Anthropic Fable 5.2 تنجز 41% من طلبات العمل الحر الحقيقية، بينما لم يتجاوز أفضل نموذج قبل عام 2.5%

قبل عام، كان أفضل وكيل ذكاء اصطناعي ينجز 2.5% من طلبات العمل الحر الحقيقية. اليوم يصل Fable 5.2 من Anthropic إلى 41.3%. وهذه ليست مسائل تعليمية ولا مهارات معزولة، بل مشاريع حقيقية من Upwork يكون العميل مستعدًا لقبولها ودفع ثمنها. سنشرح ما الذي جرى قياسه تحديدًا وما يترتب على ذلك عمليًا.

كيف صُمّم الاختبار

أعدّت Scale Labs وCenter for AI Safety مؤشر Remote Labor Index (RLI). يقوم المؤشر على 240 مشروعًا منجزًا من 358 محترفًا موثّقًا على Upwork. وتبلغ قيمتها الإجمالية نحو 144 ألف دولار. ويكلّف الطلب المتوسط 632.60 دولارًا ويستغرق من المستقل البشري قرابة 29 ساعة. والمهام متنوعة: مونتاج الفيديو، والتصميم بمساعدة الحاسوب CAD، وتطوير الألعاب، وتحليل البيانات.

يحصل الوكيل على مكان عمل افتراضي مزوّد ببرامج احترافية مألوفة مثل Blender وGIMP وAudacity، إضافة إلى أدوات ذكاء اصطناعي لتوليد الصور والصوت والفيديو. ومن أمثلة الطلبات: رسم مخطط لحمّام، واختيار خيارات التأثيث، وإنتاج صور واقعية مُصيَّرة.

يقبل العمل خبراء مدرَّبون، ويفعلون ذلك يدويًا. إذ يفتحون الملفات المسلّمة في البرامج الاحترافية ويقارنون النتيجة بما سلّمه الإنسان. أما محاولات إسناد التحقق إلى نموذج آخر فقد فشلت حتى الآن. فقضاة الذكاء الاصطناعي بالكاد يجيدون العمل في هذه البرامج، ولذلك تنخدع بأعمال تبدو أنيقة من الخارج لكنها معطوبة تقنيًا من الداخل. والنتيجة أنها تبالغ كثيرًا في التقييم.

الأرقام: تفوق على الجميع

تبدو الديناميكية على مدى عام كالتالي:

• قبل نحو عام كان المتصدر Manus ينجز 2.5% من الطلبات؛
• في يوليو تصدّر Fable 5 بنحو 16%، أي بنمو يزيد على أربعة أضعاف خلال ثمانية أشهر؛
• يحقق Fable 5.1 أقل قليلًا من 18%؛
• يحقق Fable 5.2 نسبة 41.3%، أي نحو 2.5 ضعف نتيجة Fable 5 في يوليو.

ويليه Opus 5.5 من Anthropic (21.25%) وGPT 6 Astra من OpenAI (20.83%). فنجاح Fable 5.2 يقارب ضعف أقرب منافسيه. أما أفضل نموذج من Google، Gemini Argon 4، فيحتل المركز الخامس بنسبة 17.08%. وتبقى النماذج القديمة GPT-5.2 وGemini 3 Pro دون 3%.

ويشكّل قرابة 50 تسليمًا ناجحًا لـ Fable 5.2 مهامَّ لم ينجزها أي وكيل في الاختبار قبله.

أين يقوى النموذج وأين لا يزال ضعيفًا

وفق بيانات Scale Labs، سجّل Fable 5.2 أكبر نمو في تحرير الصوت والموسيقى، وتصميم العمارة والتصميم الداخلي، وإنشاء النماذج ثلاثية الأبعاد. كما يتعامل الوكيل مع المشاريع الطويلة والمعقدة التي كان المتصدرون السابقون يفشلون فيها بانتظام.

ويكاد التصميم الصناعي والرسوم المتحركة يستعصيان عليه. وحين تخفق الوكلاء، فإنها عادةً تسلّم عملًا بجودة هواة، أو نتيجة ناقصة، أو ملفات تالفة، أو تصميمًا متناقضًا.

ما العمل بهذه النتائج

لنبدأ بحدود الرقم. نسبة 41.3% هي حصة الطلبات في عيّنة من 240 مشروعًا. ولا يزال الوكيل لا ينجز أكثر من نصف الأعمال بمستوى احترافي. كما أن النتائج نشرتها Scale Labs، ولم يُعد أحد إنتاجها بشكل مستقل حتى الآن.

والخلاصات العملية كالتالي:

• لمديري المنتجات والمؤسسين. قيّموا الوكلاء على مهام متكاملة «من الموجز إلى الملف»، لا على مهارات منفصلة. وأدرجوا قبولًا بشريًا: يجب فتح نتيجة الوكيل في البرنامج العملي. فالتحقق الآلي بنموذج آخر من المخرجات البصرية والملفات غير موثوق حتى الآن، وهذا ما أظهره RLI.
• لمطوري الأنظمة الوكيلة. الخسائر الرئيسية تأتي من الملفات التالفة والتناقضات داخل المشروع، لا من ضعف الأفكار. أضيفوا فحوصات سلامة لملفات المخرجات ومطابقة النتيجة مع الموجز الأصلي.
• للمستقلين. الضغط أشد ما يكون في الصوت والنماذج ثلاثية الأبعاد والتصميم الداخلي. وتنتقل القيمة نحو صياغة المهام ومراقبة الجودة، حيث لا يزال الوكيل أعمى.

الإشارة الأهم ليست في الرقم نفسه بل في الوتيرة. فالقفزة من 2.5% إلى 41.3% خلال عام تعني أن حدّ «الوكيل ينجز بمفرده» سيتعيّن مراجعته أكثر من مرة في السنة.