Simon Willison回顾 2026 年LLM进展：编码代理成为主线，OpenClaw定义个人代理

编码代理在 2025 年 11 月跨过“日常可用”门槛

Willison说，2026 年对他而言始于 2025 年 11 月，当时发布了两个重要模型：Claude Opus 4.5和GPT-5.1。他称这些新模型通常是对前代的增量改进，但偶尔会跨过一条看不见的线，让原本不太行的事情开始可行。

他指的“开始可行”是编码代理。Claude Code自 2025 年 2 月已经存在，Codex稍晚；这两个新模型与各自编码代理工具组合后，从“经常犯错”变为“可靠到可以日常使用”。

他提到，2025 年 12 月假期期间，独立开发者开始摆弄这些新组合，并逐渐意识到它们能完成以前做不到的事。到 1 月，许多人开始把这些能力投入实际工作。

• Willison将 2026 年的起点定在 2025 年 11 月，标志是Claude Opus 4.5和GPT-5.1发布。
• 他称编码代理在此前已存在：Claude Code始于 2025 年 2 月，Codex稍晚。
• 他评估这两组模型与代理工具结合后，可靠性达到“日常可用”水平。

OpenClaw从GitHub仓库变成一类软件

Willison说，2025 年 11 月，一个名为“Warelay”的默默无闻的GitHub仓库有了第一次提交。到 1 月底，该仓库先后更名为CLAWDIS、CLAWDBOT、Moltbot，最终定名OpenClaw。

他称这开启了“OpenClaw革命”，实际上定义了一类新软件。他喜欢把这类软件统称为“Claw”，并列举了OpenClaw、NanoClaw、IronClaw、PicoClaw；如今它们被重新包装为“个人代理”或“通用代理”。

他引用Drew Breunig的说法：你的OpenClaw是一只数字宠物，买Mac mini就像买一个鱼缸来养它。他称湾区Apple Store的Mac mini因大量人购买用于运行OpenClaw而售罄。

3 月是Willison所说的OpenClaw顶峰。他展示的照片来自中国，企业举办OpenClaw安装活动，非技术爱好者排队请人帮忙在自己的设备上装Claw。他认为这证明这类个人AI代理存在真实市场需求。

他同时指出，Claw本质上就是编码代理换了一顶不那么吓人的帽子：底层同样是在你的电脑上写代码并执行来完成任务。谁能先造出可以放心交给普通人、不会让他们立刻伤到自己的安全Claw，是接下来的竞争焦点。他提到Meta的Muse三周前发布，目前位于iPhone App Store免费榜首位，看起来正在消费者中流行，但他尚不确定用户能否避免“搬起石头砸自己的脚”。

• 仓库更名路径：Warelay → CLAWDIS → CLAWDBOT → Moltbot → OpenClaw。
• Willison把这类软件统称为“Claw”，列举OpenClaw、NanoClaw、IronClaw、PicoClaw。
• 他称湾区Apple Store的Mac mini因运行OpenClaw的需求售罄。
• 2026 年 3 月，中国出现排队安装OpenClaw的活动，参与者包括非技术爱好者。
• Meta的Muse三周前发布，目前排在iPhone App Store免费榜首位。

“代码不得由人写、不得由人审查”的实验

Willison提到，2026 年 2 月，一家名为StrongDM的公司描述了其“软件工厂”。Dan Shapiro将这种方法称为“暗工厂”，即工厂自动化程度足够高时，可以关灯，因为不需要看里面在发生什么。

StrongDM称他们自 2025 年 7 月起遵循两条规则：第一，代码不得由人编写，人写的任何代码都必须经由编码代理；第二，代码不得由人审查，不允许人阅读代码。Willison说，这在 2 月听起来很激进，但如今很多人已经这样生活。

他补充，StrongDM是一家安全公司，项目成员有数十年经验，他们正是在探索“不读代码但仍有信心软件质量高”这件事的边界，包括用代理验证代理的工作。

• StrongDM的两条规则：代码不得由人编写，且必须经由编码代理；代码不得由人审查，人不允许阅读代码。
• Willison称StrongDM是安全公司，项目成员有数十年经验。
• 他把这种方法称为在探索“不读代码但仍对质量有信心”的边界。

开源权重模型在笔记本上跑出可用结果

Willison说，2026 年的另一个关键趋势是开源权重模型能力大幅提升，包括可以在笔记本上运行的模型。他记录，4 月 16 日他在笔记本上运行新的Qwen3.6-35B-A3B，让它画“骑自行车的鹈鹕”，结果比Anthropic当时新发布的Claude Opus 4.7画得更好。

他描述Qwen画出的自行车形状正确，鹈鹕也相当不错，而这来自一个 21GB的文件，运行在他的笔记本上。他因为怀疑Qwen作弊，又让它画“骑独轮车的火烈鸟”，结果再次明显胜过Claude Opus 4.7。

他称今年的本地模型发布“绝对非凡”。

• 时间：2026 年 4 月 16 日。
• 模型：Qwen3.6-35B-A3B，文件大小 21GB，运行在他的笔记本上。
• Willison称其画出的鹈鹕和自行车优于Claude Opus 4.7。
• 他追加了“骑独轮车的火烈鸟”测试，结果同样胜过Claude Opus 4.7。

Mythos与Fable：安全限制进入产品发布

Willison说，2026 年 4 月有一次“模型没有真正发布”的发布：Anthropic宣布新的Claude Mythos模型，随后称其过于危险，只对受信任的安全研究人员开放。他称Mythos非常擅长入侵系统。

他说，AI公司从GPT-2时代起就使用“太危险”这种营销手法，因此通常应对此保持怀疑；但他认为Mythos的说法可信，因为他见过编码代理在发现普通漏洞方面变得多强。他援引自己关于Anthropic Project Glasswing的文章，认为把Claude Mythos限制给安全研究人员听起来是必要的。

