rss_feedSimon Willison ·19.05.2026 open_in_newОригинал

The last six months in LLMs in five minutes

#AI Agents #Frontier Models #Open Source

auto_awesomeКраткое саммари

Саймон Уиллисон подводит итоги последних шести месяцев развития LLM в виде пятиминутного доклада с PyCon US 2026. Ключевая точка перелома — ноябрь 2025: лидерство по «лучшей модели» пять раз переходило между Claude Sonnet 4.5, GPT-5.1, Gemini 3, GPT-5.1 Codex Max и Claude Opus 4.5, а кодинг-агенты благодаря Reinforcement Learning from Verifiable Rewards перешли из «иногда работает» в «в основном работает». В феврале взлетел проект OpenClaw — «персональный AI-ассистент», породивший целый класс устройств под названием Claws, ради которых в Кремниевой долине раскупали Mac Mini. Gemini 3.1 Pro и анимации Джеффа Дина показали, что AI-лаборатории заметили тест с пеликаном на велосипеде. В апреле вышли Gemma 4, китайский GLM-5.1 на 1.5 ТБ и Qwen3.6-35B-A3B, который на ноутбуке рисует пеликана лучше Claude Opus 4.7 — доказательство, что локальные модели резко превзошли ожидания.

translate EN + RU EN RU

Simon Willison’s Weblog

Блог Саймона Уиллисона

The last six months in LLMs in five minutes

Последние шесть месяцев в мире LLM за пять минут

19th May 2026

19 мая 2026

I put together these annotated slides from my five minute lightning talk at PyCon US 2026, using the latest iteration of my annotated presentation tool.

Я собрал эти аннотированные слайды из своего пятиминутного lightning-доклада на PyCon US 2026, использовав последнюю версию моего инструмента для аннотированных презентаций.

The last six months in LLMs in five minutes Simon Willison - simonwillison.net PyCon US 2026 Lightning Talk

I presented this lightning talk at PyCon US 2026, attempting to summarize the last six months of developments in LLMs in five minutes.

Я выступил с этим lightning-докладом на PyCon US 2026, попытавшись уложить итоги последних шести месяцев развития LLM в пять минут.

Six months is a pretty convenient time period to cover, because it captures what I’ve been calling the November 2025 inflection point. November was a critical month in LLMs, especially for coding.

Шесть месяцев — довольно удобный отрезок времени, потому что он охватывает то, что я называю точкой перелома ноября 2025. Ноябрь стал критическим месяцем для LLM, особенно в части программирования.

The “best” model changed hands 5 times between Anthropic, OpenAl and Google

For one thing, the supposedly “best” model (depending mostly on vibes) changed hands five times between the three big providers.

Во-первых, лидерство «лучшей» модели (в основном по ощущениям) пять раз переходило между тремя крупными провайдерами.

As always, I’m using my Generate an SVG of a pelican riding a bicycle test to help illustrate the differences between the models.

Как всегда, я использую свой тест «Сгенерируй SVG с пеликаном на велосипеде», чтобы наглядно показать различия между моделями.

Why this test? Because pelicans are hard to draw, bicycles are hard to draw, pelicans can’t ride bicycles... and there’s zero chance any AI lab would train a model for such a ridiculous task.

Почему именно этот тест? Потому что пеликанов трудно рисовать, велосипеды трудно рисовать, пеликаны не умеют кататься на велосипеде... и нулевая вероятность, что какая-нибудь AI-лаборатория станет дообучать модель на столь нелепую задачу.

Five pelicans, one for each of the following models. Varying qualities!

At the start of November the widely acknowledged “best” model was Claude Sonnet 4.5, released on 29th September. It drew me this pelican.

В начале ноября общепризнанной «лучшей» моделью был Claude Sonnet 4.5, выпущенный 29 сентября. Он нарисовал мне вот такого пеликана.

In November it was overtaken by GPT-5.1, then Gemini 3, then GPT-5.1 Codex Max, and then Anthropic took the crown back again with Claude Opus 4.5.

В ноябре его обошёл GPT-5.1, затем Gemini 3, потом GPT-5.1 Codex Max, а затем Anthropic вернул корону с Claude Opus 4.5.

