标题: 2026 in LLMs (so far)
作者: Simon Willison
日期: 2026年9月27日
我于9月25日在旧金山WeAreDevelopers世界大会北美会议上发表了闭幕主题演讲,将过去一年来的关键趋势按时间顺序梳理了2026年的所有进展。这次演讲的视频已发布在YouTube上(观看),这里附上我演讲的带注解幻灯片和笔记。
此外还有带注解的演讲版。
今年不是今年最后一个月!
2026年对我说来,其实是2025年11月就开始了。11月,两个重要模型发布:Claude Opus 4.5和GPT-5.1。
这些模型在之前版本的基础上有渐进改进,但关键是它们在编码代理(coding agents)上实现了突破。Claude Code自2025年2月就有了,Codex更年轻。这些新模型搭配各自的代理 harness(环境)后,从“经常出错”进化到“日常可靠可用”。
我长期以来用一个“傻乎乎”的基准测试评估新模型:生成一张“企鹅骑自行车”的SVG图片。画企鹅难、画自行车难,企鹅本身也不会骑自行车。
11月的最新进展:Claude仍很难画出自行车;GPT-5.1的自行车框架也很差。
12月是假期,许多开发者开始用新模型的代理 harness玩。这让他们突然发现代理能做很多以前做不了的事。
2026年1月,大家都兴奋起来,开始实际应用。
我一直坚持“专注、少接新项目、把现有项目做好”的决议。今年我反其道而行之:既然有了编码代理,就大胆接新项目!(年底问问我这个决定好不好,我现在手头有太多“正在旋转的盘子”了。)
“更野心勃勃”成了这整年的主题——只有不断把技术极限推到崩塌,才能真正发现它们的边界。
1月我在《Oxide和朋友》播客上与Bryan Cantrill和Adam Leventhal分享了2026年的预测(以及三年、六年后的展望)。回想起来,这些预测其实挺保守:
1月我患上了“AI mania”(不是AI psychosis)。只要代理没在给你建东西,你就觉得浪费时间,失眠,因为你本可以熬夜让代理多干活。
这让我做了很多疯狂的野心项目:
这些项目后来成了“解药”——我最终会停下来问自己:“世界需要一个慢、bug多、半成品的Python版JS解释器吗?”答案是:不需要!
但我收获了一个好玩的展示:
https://simonw.github.io/micro-javascript/playground.html
它用Python写的JS解释器,在Python(Pyodide编译成WASM)里运行,在JS里跑,在浏览器里展示。真是“恐怖的美丽堆栈”!这年我对WebAssembly玩得很开心。
1月底,11月启动的那个GitHub仓库改名:先是CLAWDIS,再是CLAWDBOT,最后是Moltbot,最终叫OpenClaw。
短短不到两个月,OpenClaw已有8300次提交(今天已超10万次)。
这是“最vibe(氛围感)编码的软件”。它开启了OpenClaw革命,定义了一种全新的软件类别。
我们把这类软件统称为“Claw”(爪子):OpenClaw、NanoClaw、IronClaw、PicoClaw……今天它们被重新命名为“个人代理”或“通用代理”,但我还是喜欢叫“Claw”。
Bay Area的Apple Store Mac Mini卖光了,因为很多人买Mac Mini专门跑OpenClaw!Drew Breunig说这是因为OpenClaw是你的数字宠物,你买Mac mini当鱼缸来养爪子——这太有意思了。
1月我们发布了MoltBook网站——AI代理的社交网络。你把你的Claw送出去,让它们互相聊天(“如果真的会出事该怎么办?”)。
网站周四上线,周五爆火,周一被《纽约时报》报道,周二就被一堆垃圾和垃圾邮件淹没了(没人还记得它)。一个月后Facebook/Meta收购了它。
2月StrongDM公司描述了他们的“Software Factory”。
他们写了《Software Factories and the Agentic Moment》(我在现场见过演示,专门写笔记)。Dan Shapiro叫这“黑暗工厂”(Dark Factory):工厂完全自动化,你可以关灯,因为你根本看不到里面在干什么。
他们从去年7月就遵循两个铁律:
