一位资深土木工程师可以在 Mercor 上申请一份时薪 80 美元的合同工作。这份工作不是去建造什么,而是虚构一个基础设施项目,写出顶尖工程师会给出的答案,再编写一份评分标准,告诉 AI 模型的评分者什么才算好答案。职位描述要求这些评分标准必须"把真正的土木工程判断力与泛泛的教科书或课程作业层面的记忆区分开来"(Mercor listing)。
这就是 Mercor 如今声称估值 200 亿美元的生意。公司宣布以该估值完成 7.5 亿美元的 D 轮融资(Mercor),路透社也以同一数字作为最新一轮融资的标题。早期的报道则没那么确定:Bloomberg 的消息经 The Next Web 转述,称双方早期洽谈的估值为 200 亿美元,至少有一份投资条款清单,是 2025 年底 100 亿美元那一轮的两倍,同时提醒交易可能不会完成。现在这个估值是 Mercor 自己宣布的;下文的营收数字仍然只是报道和公司的说法,我们认为应视为未经审计。
Mercor 不做聊天机器人。它找到懂行的人,按小时付费,再把他们的产出卖给制造聊天机器人的实验室。如果你用 ChatGPT 或 Claude 问过法律或医疗问题,觉得答案像是出自亲历现场的人之手,原因之一就是有人在做这样的工作。
谁在做这份工作,任务长什么样
Mercor 自己的网站对这个劳动力群体毫不遮掩。首页标出的平均合同时薪是 90 美元,我们查看时还有一个时薪 350 美元的心脏科医生职位(Mercor)。我们查看时,探索页列出的职位有:零售交易员,每个任务 400 美元;经济学研究专家,时薪 150 到 160 美元;后端软件工程师,时薪 50 到 80 美元(Mercor listings);相关职位里还有时薪 90 到 140 美元的生物与生命科学领域专家。职位会变动,这里的每个薪酬数字都只是一个快照。
经济学这个职位就是典型模板。它要求博士学位,并在世界银行、IMF、美联储或研究生院等机构至少有两年经验,并称这份工作是"与一家领先的基础模型 AI 实验室合作的研究项目"(Mercor listing)。投入要求是每周至少 10 小时、至少持续四周。你是独立承包人,通过 Stripe 或 Wise 按周结算,页面还补充说"项目可能根据需求和表现延长、缩短或提前结束"。

去掉包装,这些任务主要就是写作。你要在自己的领域里写一道有难度的 prompt,写出参考答案,制作评分者要用的检查清单,或者对照清单给模型的作答打分。然后由另一位专家审核你的工作。Mercor 还发布与合作伙伴共同构建的基准测试,其中与 Harvey 合作的一项包含 1,749 个由律师设计的法律任务,涵盖 24 个执业领域,按成品备忘录和修订稿评分(Mercor)。这些正是按小时招聘的职位所买的那些技能,只是用在了公开的排行榜上。
进入这个行业有一套流程。Bianet 最近的一篇报道称,Mercor 公开宣称录取率为 1% 到 2%,并通过 AI 虚拟形象视频评估来筛选申请人。我们无法独立核实这个录取率,Mercor 的职位页面也没有说明有多少人申请。
工程类职位显示这种模式已经远远超出了数据标注。Mercor 的列表里有时薪 50 到 80 美元、做 Node.js、TypeScript 和 Rust 后端工作的高级软件工程师,时薪 90 到 120 美元的 MLOps 工程师,以及时薪 70 到 90 美元、面向网络、电气和机械工程师的仿真类职位(Mercor listings)。这些买家是在教模型完成如今 Claude Code 和 Gemini CLI 这类编程 agent 每天都在替开发者尝试的任务,我们的终端编程 agent 对比展示了这些工具目前的水平。给模型代码打分的工程师,是在训练那个可能改变自己工作的工具,而职位描述里对此只字未提。
谁在买单,专家能拿到多少
据 The Next Web 报道,客户包括 OpenAI、Anthropic 和 Google,Meta 在今年早些时候发生数据泄露之前也是主要客户。同一报道称,那次泄露源于对开源库 LiteLLM 的供应链攻击,暴露了最多 4 TB 的 Mercor 数据。此后 Meta 无限期暂停了与 Mercor 的合作;据 CEO Brendan Foody 说,OpenAI 和 Anthropic 留了下来。Mercor 称影响"非常有限"。