I think Gemini 3 drew the best pelican out of this lot, but pelicans aren’t everything. Most practitioners will agree that Opus 4.5 held the crown for the next couple of months.

Думаю, Gemini 3 нарисовал лучшего пеликана из этой компании, но пеликаны — это не всё. Большинство практиков согласятся, что Opus 4.5 удерживал корону следующие пару месяцев.

It took a little while for this to become clear, but the real news from November was that the coding agents got good.

Это стало заметно не сразу, но настоящей новостью ноября было то, что кодинг-агенты стали хорошими.

OpenAI and Anthropic had spent most of 2025 running Reinforcement Learning from Verifiable Rewards to increase the quality of code written by their models, especially when paired up with their Codex and Claude Code agent harnesses.

OpenAI и Anthropic большую часть 2025 года занимались Reinforcement Learning from Verifiable Rewards, чтобы повысить качество кода, который пишут их модели, особенно в связке с агентскими каркасами Codex и Claude Code.

In November the results of this work became apparent. Coding agents went from often-work to mostly-work, crossing a quality barrier where you could use them as a daily-driver to get real work done, without needing to spend most of your time fixing their stupid mistakes.

В ноябре результаты этой работы стали очевидны. Кодинг-агенты перешли из «часто работает» в «в основном работает», преодолев планку качества, при которой их можно использовать как ежедневный инструмент для реальной работы, не тратя большую часть времени на исправление их глупых ошибок.

Screenshot of "Initial commit" on GitHub to steipete/Warelay, commit f6dd362, steipete authored on Nov 24, 2025 It's a copy of the MIT license

Also in November, this happened—the first commit to an obscure (back then) repo called “Warelay” by some guy called Pete.

Также в ноябре произошло вот что — первый коммит в малоизвестный (тогда) репозиторий под названием «Warelay» от некоего парня по имени Pete.

December/January (A little bit of LLM psychosis)

Over the holiday period, from December to January, a whole lot of us took advantage of the break to have a poke at these new models and coding agents and see what they could do.

За праздничный период с декабря по январь многие из нас воспользовались паузой, чтобы поковыряться с этими новыми моделями и кодинг-агентами и посмотреть, на что они способны.

They could do a lot! Some of us got a little bit over-excited. I had my own short-lived bout of a form of LLM psychosis as I started spinning up wildly ambitious projects to see how far I could push them.

А способны они на многое! Некоторые из нас слегка перевозбудились. У меня самого случился короткий приступ некоего подобия LLM-психоза: я начал затевать дико амбициозные проекты, чтобы понять, насколько далеко их можно завести.

micro-javascript playground Execute JavaScript code in a sandboxed micro-javascript environment powered by Pyodide 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); Output 27 Doubled: [2, 4, 6, 8, 10, 12, 14, 16, 18, 20] Evens: [2, 4, 6, 8, 10] Sum: 55 Execution time: 8.00ms About: micro-javascript is a pure Python JavaScript interpreter with configurable memory and time limits. This playground runs entirely in your browser using Pyodide (Python compiled to WebAssembly). View on GitHub

One of my projects was a vibe-coded implementation of JavaScript in Python—a loose port of MicroQuickJS—which I called micro-javascript. You can try it out in your browser in this playground.

Один из моих проектов — vibe-coded реализация JavaScript на Python, вольный порт MicroQuickJS, который я назвал micro-javascript. Попробовать его можно прямо в браузере в этой песочнице.

JavaScript running in Python running in Pyodide running in WebAssembly running in JavaScript

That playground demo shows JavaScript code run using my micro-javascript library, in Python, running inside Pyodide, running in WebAssembly, running in JavaScript, running in a browser!

Эта песочница демонстрирует JavaScript-код, запускаемый через мою библиотеку micro-javascript, на Python, внутри Pyodide, работающего в WebAssembly, работающем в JavaScript, работающем в браузере!

It’s pretty cool! But did anyone out there need a buggy, slow, insecure half-baked implementation of JavaScript in Python?

Это довольно круто! Но нужна ли кому-нибудь там багованная, медленная, небезопасная и наполовину готовая реализация JavaScript на Python?

They did not. I have quite a few other projects from that holiday period that I have since quietly retired!

