Anthropic ครองแชมป์ RLI งานฟรีแลนซ์ 41.3% แต่อีก 58.7% ยังไม่ผ่านเกณฑ์มืออาชีพ ตามที่ Anthropic รายงาน
Anthropic รายงานว่า Claude Fable 5.2 ได้คะแนน 41.3% บน Remote Labor Index (RLI) ชุดทดสอบงานฟรีแลนซ์ของ Scale AI สูงสุดในตารางเทียบรุ่นที่บริษัทเผยแพร่ แต่ตัวเลขเดียวกันหมายความว่าอีกราว 58.7% ของโปรเจกต์ยังไม่ถึงมาตรฐานงานมืออาชีพที่ผู้ตรวจกำหนด ตัวเลขนี้อยู่ในประกาศเปิดตัว Fable 5.2 และ Mythos 5.2 เมื่อ 9 พฤศจิกายน 2569 และ CryptoSlate รายงานเมื่อ 13 พฤศจิกายนว่าลีดเดอร์บอร์ดของ Scale ที่อัปเดต 12 พฤศจิกายนแสดงผลตรงกัน
เนื้อข่าวนี้ใช้ตัวเลขจากหน้าประกาศของ Anthropic ซึ่งเป็นผลที่บริษัทรายงานเอง และจากรายงานของ CryptoSlate เราเปิดตารางลีดเดอร์บอร์ดสดของ Scale เพื่อเทียบตัวเลขเองไม่ได้ จึงระบุที่มาของแต่ละตัวเลขไว้ตามจริง
คะแนน RLI ของ Fable 5.2 เทียบกับรุ่นอื่น
ตามตารางเทียบรุ่นในประกาศของ Anthropic คะแนน RLI ของ Fable 5.2 อยู่ที่ 41.3% ที่ระดับ effort แบบ High (ตัวเลือกที่ให้โมเดลใช้ทรัพยากรคิดงานมากขึ้น) โดยเปิดมาตรการป้องกันของโมเดลไว้ เทียบกับ Opus 5.5 ที่ 21.3% GPT-6 Astra ที่ 20.8% และ Fable 5.1 ที่ 17.9% ส่วน Gemini 4 Carbon ไม่มีคะแนนในช่องนี้ ตารางระบุว่าทุกคะแนนเป็นผลที่ระดับ effort สูงสุดของแต่ละรุ่น เว้นแต่ระบุไว้
CryptoSlate รายงานว่าลีดเดอร์บอร์ดของ Scale เมื่อ 12 พฤศจิกายนจัด Fable 5.2 อยู่อันดับหนึ่งที่ 41.3% นำ Opus 5.5 ที่ 21.25% ซึ่งใกล้เคียงกับ 21.3% ในตารางของ Anthropic CryptoSlate ระบุด้วยว่า Anthropic เป็นผู้รายงานผลนี้ในประกาศเมื่อ 9 พฤศจิกายน โดยกำกับว่าเป็นระดับ High effort และเปิดมาตรการป้องกัน
RLI วัดอะไร และผ่านเกณฑ์หมายความว่าอะไร
Remote Labor Index เป็นชุดทดสอบที่ศูนย์ความปลอดภัย AI (Center for AI Safety) และ Scale AI ส่งตีพิมพ์เป็นงานวิจัยเมื่อเดือนตุลาคม 2568 ตามที่ CryptoSlate สรุป และตามหน้าอธิบายของ Scale Labs ชุดทดสอบนี้มี 240 โปรเจกต์จาก 23 หมวดงาน ที่เก็บจากฟรีแลนซ์ 358 คนบน Upwork (แพลตฟอร์มหางานฟรีแลนซ์) แต่ละโปรเจกต์มีโจทย์ ไฟล์ที่ต้องใช้ และงานที่มืออาชีพทำเสร็จแล้วไว้เป็นเกณฑ์เทียบ งานที่ต้องผลิตมีทั้งเอกสาร เสียง วิดีโอ โมเดล 3 มิติ และไฟล์ออกแบบ CAD
