2026 年 LLM 进展（截至目前）

2026-09-28

周五，我在圣何塞的 WeAreDevelopers 北美世界大会上做了闭幕主题演讲。我把过去一年的关键趋势串联起来，按时间顺序探索了 2026 年发生的一切。视频在 YouTube 上；以下是我为演讲附上的带注释幻灯片和笔记。

Simon Willison 在 WeAreDevelopers 北美大会闭幕演讲中，按时间线梳理 2026 年 LLM 关键趋势：编码代理从常犯错变得可靠，开发者迎来 AI 狂热与倦怠，个人项目边界被重新定义。

这是什么信号：Simon Willison 的闭幕演讲把 2026 年 LLM 进展串成一条时间线。起点是 2025 年 11 月，Claude Opus 4.5 和 GPT-5.1 发布，配合各自的编码代理工具后，从“经常犯错”跨到“可靠到可以日常使用”。他用“鹈鹕骑自行车”SVG 基准测试模型，发现 Claude 仍画不好自行车，GPT-5.1 的车架也很差，说明能力提升并不均匀。11 月还出现了名为 Warelay 的 GitHub 仓库首次提交。12 月假期，开发者开始大量试用这些新模型组合；到 1 月，很多人兴奋地把它们投入实际项目。Simon 的新年决心也转向“更雄心勃勃”，用编码代理承接更多新项目。他还在播客中做出预测，包括 LLM 写代码将变得不可否认、沙箱问题、编码代理安全可能出现“挑战者号灾难”、教皇会就 LLM 经济影响发声，以及新西兰鸮鹦鹉的繁殖季。

为什么重要：编码代理的可靠性拐点正在改变软件开发的基本工作流。它不只是工具升级，而是让个人开发者能同时推进更多项目，重新定义“一个人能做什么”。与此同时，AI 带来的心理和社会影响开始浮现：Simon 与 Adam Leventhal 提出“Deep Blue”，形容软件工程师因 AI 似乎什么都能做而感到倦怠；他自己也经历了“AI mania”，觉得代理没在为自己构建东西就是浪费时间，于是做了 Python 版 JavaScript 解释器和 Python 版 WebAssembly 运行时，事后又反思世界是否需要这些慢、有 bug、半成品的产物。编码代理安全与沙箱也成为会议高频议题，说明能力提升伴生风险。

对谁有价值：软件工程师、技术管理者、AI 工具开发者、投资者，以及关注 AI 社会影响的人。对工程师而言，这是一份来自一线实践者的年度趋势校准；对管理者而言，它提示需要重新评估开发工具链、人力配置与安全护栏；对投资者和产品人而言，编码代理的可靠性拐点意味着新的产品机会和竞争变量。

可以怎么行动：主动用编码代理承接更多项目，但设定明确边界，避免陷入 AI mania；关注沙箱与代理安全，在内部试点中建立审查机制；用实际项目持续测试模型能力边界，而不是只看基准；记录代理工作流对个人和团队节奏的影响，识别 Deep Blue 式的倦怠信号并及时调整；把 Simon 的时间线当作讨论材料，在团队内对齐对 2026 年 LLM 进展的预期。

风险或限制：编码代理仍会犯错，鹈鹕骑自行车基准显示基础能力仍有缺口；AI mania 可能导致过度雄心项目，产出慢且有 bug；Simon 预测的编码代理安全灾难尚未完全应验，但风险并未消失；技术变化极快，个人适应压力大；原文在 Warelay 后续部分截断，该仓库的走向未在可见内容中展开。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 simonwillison.net 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《2026 年 LLM 进展（截至目前）》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。