回顾2026年大语言模型进展：从模型发布到编程代理落地

Simon Willison在圣何塞举行的WeAreDevelopers世界大会上发表了闭幕主题演讲，系统梳理了2026年以来大语言模型领域的重要趋势。在他看来，真正的转折点出现在2025年11月，当时发布的Claude Opus 4.5和GPT-5.1模型，配合各自的编程代理工具，让编程能力从"经常犯错"提升到了"日常使用足够可靠"的水平。

这种进步在2026年初开始显现。Willison提到，他在1月设定了比以往更具野心的新年目标，决定充分利用编程代理的能力。他曾经用"让AI生成骑自行车的鹈鹕SVG"这样的基准来测试模型，而旧模型连自行车都画不好。此外，他还提到行业关注的"Deep Blue"现象，即AI能力增强导致的软件工程师倦怠感。

关于安全预测，Willison在年初曾预言编程代理安全会出现"挑战者号灾难"级别的事件，虽然今年围绕代理安全的讨论很多，但他预测的具体灾难——编程代理被劫持并造成实际经济损失——尚未发生。他也提到，会议上277场演讲中约有40场涉及沙箱或代理安全话题。