最新基准研究显示，即便是当前最先进的 AI 智能体（AI Agents），在真实世界的自由职业任务中表现依旧乏力，成功率不足 3%。

https://arxiv.org/abs/2510.26787

此研究由 Scale AI 与 Center for AI Safety（CAIS）联合发起，该团队构建了一个名为 “Remote Labor Index”（远程劳动指数，RLI） 的基准，用以衡量 AI Agent 在真实、可付费的远程/自由职业任务上的能力。样本任务包括：从自由职业平台（如 Upwork）获取真实任务，涵盖数据抓取、图形设计、视频编辑、游戏开发、行政协作等多种类型。

在这些任务里，最强的 AI Agent 在所有任务中，可成功完成的只占极少数，且产生的“收入”（如果按人力计费）远低于人类。

研究指出，AI Agent 普遍难以胜任需要多步骤流程、多工具协作、与不明确需求沟通的任务。同时，AI Agent 缺乏持续记忆与长期项目积累能力，导致在真实自由职业环境中难以像人类那样不断迭代与自我修正。

虽然 AI Agent 在某些特定、结构化任务上表现不错，但距离完全替代远程工作者或自由职业者仍有相当距离。研究团队也表示，短期内企业更适合将 AI 用于流程辅助，而非完全自主执行复杂工作。

整体来看，这一结果为当前市场的 AI Agent 热潮提供了更现实的参考：技术正在快速进步，但在复杂真实任务中的可用性仍有限，人类的沟通、判断与跨工具整合能力仍然不可替代。