Fable 5.2 довела до приемлемого качества 41,3% фриланс-проектов в RLI

Вы поручаете ИИ подготовить трёхмерную сцену для карточки товара. Через час агент сообщает: всё готово. Но открывается ли проект? Можно ли поменять материал корпуса? Совпадают ли размеры с заданием? Именно на такой дистанции между красивым ответом и пригодной работой часто ломается обещание автоматизации.

В Remote Labor Index у Fable 5.2 зачли 41,3% проектов. По сравнению с 17,92% у Fable 5.1 это рост на 23,38 процентного пункта. Для разработчика или основателя здесь есть конкретный повод для эксперимента: проверить, какие законченные задания уже можно передавать агенту под контролем специалиста.

Что означает результат в 41,3%

В таблице Scale Labs Fable 5.2 опережает Opus 5.5 с 21,25% и GPT 6 Astra с 20,83%. Получается почти двукратный разрыв с ближайшими соперниками. Однако сам процент требует аккуратного прочтения: это доля зачтённых проектов внутри определённого набора заданий и условий проверки.

Работу агента оценивают эксперты, сопоставляя её с профессиональным результатом человека. Ключевой вопрос — удовлетворяет ли она брифу настолько, чтобы разумный клиент согласился её принять. Такое сравнение приближает оценку к повседневной работе команд, где недостаточно продемонстрировать отдельный удачный шаг.

При этом 41,3% нельзя читать как вероятность успеха любого вашего заказа. У команды могут быть другие требования, форматы и распределение задач. И даже на самом бенчмарке большинство проектов пока остаётся за пределами зачёта.

Как проверить это на собственном процессе

Вернёмся к сцене для карточки товара. Это условный пример, а не опубликованный результат отдельного задания Fable. Допустим, заказ включает модель предмета, освещение, несколько ракурсов и редактируемый исходник. Красивого изображения для приёмки недостаточно: следующему дизайнеру ещё предстоит работать с этим файлом.

Практический пилот стоит строить вокруг полного комплекта сдачи. Дайте агенту тот же бриф и исходные материалы, которые получил бы подрядчик. Заранее запишите критерии: нужные размеры, состав файлов, возможность редактирования, соответствие референсам. Затем передайте результат специалисту, который умеет принимать такую работу.

Попросите проверяющего отдельно зафиксировать время на исправления. Агент может быстро подготовить основу, но потребовать долгой ручной доработки. Для бизнеса эти часы входят в стоимость результата вместе с расходами на запуск и проверку.

Полезно также сохранять неудачные попытки. Если система регулярно теряет текстуры или пропускает часть требований, появляется конкретная инженерная задача: добавить проверку комплекта файлов, уточнить входные данные или ограничить область применения. Одного среднего балла для такого решения мало.

Где заканчиваются выводы из таблицы

В исходном Telegram-посте отдельно заявлены успехи в звуке, архитектуре и трёхмерном моделировании, а также почти 50 задач, впервые решённых какой-либо системой. На открытой странице рейтинга эти подробности не подтверждены отдельным разбором Fable 5.2. Использовать их как основание для выбора инструмента пока рано.

Есть и ограничение самого сравнения: RLI исключает проекты, требующие прямого общения с клиентом. В реальном заказе согласование ожиданий, уточнение спорного требования и реакция на правки могут занимать существенную часть работы. Поэтому результат теста не описывает весь цикл отношений с заказчиком. Методология RLI также указывает, что у показателя Automation Rate нет доверительного интервала.

Для продакта разумный следующий шаг — выбрать повторяемый тип заданий с понятной приёмкой и провести небольшой внутренний пилот. Решение о внедрении стоит принимать по доле принятых результатов, времени специалиста и итоговой стоимости. Рост до 41,3% делает такую проверку интереснее; экономический эффект команде всё ещё предстоит измерить самой.