การให้คะแนนใช้ผู้ตรวจที่ผ่านการฝึกตรวจด้วยมือ โดยเทียบงานของ AI กับงานอ้างอิงของมืออาชีพ แล้วตอบว่างานนั้นตอบโจทย์ได้อย่างน้อยเท่ากับงานอ้างอิง จนผู้ว่าจ้างที่มีเหตุผลยอมรับหรือไม่ Scale ระบุว่าให้คะแนน 3 ระดับ คือไม่ถึงมาตรฐาน ถึงมาตรฐาน และเกินมาตรฐาน และนับอัตราผ่านจากโปรเจกต์ที่ได้คะแนนถึงมาตรฐานขึ้นไป ใช้ผู้ตรวจอิสระ 3 คนโหวตเสียงข้างมาก และ Scale รายงานความเห็นตรงกันของผู้ตรวจ 94.4% สำหรับตัวชี้วัดนี้
CryptoSlate อธิบายว่าต้นแบบที่ใช้งานได้หรือผลงานที่ทำได้บางส่วนจึงยังอยู่ต่ำกว่าเกณฑ์ผ่าน แม้จะแสดงให้เห็นทักษะที่เกี่ยวข้อง งานที่ผ่านต้องไปถึงระดับของงานอ้างอิงจริงๆ ดังนั้นคำว่า "ไม่ผ่าน 58.7%" ในข่าวนี้หมายถึงโปรเจกต์ที่ผู้ตรวจเห็นว่ายังไม่ถึงมาตรฐานนั้น ไม่ได้แปลว่า AI ทำงานเหล่านั้นไม่ได้เลย
งานในชุดทดสอบใหญ่แค่ไหน
Scale ระบุว่ามูลค่าเศรษฐกิจรวมของโปรเจกต์ทั้งชุดอยู่ที่ 143,991 ดอลลาร์ ราว 4.8 ล้านบาทที่อัตรา 33.5 บาทต่อดอลลาร์ ค่าเฉลี่ยต่อโปรเจกต์ 632.60 ดอลลาร์ หรือราว 21,200 บาท ส่วนค่ากลางอยู่ที่ 200 ดอลลาร์ หรือราว 6,700 บาท เวลาที่คนใช้ทำเฉลี่ย 28.9 ชั่วโมง ค่ากลาง 11.5 ชั่วโมง ตัวเลขเหล่านี้แสดงว่างานในชุดทดสอบเป็นงานเต็มชิ้นแบบที่ฟรีแลนซ์รับจริง ไม่ใช่โจทย์สั้นๆ
การจัดอันดับบนลีดเดอร์บอร์ดใช้ชุดข้อมูลส่วนตัว 230 โปรเจกต์ ส่วนอีก 10 โปรเจกต์เปิดเป็นสาธารณะให้ศึกษาเชิงคุณภาพ ตามที่ Scale อธิบาย
จากคะแนน 2.5% ตอนเปิดตัวถึง 41.3%
หน้าของ Scale ระบุว่าตอนเปิดลีดเดอร์บอร์ดในเดือนตุลาคม 2568 ตัวแทน AI ที่ทำคะแนนสูงสุดคือ Manus ที่ 2.5% และโมเดลอื่นได้ต่ำกว่านั้น ผลวิเคราะห์ตอนเปิดตัวชี้ว่างานที่ไม่ผ่านมักมีงานคุณภาพต่ำแบบสมัครเล่น 45.6% ส่งงานไม่ครบ 35.7% ปัญหาไฟล์หรือเทคนิค 17.6% และความไม่สอดคล้องกันระหว่างไฟล์ 14.8% ตัวเลขกลุ่มนี้ทับซ้อนกันได้ เพราะงานหนึ่งชิ้นพลาดได้หลายข้อ และเป็นผลของโมเดลรุ่นเก่าในตอนนั้น ไม่ใช่ผลของ Fable 5.2
การเปรียบเทียบข้ามเวลาจึงทำได้แค่ภาพกว้าง เพราะตัวแทน AI ที่ใช้ทดสอบและวิธีรันแต่ละช่วงต่างกัน CryptoSlate ระบุว่าหน้าประกาศของ Anthropic ไม่ได้ระบุวิธีรัน RLI อย่างละเอียด ต้นทุนต่อโปรเจกต์ หรือปริมาณความช่วยเหลือจากคน
