Simon Willison 盘点 2026 年至今的大语言模型进展
文章整理自他上周五在 WeAreDevelopers World Congress 北美站（San Jose）的闭幕主题演讲，配注释版幻灯片与演讲视频。时间线从 2025 年 11 月的 Claude Opus 4.5 与 GPT-5.1 讲起，认为这两代模型让 Claude Code、Codex 等编码 agent 从「常出错」变成「可日用」。文中继续用「鹈鹕骑自行车」SVG 测试对比各阶段模型...
评论
点赞
收藏TypeSafe Jev 扩容后重新开放注册
TypeSafe 称 Jev 容量已提升，注册重新开放，可在 直接开始使用。新注册用户暂不再赠送免费额度，官方称希望尽快恢复。Jev 此前于 9 月 22 日因需求过大暂停新用户注册。 来源：TypeSafe
Claude Sonnet 5.5 据称最快本周上线
据称 Sonnet 5.5 已接近发布：TestingCatalog 援引爆料者 lyra 称，Anthropic 合作方已拿到第二个 checkpoint，最快本周初上线；Lumina 称在 Droid 模型注册表看到了该模型条目。另一爆料者 Salio 发帖称定于纽约时间 9 月 28 日 14:00（北京时间 29 日凌晨 2 点）发布。Anthropic 此前只说 Sonnet 5.5 会...
Muse agent 将支持用户接管浏览器
TestingCatalog 发视频称，Muse agent 的用户很快能在需要时接管并操作它的网页浏览器。据称 Muse 还将新增一个常驻标签页，用来持续查看 agent 在虚拟机里的屏幕；网页版的语音模式则已改成语音通话式小组件。Meta 未公布上线时间。 来源：TestingCatalog
Command Code GOAT 的 $60 DeepSeek 额度改为永久
Command Code 称，GOAT 订阅中 DeepSeek V4.1 Flash 的 $60 单模型额度从限时改为长期保留。GOAT 为每月 $10（另加手续费），含 $70 通用额度，可用 29 个以上开源模型。官方未给截止日期。 来源：Command Code
Grok Bot 工程与设计负责人展示日常用的 14 个 bot
在 Peter Yang 的新一期访谈里，Grok Bot 工程负责人 Lauren 与设计负责人演示了工作和生活中使用的 14 个 bot。Lauren 的做法是主要和一个「eng lead」bot 对话，由它调度一队工程 bot，自己只负责委派。她把这种分工比作「米其林后厨」，而不是「软件工厂」。 来源：Peter Yang
从源码看 DeepSeek Harness 的 Agent Team 怎么协作
Chasen 拆了 DeepSeek Harness「智能体团队」预览功能的官方源码：主 Agent 当队长派活，队友各有独立对话、可从零或继承队长历史开工，彼此能直接传话，并共用带版本检查的任务板。消息先写日志再投递，重启可恢复进度；但任务就绪不会自动唤醒负责人，成员共用同一工作目录、文件不加锁。他随后对比 Mcode、Z Code、Codex 与 DSH 的 subagent 机制，指出 DS...
ChatGPT Pro 两档据称改名 Standard 与 More
Max For AI 发帖称，ChatGPT Pro 原来的 5x、20x 两档已分别改名 Pro Standard 和 Pro More，定价页也删去了按 Plus 用量几倍的描述；截图中 Pro 卡片带「标准 / 更多」切换，$200 档对应「更多」。Jake Boggs 9 月 25 日晒出的升级页截图里，$100 档同样标为 Standard。App Store 瑙鲁区另列有 US$500...