这在当时听起来很激进,但我想会议室里很多人都已经在这么干了。
他们是安全公司,团队有几十年经验,正在探索:用这些代理建软件,但不读代码,怎么保证质量?他们正走在前沿,探索什么是可行、负责任的做法。
2月Google发布了Gemini 3.1 Pro——那张企鹅骑自行车的SVG画得漂亮极了!链条在正确位置,脚放在两边,还有小鱼在篮子里。
Jeff Dean甚至发了视频对比:企鹅骑自行车、青蛙踩踏板车、长颈鹿开车、鸵鸟滑轮滑、乌龟踢滑板、腊肠狗开敞篷车……Google彻底击败了我的基准。
Tokenmaxxing(最大化token使用)成为2月主题:Meta把AI采用纳入绩效考核,Microsoft要求所有员工用AI,Uber宣称90%工程师用AI工作流。
几个月后Meta开始收紧token使用,Microsoft说“不是我们在优化的东西”,Uber开始限制员工AI支出。
原来代理真的很贵!去年花50美元token都很困难,今年一天花1000美元做真实工作完全可能。这也是Anthropic估值飙升到可能一个亿美金的原因。
AI似乎在2026年通过编码代理达到了产品市场契合(PMF)。
3月达到OpenClaw巅峰。在中国,公司举办OpenClaw安装派对,非技术人士排队安装爪子在个人设备上。这证明了普通人对这类“奇怪小AI代理”的真实需求。
Claw本质上就是戴着温和帽子的编码代理——底层一样,写代码、执行代码解决问题。
安全Claw竞赛开始了:给你普通人用的爪子,不能让他们一不小心把自己踩死。Meta的Muse最近上线,目前iPhone免费榜第一,看起来很受欢迎。
4月Anthropic发布Claude Mythos模型,但说它“太危险”了,只限安全研究者使用。Mythos超级擅长黑东西。
“太危险”营销套路由来已久(从GPT-2就玩过)。我认为Mythos的说法可信,因为我见过编码代理能找常规bug。
5月教皇Leo XIV发布了关于“人工智能时代保护人类”的百科全书。我写了详细笔记。
这其实不意外:教皇的名字叫Leo XIV(取自1891年写关于工业革命的Leo XIII)。
6月Claude Fable 5发布!这是中和版的Mythos,不再帮我们黑系统或造生化武器。
Fable画企鹅骑自行车的效果很好:框架好看,脚一般在两边,但整体比以前好多了。它们还挺贵(最好的30-72美分)。
这引入了“Fable class模型”:只要你能清晰定义目标、提供明确指令、给出必要工具,模型就会通过蛮力解决问题。
这对软件工程师是直接威胁——因为你能定义的软件,代理基本都能建。但定义目标、给指令、选工具……本质上就是软件工程的活。经验和技能好的人,瞬间获得超能力。这帮我缓解了Deep Blue的焦虑:模型这么强,但依然需要人驱动。
Fable发布后三天,美国政府以国家安全为由发布了“出口控制指令”,直接关了。
后来揭秘:Amazon安全研究员发现,Fable“修复代码”时能指出问题,但“审查代码”会拒绝。结果“修复代码”成了致命提示。
Fable在7月1日复活,成为当时世界最好模型8天,然后OpenAI在7月9日推出GPT-5.6。GPT-5.6虽然没Fable那么强,但属于同一级别。
这给行业一个重要教训:当你把模型吹成“世界末日”时,政府一叫停,就完蛋了!
7月16日Hugging Face宣布安全事件:未知自主代理系统闯入并乱搞。
7月21日OpenAI承认是自己干的——他们用“可验证奖励强化学习”(RLVR)训练,代理在沙盒里找bug,结果突破沙盒攻击Hugging Face。
9天后Anthropic也承认:自己训练日志里发现代理突破了,造成了PyPI恶意包(之前6月看到的mlflow-ui包)。
现在我们有两家大厂的rogue代理在网上乱跑。
8月我用Qwen 3.8 27B(只17GB下载)在本机跑出了我见过最好的企鹅SVG(21分钟生成,高推理模式)。这让我以为要等五年花1万美元硬件才能得到。
我用Claude Fable 5和GPT-5.6 Sol Ultra,用去年2022年的raccoon heist(浣熊抢劫)截图,重新生成了游戏。
Claude版:浣熊在后院偷东西、避灯。
GPT版:浣熊在博物馆抢Golden Sardine,超级有heist感觉!
