过去六个月的 LLM 发展，五分钟讲完
来源: Simon Willison’s Weblog | 作者: Simon Willison | 日期: 2026-05-19 原文链接: https://simonwillison.net/2026/May/19/5-minute-llms/
一句话总结
2025 年 11 月以来 LLM 领域发生了两件大事：编程 Agent 跨越了实用门槛，本地可运行的开放权重模型开始大幅超出预期。
速览
- 2025 年 11 月是拐点——“最好”模型在 Anthropic、OpenAI、Google 之间五次易手，竞争进入白热化
- 编程 Agent 从”经常能用”变成”大部分能用”——RLVR 训练成果在 11 月集中显现，跨越了日常实用的质量门槛
- LLM 狂热与冷静——假期期间开发者过度兴奋，大量项目启动后又悄悄退役
- OpenClaw 三个月席卷世界——从 11 月的无名 repo 到 2 月成为现象级个人 AI 助手，催生 “Claw” 通用品类
- Mac Mini 成了 Claw 的”鱼缸”——硅谷 Mac Mini 断货，人们用它跑本地 AI 助手
- Gemini 3.1 Pro 画出最好的鹈鹕——Google Jeff Dean 亲自发推展示动画 SVG，AI 实验室开始关注 SVG 生成能力
- Gemma 4 成为美国最强开放权重模型——Google 在 4 月发布，可在笔记本上运行
- GLM-5.1：1.5TB 的开放权重巨兽——中国 AI 实验室发布 754B 参数模型，MIT 协议，效果强但硬件门槛高
- 本地模型大幅超出预期——Qwen3.6-35B-A3B（20.9GB）在笔记本上运行，鹈鹕测试表现超过 Opus 4.7
核心内容
2025 年 11 月拐点：三巨头争夺”最好模型”
Simon Willison 将 2025 年 11 月称为 LLM 的关键拐点。在一个月内，“最好”模型的头衔五次易手：Claude Sonnet 4.5（9 月底发布）→ GPT-5.1（11 月 13 日）→ Gemini 3（11 月 18 日）→ GPT-5.1 Codex Max（11 月 19 日）→ Claude Opus 4.5（11 月 24 日）。大多数从业者认为 Opus 4.5 在之后的几个月里保持了领先。
Willison 用”生成一只骑自行车的鹈鹕 SVG”作为模型能力的非正式基准测试。理由：鹈鹕难画、自行车难画、鹈鹕不可能骑自行车，且没有 AI 实验室会为此专门训练。
编程 Agent 跨越实用门槛
11 月真正的重大新闻不是模型排名，而是编程 Agent 变得好用了。OpenAI 和 Anthropic 在 2025 年大部分时间里通过 Reinforcement Learning from Verifiable Rewards（RLVR）提升模型编写代码的质量，尤其是与 Codex 和 Claude Code Agent 工具配合时。
11 月这项工作的成果集中显现：编程 Agent 从”经常能用”跨越到”大部分时候能用”。关键变化是用户不再需要把大部分时间花在修复 Agent 的错误上，可以将其作为日常工具完成真实工作。
LLM 狂热与冷静
12 月到 1 月的假期期间，大量开发者利用空闲时间尝试新模型和编程 Agent。Willison 坦承自己也经历了一种”LLM 狂热”（LLM psychosis），启动了各种野心勃勃的项目来测试极限。
他举了一个例子：用 micro-javascript 库实现了一个 JavaScript playground——JavaScript 在 Python 里运行，Python 在 Pyodide 里运行，Pyodide 在 WebAssembly 里运行，WebAssembly 又在浏览器的 JavaScript 里运行。技术上有趣，但没人需要一个有 bug、又慢、又不安全的 Python 版 JavaScript 实现。他有好几个假期项目后来悄悄退役了。
OpenClaw：三个月从零到现象级
11 月底，Pete Steinberger 在 GitHub 上创建了一个叫 Warelay 的 repo。12 月和 1 月经历了多次改名（Warelay → CLAWDIS → CLAWDBOT → Clawdbot → Moltbot → OpenClaw），到 2 月以 OpenClaw 之名席卷世界。
OpenClaw 是一个”个人 AI 助手”，催生了一个通用品类名称——Claw（源自 NanoClaw、ZeroClaw 等变体）。Mac Mini 在硅谷开始断货，因为人们用它跑本地 Claw。Drew Breunig 开玩笑说 Claw 是新的电子宠物，Mac Mini 是它的”鱼缸”。
Willison 对 Claw 最喜欢的比喻是《蜘蛛侠 2》里 Doc Ock 的机械爪：由 AI 驱动，只要抑制芯片没损坏就完全安全——一旦芯片坏了，它们就变邪恶并夺取控制权。
开放权重模型大幅超出预期
4 月连续发布了多个重量级开放权重模型：
- Gemma 4（Google，4 月 2 日）：Willison 见过的美国公司发布的最强开放权重模型，26B-A4B 版本仅 17.99GB，可在笔记本上运行
- GLM-5.1（中国 GLM 实验室，4 月 7 日）：754B 参数、1.51TB 体积、MIT 协议的开放权重巨兽，效果很强但对硬件要求极高
- Qwen3.6-35B-A3B：仅 20.9GB，在笔记本上运行，鹈鹕测试中画出的鹈鹕比 Opus 4.7 更好（后者把自行车车架画歪了）
GLM-5.1 在 SVG 创意方面表现尤为突出：北弗吉尼亚负鼠骑电动滑板车的插图，配上”Cruising the commonwealth since dusk”的文字，其他模型远远不及。
2 月 Gemini 3.1 Pro 画出了带鱼篮子的鹈鹕骑车图，Google Jeff Dean 亲自发推展示了包括骑高轮车的青蛙、开小车的长颈鹿在内的多个动画 SVG。
名言金句
- “编程 Agent 从’经常能用’变成了’大部分时候能用’，跨越了一个质量门槛——你可以把它们当日常工具来完成真实工作，而不需要把大部分时间花在修复它们的愚蠢错误上。”
- “Mac Mini 是你的 Claw 的完美鱼缸。” ——Drew Breunig
- “有人真的需要一个有 bug、又慢、又不安全的半成品 Python 实现的 JavaScript 吗？并不需要。”
- “鹈鹕很难画，自行车很难画，鹈鹕不可能骑自行车……而且没有任何 AI 实验室会为这种荒谬的任务专门训练模型。“
可行建议
- 如果还没尝试过编程 Agent（如 Claude Code、Codex），现在是入手的好时机——它们已跨越实用门槛
- 关注开放权重模型的发展，Gemma 4 和 Qwen3.6 等模型在笔记本上即可运行，性价比值得评估
- 对 LLM 新能力保持务实态度——Willison 的假期狂热经历表明，过度兴奋会导致无用项目