营收数字需要加个脚注。Foody 表示年化营收规模已超过 20 亿美元。这是总账单金额,而据 The Information 的说法(经 The Next Web 引用),承包人拿走其中的 60% 到 70%。The Next Web 估计净收入为 6 亿到 8 亿美元,这意味着 200 亿美元的估值约为净收入的 25 到 33 倍。这个价格是否合理,不由我们评判。但它是值得和 20 亿美元的头条数字放在一起看的数字。
竞争对手的估值同样很高。The Next Web 称,自 Meta 入股以来,Scale AI 的估值约为 290 亿美元,Surge AI 据报道正在以接近 250 亿美元的估值融资。与此同时,公布的薪酬差距很大。
我们认为这个差距是诚实的广告。博士经济学家和后端工程师都算"专家",平台给他们开不同的价,是因为实验室显然也是这么付的。Bianet 称,这类平台的时薪可以达到 150 美元甚至更高。在 Mercor 的职位列表里,这个数字是真实的,但处在顶端,而我们查看时,处于这个水平的那个经济学职位一个月内招了 24 人。
为什么实验室要一位医生,而不是一千个点鼠标的人
早期的数据标注是众包工作。Scale AI(据 Bianet,旗下有 Outlier 和 Remotasks 品牌)和 Surge AI(DataAnnotation)靠庞大的贡献者群体打出了名气。我们的看法是,那些任务偏简单:给图片打标签、给两个回复排序、改一个句子。它们有明确的正确答案,检查起来成本也低。给行人画个框,不需要执照。

前沿模型现在出错的地方,没人能低成本地检查。这条合同条款有法律效力吗?这条用药说明有没有漏掉药物相互作用?通才没法给这种内容打分,所以实验室买下了评分者。我们认为这就是这类工作在薪酬阶梯上上移的原因,也是旧的众包模式没有消失的原因:它更便宜,而且仍有很多任务适合它。Scale AI 仍然作为数据平台收录在我们的目录中,它的众包品牌也没有消失。
但专家模式有一项众包模式没有的成本。专家的判断就是产品,所以一份糟糕的评分标准或一个疲惫的评分者,会直接渗入模型的习惯。实验室从外部看不到这一点。我们也看不到,我们读过的报道也没有人对此做过衡量。
围绕这些合同性质的争斗
做这项工作的人全都是承包人,而这正是争议的核心。Bloomberg Law 报道称,针对 Mercor、Handshake AI Solutions 和 Assured Robot Intelligence(已被 Meta 收购)的诉讼指控这些公司"蓄意将数据标注员、工程师等人员错误归类",以规避最低工资、加班费和福利(Bloomberg Law)。我们能读到的节选里没有包含这些公司的回应。指控终究只是指控,我们没有找到 Mercor 或 Handshake 案件的任何裁决。
同样的争斗也波及了它的老对手。加州州法院的集体诉讼 McKinney v. Scale AI 已获初步批准和解;法院运营的和解网站称被告"坚决否认违反任何法律",并否认贡献者不是独立承包人,律所 King & Siegel 则称加州贡献者的和解基金为 1,250 万美元。运营 DataAnnotation 的 Surge AI 在 2025 年于加州州法院被提起拟议集体诉讼,指控其故意错误归类标注员,据 Bloomberg Law 报道。Bianet 也描述了这两起案件。和解不等于认定这份工作属于雇佣关系,针对 Surge 的说法也只是指控。
还有降薪的事。Forbes 和 Business Insider 报道称(见 AOL 转载自 People 的文章),一个为 Instagram 和 Facebook 审核视频的项目,承包人时薪 21 美元,后来得知项目被取消,并被提供了时薪 16 美元的新项目。Mercor 对 Forbes 表示这些说法"不准确",发言人对 People 表示"我们的职位描述和入职材料都明确说明,这份工作是临时性的、基于项目的"。一位承包人对 Forbes 说:"我知道我们在和 AI 打交道,但我们不是为 AI 工作。"另一位接受了较低时薪的人对 Business Insider 说:"我们需要有稳定的收入,哪怕这让人沮丧。"
