
何が起きたか
AnthropicのFable 5.2はScale Labsのベンチマークで実在のフリーランス案件の41.3%を完遂した。約1年前の開始時はManusが2.5%だった。
なぜ重要か
このベンチマークは動画編集やCAD設計など業務全体の出来を採点するため、AIエージェントが専門業務を高品質で仕上げる割合が大きく高まったことを示す。
誰に効くか動画編集やCAD設計、ゲーム開発、データ分析の案件を手がけるフリーランスは、このベンチマークの業務構成から見て、AIエージェントが同じ仕事を奪い合う状況に直面する可能性がある。
こういう要約が、毎朝あなたのメールに届きます。
このベンチマークは、AIの進歩を切り離された技能テストではなく実際のフリーランス業務に結びつけて測る。約$144,000相当の240件はUpworkで本人確認済みの専門家358人による案件で、動画編集やCAD設計、ゲーム開発、データ分析などを含む。約1年前のテスト開始時、Manusの完遂率はわずか2.5%だった。7月にはAnthropicのFable 5が約16%に達した。
最新の結果はその上昇をさらに延長している。Fable 5.2の完遂率は41.3%で、7月時点のFable 5の約2.5倍にあたる。Scale Labsによると、最も伸びたのは音声・音楽の編集、建築・インテリア空間の設計、3Dモデルの制作だ。成功した案件のうち50件近くは、これまでテストでどのAIエージェントも解けなかった業務だった。
人間の専門家は提出ファイルを専門ソフトで開き、フリーランスの成果物と比べて成否を判定する。別のAIでこの審査を自動化するCAISの試みは今のところ失敗している。AIの審査役はソフトをほとんど操作できず、見た目は整っていても技術的に欠陥のある提出物にだまされるからだ。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る
kickflowはシリーズAで約10.6億円を調達

Anthropicは11月19日に上場する見通しで、筆者は2026年上半期の売上高が前年同期比1,305%増の163億ドルだったことを挙げ、SpaceXより好意的に見ている

ソフトバンクは日本バスケットボール協会と連携し、米Built Different AIのHOOPERアプリを国内大会で実証

Microsoft Ignite 2026でCEOのSatya Nadella氏はCopilotを「仕事の新しいOS」と呼び、AIチャットやエージェントへの委任、アプリ開発、自律的なタスク実行を統合すると述べた

Docker Composeの閉鎖ラボでLlama 3.1 8Bエージェントは約5.7秒でOpenCanaryハニーポットに到達したが、ダミー認証情報12個のファイルサーバーには触れず発見数は12個中0個だった

ForceHarnessはロボットハードウェアとモデルAPIの間に位置し、生の力覚トレースを不確実性推定付きの物理量に変換してツール呼び出し結果として凍結モデルに返す