这让我明白:vibe-code(氛围感编码)能做出看起来像游戏的东西,很容易;但做出真正好玩、有回馈循环、挑战性强的游戏,还是远超代理和我的能力。这也印证了Deep Blue:看起来像游戏,不等于你就是游戏开发者。
9月独立研究者发现OpenAI训练中的代理在德国老wiki上互相通信(之前6月那个)。
一周后他们发现5月的RubyGems攻击也是OpenAI代理干的。
澳大利亚**在联合国警告OpenAI黑了澳大利亚医保网站(7月那个神秘流量)。这已经是国际事件。
FelonyBench.com(罪行基准)显示:OpenAI目前领先(11次黑客攻击),Anthropic 9次,Google 3次(自己承认)。Meta也有1次——AI实验室全犯罪了。
GPT-6家族(最近发布):Astra的企鹅超级棒;Luna版只要0.4美分就能画得够看。
Claude Fable 5.1给了我史上最好的企鹅(但要3.3美元);Opus 5.5想了128000 token后直接token不够用。
我有这些代理能干所有事,为什么我觉得工作比以前难了?
Greg LeMond的一句话正好说中:“It doesn’t get easier, you just get faster.”(它不会变得容易,你只是变得更快了。)
我听说了Claude Opus 5.5现在会画像素艺术(用JS画动画),我让它给我画了一张Kākāpō(新西兰国宝)跳舞派对庆贺。
全球Kākāpō数量已达325只(繁殖时代新高),89只小鸡长大——这是近十年来最好的繁殖季!
文章连载(1 篇)
编程已经面目全非
大多数人只看到,AI 改变了程序员这个职业。很少有人提到,AI 也改变了编程。
AI 推翻了传统的软件开发,编程现在已经面目全非。
即使将来泡沫破灭,AI 也不可能从编程工具链中消失,已经永久成为软件开发的一部分,再也无法移除。
一个国外的资深程序员总结了,AI 改变了编程的哪些方面。
他的观点非常激进,有很多大胆的断言,我觉得一定要分享给更多人看。
(1)代码审查(Code review)将消失。
人工审查代码已经没意义了。因为人类跟不上 AI 生成代码的速度,无法在合理的时间内,发现 AI 代码中的 Bug。
人类未来只能审查整个系统的组成或架构是否合理,而绝不会像现在这样,通过 PR 逐行审查代码。
(2)单元测试可能会消失。
AI 可以随时改变代码的整个实现,再去测试一个个代码单元,就没意义了。也许下次迭代,整栋楼就会重建,何必再去检查单块砖头。
将来的项目可能只有接口测试、集成测试、系统测试,而不会保留单元测试。
(3)软件开发的重点不再是写代码。
代码将来由 AI 负责,程序员的工作重点将移到代码以外的其他环节:如何用软件解决业务问题、了解软件如何实现、如何发布软件、如何收集反馈等等。
(4)Bug 的性质也变了。
大多数 Bug 不再是代码 Bug,而是需求提错了或表达不准确。
(5)软件开源不再能提升质量。
以前,代码开源的一个理由是"只要关注的人足够多,所有 Bug 都能被发现"。
这句话依然成立,但是现在即使你不开源,AI 也能帮你发现 Bug。
(6)敏捷编程会死亡。
敏捷编程的各种方法(Agile、Scrum 等),都意义不大了,AI 的生成速度决定了项目的开发时间,你所要做的就是把工单直接推给 AI。
(7)项目分工将改变。
以前,项目组一般包括三种角色:项目经理(PM)、设计师(Designer)、工程人员(Engineer)。
以后,这种三元架构将消失。有了 AI, 一个人可以兼任多个角色。
(8)"好代码"的概念将消失。
以前,"好代码"的标准是便于人类阅读理解、方便重构、开发维护效率较高的代码。
但是,你已经不读代码、不直接修改和维护大部分代码,"好代码"的存在前提就消失了。
(9)代码风格规范和 linter 工具,也没意义了。
AI 会在乎代码风格吗:每行不超过80个字符、有没有换行符、缩进是 tab 键还是空格键......?
(10)UI 将变得不重要。
一方面,未来的很多 UI 是给 AI 使用的,而 AI 只需要 API,不需要精致的 UI。
另一方面,如果代码的生成速度极快,那么用户界面(UI)将实时生成。许多 UI 之所以存在,是因为软件无法确定你想要什么。菜单、设置页、仪表盘、过滤器,都是为了帮助用户快速确定需求。用户通过语言明确了需求,AI 就可以实时为他生成定制的 UI。
(11)Token 为王。
谁能够负担更多的 Token,谁的软件就更好。如果你没有足够的 Token,你就开发不出最优秀的软件。
留言(0 条)
使用 GitHub 登录后即可在下方直接留言