薪酬结构让问题更严重。按小时计酬的承包人只为自己记录的时间拿钱,而职位页面不承诺工时。在那个经济学职位里,每周十小时是你要承诺的投入;页面并没有说 Mercor 保证给你多少工时。如果有人按公布的时薪乘以四十小时来做预算,那就是在按一个没人给过的数字做预算。
Mercor 的职位页面确实说了项目可能提前结束,它的发言人也拿这一点作答。但没有人能在这样的合同上规划一个月的生活。有一点我们站在劳动者这边:一边标着每小时 150 美元,一边写着"提前结束",这样的职位是在推销时薪,同时把条款藏了起来。
倦怠与质量,离开的人怎么说
关于倦怠的报道很少,而且大多是个例。Bianet 引述了一位传播领域的自由职业者 Victoria,她大约干了两个月就离开了,她说"整个体验非常有奥威尔式的感觉"。她说,自己的任务工时从每周二十小时降到最后两周总共只有三小时,而团队规模却在扩大。前 Yandex 顾问 Deniz 说,他所在的 30 人团队收到一封邮件,通知他们为期两年的项目结束了,他称这种模式"设计出来就是为了绕开正式工资类工作提供的所有保障"。Bianet 表示两人都要求匿名,所以这些名字是按它所给的原样引用。
这篇文章还引用了乌得勒支大学的 Ghost Work 项目和美国心理学会关于不可预测工作和电子监控的研究。这些研究针对的是广义的众包工作和受监控的员工,而不是 Mercor,所以只能当作背景来看。就我们所见,没有人专门衡量过持证 AI 训练者的倦怠情况。
在数据质量方面,据 The Next Web 报道,Mercor 的 CEO 对 Fortune 表示,他在 Deeptune 的个人天使投资在很多方面是收购这家初创公司的"主要动机,说实话",该媒体还指出,公开报道并没有确认董事会是否审查过此事。Deeptune 构建供 AI agent 练习任务的模拟环境。这算不上数据质量上的失误,但这是一个治理层面的细节,在我们相信该公司自家的基准测试是中立的之前,希望先得到答复。
如果你在考虑申请
把它当作副业合同,而不是职业。如果扣除无薪的面试、入职培训和项目之间的空档之后,时薪仍然高于你平时的收费,我们会接这个项目。如果你需要靠它付房租,我们会放弃。我们打开的职位页面最短只要求四周,而平台自己的条款也说工作可能提前终止。
申请之前,先在合同里看四件事:通知期怎么算、工时是否设上限、你写的东西归谁、项目是做什么用的。如果这个项目是在训练模型做你自己的工作,那由你来决定,也有充分的理由问一句谁从中受益。然后过一遍下面的检查清单。
我们自己对薪酬的看法很简单。标出区间和每周发薪日的职位,比只写"有竞争力"的好。Mercor 两样都做到了,这值得肯定。问题出在保证工时上,而我们读过的职位页面没有一个提供保证。
这对我们使用的模型意味着什么
预计在专业问题上,各个助手之间的差距,会更多取决于谁给训练数据打了分,而不是模型本身的规模。这是我们的判断,不是实测结果:没有哪家实验室公开自己的评分者,而数据供应商的基准测试(包括 Mercor 与合作伙伴发布的那些)在有人重复验证之前,只是一种说法。当你为法律或医疗文书起草比较各个助手时,我们的 ChatGPT、Claude 和 Gemini 对比比任何数据供应商运营的排行榜都更适合作为起点。
如果你是自由职业者,还有第二层影响。这份工作付钱让专家教模型一些技能,而客户很快可能直接从模型那里购买这些技能。我们的自由职业者榜单排出了自由职业者目前使用的 AI 工具,自由职业者专区列出了其余的工具。
有两件事值得关注。一是这些诉讼和和解能否回答专家级工作的承包人问题,因为这决定了未来每个项目的定价。二是 200 亿美元的估值如何对照净收入,The Next Web 估计净收入是头条年化营收规模的 30% 到 40%。