The last six months in LLMs in five minutes

标题：五分钟速览过去六个月的大语言模型发展

来源网址：https://simonwillison.net/2026/May/19/5-minute-llms/

发布时间：2026年5月19日 星期二 01:22:41 GMT

2026年5月19日

这些带注释的幻灯片来自我在PyCon US 2026上的五分钟闪电演讲，使用了我带注释演示工具的最新版本。

#

我在PyCon US 2026上进行了这场闪电演讲，试图用五分钟总结过去六个月大语言模型的发展。

#

六个月是个非常合适的时间跨度，因为它涵盖了我所称的2025年11月转折点。十一月对大语言模型而言是关键月份，尤其在编程领域。

#

首先，所谓的"最佳"模型（主要凭感觉判断）在三大供应商之间五次易主。

#

我依然使用生成骑自行车的鹈鹕SVG图像测试来展示模型间的差异。

为什么选这个测试？因为鹈鹕难画，自行车难画，而且鹈鹕_根本不会骑自行车_……没有任何AI实验室会为这种荒谬任务训练模型。

#

十一月初公认的"最佳"模型是9月29日发布的Claude Sonnet 4.5。它为我画了这个鹈鹕。

十一月先后被GPT-5.1、Gemini 3、GPT-5.1 Codex Max超越，最终Anthropic用Claude Opus 4.5重夺桂冠。

我认为Gemini 3画的鹈鹕最好，但鹈鹕不是全部。多数实践者会认同Opus 4.5在接下来几个月保持了领先地位。

#

这一点经过一段时间才变得清晰，但十一月真正的新闻是编程智能体变得_好用_。

OpenAI和Anthropic在2025年大部分时间都在运用可验证奖励强化学习提升模型代码质量，特别是搭配他们的Codex和Claude Code智能体框架。

十一月这项工作的成果开始显现。编程智能体从"经常能用"升级到"基本可用"，跨越了质量门槛，可以作为日常工具完成实际工作，无需花费大量时间修正低级错误。

#

同样在十一月，发生了这件事——某个叫Pete的人向当时名不见经传的"Warelay"代码库进行了首次提交。

#

在十二月至一月的假期期间，我们许多人趁此机会探索这些新模型和编程智能体的能力边界。

它们确实能力惊人！有些人甚至有些过度兴奋。当我开始推进各种天马行空的项目测试极限时，自己也短暂经历了某种形式的大语言模型狂热症。

var numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10];
var doubled = numbers.map(n => n * 2);
console.log('Doubled: "', doubled);
var evens = numbers.filter(n => n % 2 === 0);
console.log('Evens: ', evens);
var sum = numbers.reduce((a, b) => a + b, @);
console.log('Sum:", sum);

输出 27
Doubled: [2, 4, 6, 8, 10, 12, 14, 16, 18, 20]
Evens: [2, 4, 6, 8, 10]
Sum: 55
执行时间: 8.00ms
关于：micro-javascript 是一个纯 Python 实现的 JavaScript 解释器，具有可配置的内存和时间限制。该沙盒环境完全在您的浏览器中使用 Pyodide（编译为 WebAssembly 的 Python）运行。在 GitHub 上查看

#

这个演示沙盒展示了使用我的 micro-javascript 库运行的 JavaScript 代码，该库在 Python 中运行，而 Python 又在 Pyodide 中运行，Pyodide 在 WebAssembly 中运行，WebAssembly 在 JavaScript 中运行，JavaScript 在浏览器中运行！

这非常酷！但是真的有人需要在 Python 中运行一个漏洞百出、速度缓慢、不安全的半成品 JavaScript 实现吗？

其实并没有。我在那个假期期间还做了很多其他项目，后来都悄悄退役了！

#

时间来到二月。还记得那个在 11 月底首次提交的 Warelay 项目吗？

#

在十二月和一月期间，它经历了多次名称变更……到了二月，它以最终名称 OpenClaw 席卷全球。

对于一个诞生不到三个月的项目来说，它获得的关注度相当惊人。

#

OpenClaw 是一个“个人 AI 助手”，我们实际上为这类产品确定了一个通用术语，基于 NanoClaw 和 ZeroClaw 等类似名称……它们被称为 Claws。

#

Mac Mini 在硅谷周边开始售罄，因为人们购买它们来运行自己的 Claws。

Drew Breunig 跟我开玩笑说，这是因为它们成了新的数字宠物，而 Mac Mini 就是安置你的 Claw 的完美水族箱。

#

我最喜欢的关于 Claws 的比喻是阿尔弗雷德·莫里纳在 2004 年电影《蜘蛛侠 2》中饰演的章鱼博士。他的机械爪由 AI 驱动，只要抑制芯片不受损坏就绝对安全……但之后它们会变得邪恶并反客为主。

#

同样在二月：Gemini 3.1 Pro 发布了，并为我画了一幅非常出色的鹈鹕骑自行车的图。看这个！它甚至还在车篮里放了一条鱼。

#

随后谷歌的 Jeff Dean 在推特上发布了这段视频，展示了一只骑自行车的动画鹈鹕，还有骑高轮自行车的青蛙、开微型车的长颈鹿、穿轮滑鞋的鸵鸟、玩滑板踢翻动作的海龟以及驾驶加长豪华轿车的腊肠犬。

所以也许 AI 实验室终究还是在关注这些需求！

#

刚刚过去的一个月里发生了很多事情。

#

谷歌发布了 Gemma 4 系列模型，这是我从美国公司见到的最强大的开放权重模型。

#

同样在上个月，中国 AI 实验室 GLM 推出了 GLM-5.1——一个开放权重的 1.5TB 巨无霸！这是一个非常高效的模型……如果你能负担得起运行它的硬件。

#

GLM-5.1 给我画了这幅非常专业的骑自行车鹈鹕图。

#

...不过当它尝试制作动画时，自行车弹到了顶部并且车身发生了扭曲。

#

Bluesky 上的 Charles 建议我试试让北弗吉尼亚负鼠骑电动滑板车

#

它居然做到了！我在其他模型上尝试过，它们连边都沾不上。“自黄昏起巡游联邦”这句话简直完美。它还有动画版本。

#

这是去年九月 Claude Sonnet 4.5 画的鹈鹕，放在这里作为对比。

#

以上就是过去六个月的两个主要主题。编程智能体变得非常强大……而虽然笔记本电脑可运行的模型比前沿模型弱很多，但它们已经开始大幅超出预期。