Anthropic Fable 5.2 conclui 41% de projetos freelance reais — há um ano, o líder resolvia 2,5%

Há um ano, o melhor agente de IA concluía 2,5% dos projetos freelance reais. Agora, o Fable 5.2, da Anthropic, chega a 41,3%. Não se trata de exercícios didáticos nem de habilidades isoladas, mas de projetos de verdade da Upwork, que o cliente está disposto a aceitar e pagar. Vamos ver o que exatamente foi medido e o que isso significa na prática.

Como o teste funciona

O Remote Labor Index (RLI) foi criado pela Scale Labs e pelo Center for AI Safety. A base são 240 projetos concluídos, entregues por 358 profissionais verificados da Upwork. Juntos, valem cerca de 144 mil dólares. O pedido médio custa 632,60 dólares e leva quase 29 horas de trabalho de um freelancer humano. As tarefas são variadas: edição de vídeo, projetos CAD, desenvolvimento de jogos, análise de dados.

O agente recebe um posto de trabalho virtual com softwares profissionais conhecidos, como Blender, GIMP e Audacity, além de ferramentas de IA para gerar imagens, áudio e vídeo. Um exemplo de pedido: desenhar a planta de um banheiro, selecionar opções de mobiliário e produzir renders fotorrealistas.

O trabalho é avaliado por especialistas treinados, e de forma manual. Eles abrem os arquivos entregues em programas profissionais e comparam o resultado com o que foi entregue pelo humano. As tentativas de delegar a avaliação a outro modelo fracassaram até agora. Os juízes de IA quase não sabem operar esses softwares e, por isso, se deixam enganar por trabalhos que parecem bem-acabados por fora, mas estão tecnicamente quebrados por dentro. Como resultado, inflam bastante as notas.

Os números: uma vantagem sobre todos

A evolução ao longo do ano é esta:

• cerca de um ano atrás, o líder, o Manus, concluía 2,5% dos pedidos;
• em julho, o Fable 5 estava na frente com cerca de 16%, ou seja, um crescimento de mais de quatro vezes em oito meses;
• o Fable 5.1 marca pouco menos de 18%;
• o Fable 5.2 alcança 41,3%, cerca de 2,5 vezes o resultado de julho do Fable 5.

Em seguida vêm o Opus 5.5, da Anthropic (21,25%), e o GPT 6 Astra, da OpenAI (20,83%). O Fable 5.2 tem quase o dobro do sucesso dos concorrentes mais próximos. O melhor modelo do Google, o Gemini Argon 4, está em quinto lugar, com 17,08%. Os antigos GPT-5.2 e Gemini 3 Pro continuam abaixo de 3%.

Cerca de 50 entregas bem-sucedidas do Fable 5.2 são tarefas que nenhum agente do teste havia resolvido antes dele.

Onde o modelo é forte e onde ainda é fraco

Segundo a Scale Labs, o maior avanço do Fable 5.2 está na edição de áudio e música, no projeto de arquitetura e interiores e na criação de modelos 3D. Além disso, o agente lida com projetos longos e complexos, nos quais os líderes anteriores falhavam com frequência.

Design industrial e animação quase não são resolvidos. Quando os agentes fracassam, costumam entregar trabalho de qualidade amadora, resultado incompleto, arquivos corrompidos ou design contraditório.

O que fazer com isso

Primeiro, os limites do número. 41,3% é a fatia de pedidos em uma amostra de 240 projetos. Em mais da metade dos trabalhos, o agente ainda não chega ao nível profissional. Além disso, os resultados foram publicados pela Scale Labs e ainda não foram reproduzidos de forma independente.

As conclusões práticas são estas:

• Para product managers e fundadores. Avaliem os agentes em tarefas completas, do briefing ao arquivo final, e não em habilidades isoladas. Prevejam uma aceitação humana: o resultado do agente precisa ser aberto no software de trabalho. A verificação automática por outro modelo em artefatos visuais e de arquivo ainda não é confiável, e o RLI mostrou isso.
• Para desenvolvedores de sistemas agênticos. As principais perdas são arquivos corrompidos e contradições dentro do projeto, não ideias fracas. Adicionem verificações de integridade dos arquivos de saída e a conferência do resultado com o briefing original.
• Para freelancers. A pressão é maior em áudio, 3D e interiores. O valor se desloca para a definição das tarefas e o controle de qualidade, onde o agente ainda é cego.

O principal sinal não está no número em si, mas no ritmo. O crescimento de 2,5% para 41,3% em um ano significa que a fronteira do "o agente resolve sozinho" terá de ser revista com mais frequência do que uma vez por ano.