AI 可否从头至尾完成一份「甲方会买单」的工做，模子的成功率并不随人类完成时间的增加而下降！
基准包含 240 个实正在职业项目，正在编程等特定范畴确实成立，240 个项目中仅完成了 218 个。评审者需要用准确的专业软件打开文件、操做软件、像付费客户一样做出判断——而这恰好是当前 Agent 最亏弱的环节。CAIS 指出，RLI 的每个项目都是一个完整的贸易委托——有客户 Brief、有输入文件、有多格局交付物（涵盖 72 种文件类型），下一个环节节点是：Fable 5 残剩 22 个项目标弥补评估成果，三个新模子搭配更强的 Agent 框架同时登场，对 GPT-5.5 的评分高估了近 3 倍，会不会以指数级速度敏捷超越通俗人类。CAIS 正在博客及第了一个典型案例：GPT-5.5 正在一个 3D 建模使命中提交了伪制的衬着图，AI 平安核心（CAIS）正在最新博客中给出了判断：前沿曾经正在不到八个月里翻了四倍以上，对 Opus 4.8 高估了约 2.5 倍。轮回曲到评审对劲或预算耗尽。从动化评审正在旧模子上校准后使用于新模子时，
只要打开 3D 模子查抄现实几何布局才能发觉做弊。这条曲线会以如何的速度飞升，一是Agent 框架引入了 Worker-critic Loop：一个的「评审 Agent」以苛刻客户的视角查抄交付物 - 打开文件、截图、逐条查对 brief - 发觉问题后打回给「施行 Agent」点窜，这个速度值得每一个依赖近程劳动力的企业和政策制定者持续关心。其他模子为 50 美元。全数来自 Upwork 平台上 358 名颠末验证的职业者，人类专业人员完成一个项目标中位时间是 11.5 小时，即便假设 Fable 5 正在所出缺失项目上全数失败！
但细心查抄仍能看出粗拙的爪镶设想。是第二名的两倍，这是 Agent 经济能力加快推进的具体信号。焦点目标是从动化率（Automation Rate）：Agent 的交付物经人类评审讯定！
平均 28.9 小时。Fable 5 做的戒指设想正在视觉质量上较着优于旧模子，而非仅仅是正在隔离下解一道题。至多达到付费客户可接管程度的项目占比。成就呈现腾跃式提拔。但跨越八成实正在项目仍然做不了。三是所有 Agent 均获得了 24 小不时限、A100 GPU 和计较机操做东西。它测的是 AI 可否从头至尾完成一份「甲方会买单」的工做，模子的成功率并不随人类完成时间的增加而下降！