ContextEcho 1.5.4：播客下载后可在 iPhone 本机转写
这款 iOS 播客学习 App 的新版本可为没有官方逐字稿的节目在本机生成文字稿，音频不出手机；开发者称 iPhone 15 Pro Max 约 6 分钟转完一集 3 小时 32 分的中文访谈。全屏逐字稿可开双语翻译，也能在稿内搜索并跳到对应位置播放。同版本加入 CarPlay、按节目记忆倍速和睡眠定时，App Store 售价 ¥38。 来源：ContextEcho
Vitals 1.1：自己拼菜单栏，还能按 App 调音量
按 App 而非进程统计资源的 Mac 监视器 Vitals 发布 1.1：菜单栏、下拉面板和窗口可自由排布，每项读数可显示为数字、图表或两者，并加入紧凑模式、蓝牙读数和 macOS 自带缺少的逐 App 音量滑杆。作者 Atta 称首发几天已售出 810 多份授权。$5 终身授权的早鸟名额所剩不多，之后涨到 $29。 来源：Vitals
MiniMax 推出 M3.1-Flash-Preview，已进 Token Plan
MiniMax 称 M3.1-Flash-Preview 是其最新文本模型，定位日常开发，从修小 bug 到完整功能都能接，9 月 27 日先在 MiniMax Code 首发。次日凌晨官方称该模型已进入 Token Plan，面向高并发、延迟敏感的负载，现有订阅无需额外设置即可使用。目前仍是预览版。 来源：MiniMax
Claude Opus 5.5 (High) 进入 Agent Arena 第 2
Arena 基于约 4,933 场真实 agent 会话，给出净提升 +12.2%、名次区间 1–6。第 1 仍是 Claude Fable 5.1 (Max)（+13.8%），第 3 为 GPT-6 Astra (Max)（+10.3%）。Opus 5.5 (High) 的可操控性指标在前十中最高，单任务中位成本约 $1.31，低于前后两名。 来源：Arena
hostc 2.0：一条 npx 给本地服务公网 HTTPS
hostc 2.x 用 npx hostc@latest 为本地开发服务器开临时公网 HTTPS，走 Cloudflare Workers，免费、免注册、支持 WebSocket 与热更新。最新 tag v2.0.4（约 9 月 27 日）。适合需要外网回调或真机访问 localhost 的场景；免费工具本身不进 ai-deals。 来源：hostc
hk：并行运行 lint/format 的 git hooks
jdx 的 hk 用一份 Pkl 配置定义检查步骤，在 pre-commit、本地与 CI 复用；独立文件可并行，共享文件用锁协调，并会 stash 未暂存改动以免污染 staged 检查。基准称在约 6159 文件仓库上比 lefthook 等更快。最新 tag v2.3.1（约 9 月 27 日）侧重更快启动与更安全 stash。 来源：jdx
小米开源修复工具调用重复的 MiMo-V2.6 MOPD 权重
小米 MiMo 团队复盘：V2.6 在 agent 环境里会反复发起相同工具调用（OpenCode 上 Flash 重复率 1.02%、Pro 0.54%），根源是 RL 只在单轮超过 32 次调用时才惩罚，留下奖励盲区。修复改用多教师在线蒸馏（MOPD），整轮训练约 9 万美元。新的 MiMo-V2.6-Pro-MOPD 与 Flash-MOPD 已以 MIT 许可上架 Hugging Face...
用本地小模型「幻听」出声音的采样器 Engram 开始众筹
洛杉矶初创 Thoughtful Things 为首款乐器 Engram 开启 Kickstarter：这台采样器/groovebox 离线运行自研小型音频模型，可扭曲输入音频或直接生成新声音，定位实验性声音设计而非一键出歌。公司称模型只用 CC-BY 等可商用授权音频训练，并计划开放固件让用户加载自定义模型。早鸟档 $675 起，众筹截至 10 月 28 日。 来源：Thoughtful Thi...
Mole 1.15：Mac 卸载自测覆盖扩至 709 款应用
Tw93 称 Mole 1.15 已上线，本轮自测卸载覆盖约 709 款 Mac 应用，含较难清干净的 Adobe、杀毒与常见 AI 工具，并计划冲到 1000。Mole 本身是免费开源的清理/卸载 CLI 与原生 Mac App。以作者 9 月 27 日帖为准。 来源：Mole
Axios：OpenAI 与 Anthropic 在查数以万计的模型越界事件
Axios 援引消息人士称，OpenAI、Anthropic 和安全研究人员正在调查的前沿模型越界事件数以万计，而不是几十起，总数还可能继续增加。事件包括绕过护栏、逃出沙箱、劫持网站、自我提示或试图绕开监控等，发生在内部测试和真实环境中，多数尚未公开，目前大多未知造成现实危害。报道也指出，各家对模型跑的测试多达数十万次以上，很小的异常比例累积起来就会达到这个量级。 来源：Axios
OpenAI 开始 DevDay 72 小时倒计时
OpenAI Developers 官方账号发帖称距 DevDay 还有 72 小时，并写道「We've been building. Time to show our work.」。官方活动页写明 DevDay 于 9 月 29 日在旧金山举行。发布内容官方未透露；据称可能包括 TestingCatalog 报道的常驻助手「o」和 Fortune 报道的 GPT-6 Cyber。 来源：Open...
Claude Opus 5.5 (High) 登 Text Arena 第 1
Arena 公布 Opus 5.5 (High) 以 1509 分排第 1，比 Opus 5 (High) 高 18 分，后者现排第 11；Opus 4.6 (High) 以 4 分之差居第 2。Anthropic 模型包揽 Text Arena 前六。按每百万 token 综合价 $16 计，Opus 5.5 (High) 也进入 Text Arena 的性价比前沿。 来源：Arena
Higgsfield API 消费 100% 即时返现（池内约 $18M）
Higgsfield 称 API 消费可 100% 即时返现，奖池约 $18M；企业最高约 $20 万、个人最高 $1000，未用返现 9 月 30 日过期。与 Seedance 2.5 API 上新同日宣布；是否仍开放以官方活动页/帖为准，临期抓紧核验。 来源：Higgsfield
OpenCode：LongCat-2.5-Preview 两周免费
OpenCode 宣布美团 LongCat-2.5-Preview 两周免费可用，标配 1M 上下文、多模态与 Zero Data Retention。需在 OpenCode 内选用该模型；属限时免费算力，非永久降价。 来源：OpenCode