Anthropic's Fable 5.2 Voltooit 41 Procent van Echte Freelance Opdrachten op Industriestandaard

Het Fable 5.2-model van Anthropic kan nu 41,3 procent van de echte freelance opdrachten op professioneel niveau voltooien, volgens benchmarkresultaten gerapporteerd door The Decoder. Dit markeert een enorme sprong vergeleken met slechts een jaar geleden, toen best presterende AI-agenten slechts 2,5 procent van de echte freelance projecten voltooiden. De benchmark evalueert modellen aan de hand van daadwerkelijke Upwork-contracten die workflows met meerdere stappen vereisen binnen ontwerp-, audio- en 3D-modelleringssoftware.

Wat er gebeurde

The Decoder meldt dat Scale Labs en het Center for AI Safety (CAIS) de nieuwste resultaten hebben gepubliceerd voor hun Remote Labor Index (RLI), die AI-modellen test op 240 echte Upwork-projecten die zijn voltooid door 358 geverifieerde professionals. Deze banen – met een totale waarde van ongeveer $144.000, gemiddeld $632,60 per project en ongeveer 29 uur menselijke arbeid vereisend – omvatten taken zoals CAD-ontwerp, videobewerking, game-ontwikkeling en data-analyse. Agenten opereren binnen een virtuele omgeving die is voorbereid met professionele software zoals Blender, GIMP en Audacity, naast gespecialiseerde AI-generatietools.

Anthropic's Fable 5.2 behaalde een voltooiingspercentage van 41,3 procent, waarmee het concurrerende modellen ver achter zich liet. Volgens The Decoder eindigde Anthropic's Opus 5.5 op de tweede plaats met 21,25 procent, op de voet gevolgd door OpenAI's GPT 6 Astra met 20,83 procent en Google's Gemini Argon 4 met 17,08 procent. Oudere modellen zoals GPT-5.2 en Gemini 3 Pro voltooiden minder dan drie procent van de opdrachten. Scale Labs merkte op X op dat Fable 5.2 de grootste vooruitgang boekte op het gebied van audio- en muziekbewerking, architectonisch en interieurontwerp, en 3D-modellering, waarbij het bijna 50 projecttypen succesvol voltooide die geen enkele eerdere AI-agent had gehaald.

De benchmark bracht echter aanzienlijke beperkingen aan het licht. Scale Labs merkte op dat Fable 5.2 nog steeds moeite heeft met animaties en industrieel productontwerp. Wanneer AI-agenten falen in de test, ontdekten CAIS-onderzoekers dat ze werk van amateurkwaliteit, onvolledige resultaten, beschadigde bestanden of tegenstrijdige ontwerpen leveren. Bovendien mislukten pogingen om het evaluatieproces te automatiseren met behulp van AI-recensenten, omdat evaluatiemodellen gemakkelijk werden misleid door oppervlakkige visuele perfectie, ondanks onderliggende technische gebreken.

Waarom het belangrijk is voor kleine bedrijven

Als u de bedrijfsvoering beheert of creatieve freelancers inhuurt voor een klein bedrijf, is deze scoresprong een signaal dat AI-agenten overgaan van eenvoudige tekstaanvulling naar het afhandelen van functionele, meerstaps assetcreatie. Een succespercentage van 41 procent bij complexe taken die gemiddeld 29 menselijke uren vergen, betekent dat agenten realistisch kunnen helpen met voorbereidend conceptwerk, basis 3D-modellering of routinematige audio-opschoning.

U moet uw freelance contractanten echter nog niet ontslaan. Het faalpercentage van 58,7 procent bewijst dat agenten nog steeds regelmatig onbruikbare bestanden, onvolledige opleveringen en amateuristische ontwerpen genereren. Bovendien, omdat CAIS aantoonde dat geautomatiseerde AI-beoordelaars technische gebreken die verborgen zijn achter mooie oppervlakken niet detecteren, moet een bekwame menselijke expert nog steeds elk afzonderlijk opleverbaar inspecteren binnen de daadwerkelijke software voordat iets in productie gaat. Voor kleine teams is de praktische strategie het inzetten van agenten voor ruwe concepten en modulaire taakvoorbereiding, terwijl ervaren professionals verantwoordelijk blijven voor beoordeling en assemblage.

Wat te doen deze week

1. Controleer de creatieve en technische outsourcing-achterstanden van uw bedrijf om terugkerende taken van minder dan 30 uur te markeren die 3D-modellering, audiobewerking of basis ruimtelijk ontwerp omvatten.
2. Stel een verplicht handmatig beoordelingsprotocol op dat vereist dat menselijke technische leiders alle door AI ondersteunde opleveringen binnen de native software inspecteren voordat ze worden goedgekeurd.
3. Test een agenttool, aangedreven door goed presterende modellen zoals Fable 5.2, op een gearchiveerde freelance opdracht om de voorlopige output te vergelijken met het werk van uw oorspronkelijke freelancer.

Bronnen

• Anthropic's Fable 5.2 completes 41 percent of real freelance jobs, up from 2.5 percent a year ago — The Decoder