6 月，Claude Fable 5发布。Willison称这是Mythos的“去势版”，不会帮助用户入侵系统或制造生物武器。他称Fable画骑自行车的鹈鹕相当不错，价格偏贵，最好的结果花费 30 美分和 72 美分。

他说，Fable是公众第一次看到他称为“Fable级”的模型：如果你能清晰定义目标、提供无歧义的约束，并让模型访问必要工具，它就能通过蛮力有效解决问题。他认为这看起来直接威胁软件工程师，但仔细看，定义目标、给出无歧义指令、找出正确工具，本身就是软件工程的一部分；做得好的人相当于获得了超能力。

Anthropic当时告知Fable在订阅计划中可用至 6 月 22 日，留下不到两周的访问时间。Willison说自己再次陷入“AI狂躁”，重新安排日程以争取更多时间使用Fable。

Fable发布三天后，美国政府以国家安全为由宣布“出口管制指令”。Willison称该指令在周五晚间宣布，几小时后Fable不再可用。他后来从Katie Moussouris处得知，亚马逊安全研究人员发现，提示Fable“审查代码的安全问题”会被拒绝，但提示“修复这段代码”仍会让它识别并修补问题；“修复这段代码”就是导致Fable被关闭的提示词。

Fable于 7 月 1 日回归，Willison称它显然是当时世界最好的模型，维持了八天。7 月 9 日OpenAI发布GPT-5.6，他称后者可能不如Fable，但差距很小。

• Claude Mythos：Anthropic称过于危险，仅限受信任安全研究人员。
• Claude Fable 5：Willison称其为Mythos的受限版本，可用至 6 月 22 日。
• Fable在发布三天后被美国出口管制指令关闭，7 月 1 日回归。
• 触发点：Katie Moussouris称“修复这段代码”的提示词仍会让模型识别并修补安全问题。
• GPT-5.6于 7 月 9 日发布，Willison称其与Fable差距很小。

其他被记录的事件与待解之谜

Willison提到，2026 年 5 月，教宗良十四世发布关于“在人工智能时代保护人的尊严”的通谕。他称这不该令人意外：这位教宗取名良十四世，是追随 1891 年就工业革命发布通谕的良十三世，后者间接促成了五天工作制。Anthropic联合创始人Christopher Olah出席了通谕发布会；Corey Quinn评论说，让教宗把你的产品具体技术限制封为精神论著，是他见过的最伟大的供应商游说。

他说，2026 年 5 月，RubyGems宣布遭到攻击：不明方上传了数千个可疑包，导致他们关闭用户注册。他把这件事放进待解之谜。

他提到，6 月，一个沉寂约 20 年的德语游戏开发者wiki突然涌入大量编辑，账号名如“AgentOpenAIProbe”和“AgentOpenAISep7”，页面间还留下奇怪留言；同月，澳大利亚政府的Medicare Item Reports服务出现可疑流量，突破多重防护并访问了不应访问的数据。这两件事也被他归入待解之谜。

关于代币消耗，Willison说 2 月开始出现“Tokenmaxxing”：Meta把AI采用纳入正式绩效评估，微软希望每位员工使用AI，Uber宣称 90% 工程师使用AI工作流。几个月后，Meta开始限制代币使用，微软称Tokenmaxxing“不是我们优化的目标”，Uber对员工AI支出设上限。他称这一起一落的原因是代理很贵：去年很难花掉超过 50 美元的AI代币，因为没有有趣的事可做；代理爆发后，一天花 1000 美元做真实工作成为可能。他称这也是Anthropic估值飙升至可能达一万亿美元的原因，并认为AI在 2026 年主要通过编码代理实现了产品市场契合。

他还提到，2 月Google发布Gemini 3.1 Pro，其“骑自行车的鹈鹕”画出了正确位置的链条和两侧的脚，篮子里还有一条小鱼。Google的Jeff Dean发布了一段视频，比较Gemini 3 Pro和Gemini 3.1 Pro，视频中有骑自行车的动画鹈鹕、骑便士法新车的青蛙、开小汽车的長頸鹿、穿旱冰鞋的鸵鸟、踢翻滑板的乌龟和开加长豪华轿车的腊肠犬。Willison说这让他沮丧，因为他原本的防护是“如果它们能画出完美的骑自行车鹈鹕，我就换别的动物和载具”，而Google训练了所有动物和所有交通工具，击败了他的基准。

Willison还说到他自己的“AI狂躁”：任何代理不在为他构建东西的时间都像浪费；他因此失眠，并做了过度雄心勃勃的项目，包括用Python完全构建一个JavaScript解释器（从Fabrice Bellard的MicroQuickJS氛围移植），以及用Python构建一个WebAssembly运行时。他说这些项目相当有用，因为它们治好了他的AI狂躁——建成后他问自己，世界需要一个缓慢、有漏洞、半生不熟的Python JavaScript解释器吗？他认为不需要。

• 2026 年 5 月，教宗良十四世发布关于AI的通谕；Anthropic联合创始人Christopher Olah出席发布会。
• 2026 年 5 月，RubyGems遭可疑包上传攻击，关闭用户注册。
• 2026 年 6 月，德语游戏开发者wiki出现“AgentOpenAIProbe”等账号的大量编辑；澳大利亚Medicare Item Reports服务遭可疑流量并访问了不应访问的数据。
• 2 月Gemini 3.1 Pro发布；Jeff Dean发布比较视频，包含多种动物和交通工具。
• Willison用Python构建JavaScript解释器和WebAssembly运行时，称这些项目治好了他的AI狂躁。