สิ่งที่คะแนนนี้ยังไม่ได้บอก
CryptoSlate ระบุว่า การตัดสินโปรเจกต์ในชุดทดสอบไม่ใช่ผลลัพธ์ด้านการจ้างงานหรือเงินที่ฟรีแลนซ์ได้รับจริง คะแนนนี้ไม่ได้พิสูจน์ว่าตำแหน่งงานจะหายไป ต้นทุนการใช้งานจริง หรือการทำงานโดยไม่มีคนช่วย นอกจากนี้ชุดทดสอบตัดงานที่ต้องคุยกับลูกค้า ทำงานเป็นทีม ใช้แรงกาย และงานที่ต้องรอผลระยะยาวก่อนประเมินออกไป ซึ่งจำกัดว่าผลนี้อธิบายตลาดงานระยะไกลทั้งหมดได้แค่ไหน
ตัวเลข 41.3% ยังเป็นผลที่ระดับ High effort และเปิดมาตรการป้องกัน ตามที่ Anthropic กำกับไว้ และเป็นตัวเลขที่บริษัทเป็นผู้รายงานในประกาศเปิดตัวรุ่นใหม่ ส่วนผลอิสระจากฝั่ง Scale เราเห็นผ่าน CryptoSlate เท่านั้น
ข้อมูลสำหรับผู้อ่านในไทย
สำหรับผู้อ่านที่ทำงานฟรีแลนซ์หรือจ้างฟรีแลนซ์ ข่าวนี้บอกว่าในชุดทดสอบที่ใช้งานจริงจากแพลตฟอร์มฟรีแลนซ์ Fable 5.2 ผ่านเกณฑ์ผู้ตรวจราว 2 ใน 5 ของโปรเจกต์ และอีกราว 3 ใน 5 ยังไม่ผ่าน ผลนี้เป็นผลบนชุดทดสอบ ไม่ใช่ผลในตลาดจ้างงานไทย และไม่ได้เทียบราคาหรือคุณภาพกับฟรีแลนซ์ไทย ข่าวนี้ไม่เกี่ยวกับราคาคริปโตโดยตรง เรานำเสนอเพราะ Anthropic เป็นบริษัทที่เราติดตามมาต่อเนื่อง
📎 ข่าวที่เกี่ยวข้องจาก Bitcoinaddict.com:
เรื่อง Anthropic ที่เราเคยรายงานไว้ก่อนหน้านี้
👉 Anthropic ชั่งใจปล่อยโมเดลใหม่ก่อน IPO สวนคำเตือนชะลอ AI ของ Amodei เอง หลัง GPT-6 Astra แซงหน้า
🔗 อ้างอิงต้นฉบับ: CryptoSlate (13 พ.ย. 2569), Anthropic (ประกาศเปิดตัว Claude Fable 5.2) และ Scale Labs (Remote Labor Index)
💬 ความเห็นบรรณาธิการ Bitcoinaddict
ข้อสังเกตคือคะแนน 41.3% เป็นตัวเลขที่ Anthropic รายงานเอง และ Anthropic เป็นบริษัทที่เราเคยรายงานเรื่อง IPO มาก่อน ผู้อ่านจึงควรอ่านผลนี้คู่กับการทดสอบอิสระเมื่อมี สิ่งที่ควรตามต่อคือตารางลีดเดอร์บอร์ดของ Scale เองว่าตรงกับตัวเลขนี้หรือไม่ และรายละเอียดวิธีรัน ต้นทุนต่อโปรเจกต์ และการช่วยเหลือของคน ซึ่งยังไม่ได้เปิดเผยในแหล่งที่เราอ่าน ข้อมูลนี้ไม่ใช่คำแนะนำการลงทุน
ภาพปก: ภาพประกอบสร้างด้วย AI โดยทีมข่าว Bitcoinaddict.com
รายงานโดยทีมข่าว Bitcoinaddict.com