Нет, не нужна. У меня есть ещё пара проектов того праздничного периода, которые я с тех пор тихо отправил в архив!

On to February. Remember that Warelay project that had its first commit at the end of November?

Переходим к февралю. Помните тот проект Warelay, у которого был первый коммит в конце ноября?

Warelay → CLAWDIS → CLAWDBOT → Clawdbot → Moltbot →🦞 OpenClaw

In December and January it had gone through quite a few name changes... and by February it was taking the world by storm under its final name, OpenClaw.

В декабре и январе он прошёл через несколько смен названий... а к февралю покорял мир под своим финальным именем — OpenClaw.

The amount of attention it got is pretty astonishing for a project that was less than three months old.

Объём внимания, который он получил, поразителен для проекта возрастом менее трёх месяцев.

OpenClaw is a “personal AI assistant”, and we actually got a generic term for these, based on NanoClaw and ZeroClaw and suchlike... they’re called Claws.

OpenClaw — это «персональный AI-ассистент», и для них даже появился общий термин — по аналогии с NanoClaw, ZeroClaw и им подобными... их называют Claws («Когти»).

Mac Minis started to sell out around Silicon Valley, because people were buying them to run their Claws.

Mac Mini начали распродаваться по Кремниевой долине, потому что люди покупали их, чтобы запускать на них свои Claws.

Drew Breunig joked to me that this is because they’re the new digital pets, and a Mac Mini is the perfect aquarium for your Claw.

Drew Breunig в шутку сказал мне, что это потому, что они — новые цифровые питомцы, а Mac Mini — идеальный аквариум для вашего Claw.

Alfred Molina's Doc Ock in Spider-Man 2, tearing apart a New York subway train with his four claws.

My favourite metaphor for Claws is Alfred Molina’s Doc Ock in the 2004 movie Spider-Man 2. His claws were powered by AI, and were perfectly safe provided nothing damaged his inhibitor chip... after which they turned evil and took over.

Моя любимая метафора для Claws — Доктор Осьминог в исполнении Альфреда Молины в фильме «Человек-паук 2» 2004 года. Его щупальца управлялись искусственным интеллектом и были совершенно безопасны, пока ничто не повреждало его ингибиторный чип... после чего они становились злыми и захватывали власть.

Gemini 3.1 Pro A really good illustration of a pelican riding a bicycle.

Also in February: Gemini 3.1 Pro came out, and drew me a really good pelican riding a bicycle. Look at this! It’s even got a fish in its basket.

Тоже в феврале: вышел Gemini 3.1 Pro и нарисовал мне по-настоящему хорошего пеликана на велосипеде. Только посмотрите! У него даже рыба в корзинке.

Gemini 3 Pro pelican contrasted with Gemini 3.1 Pro, as animated SVGs

And then Google’s Jeff Dean tweeted this video of an animated pelican riding a bicycle, plus a frog on a penny-farthing and a giraffe driving a tiny car and an ostrich on roller skates and a turtle kickflipping a skateboard and a dachshund driving a stretch limousine.

А затем Jeff Dean из Google опубликовал в твиттере видео с анимированным пеликаном на велосипеде, плюс лягушкой на пенни-фартинге, жирафом за рулём крошечной машинки, страусом на роликах, черепахой, делающей кикфлип на скейте, и таксой, ведущей лимузин-стретч.

So maybe the AI labs have been paying attention after all!

Так что, похоже, AI-лаборатории всё-таки обращают внимание!

A lot of stuff happened just in the past month.

Многое произошло прямо за последний месяц.

Gemma 4 26B-A4B (17.99GB) A pretty decent pelican riding a bicycle, though the bike is a bit mis-shapen.

Google released the Gemma 4 series of models, which are the most capable open weight models I’ve seen from a US company.

Google выпустила серию моделей Gemma 4 — самые мощные open-weight модели, какие я видел у американской компании.

Also last month, Chinese AI lab GLM came out with GLM-5.1—an open weight 1.5TB monster! This is a very effective model... if you can afford the hardware to run it.

Тоже в прошлом месяце китайская AI-лаборатория GLM выпустила GLM-5.1 — open-weight монстра на 1.5 ТБ! Очень эффективная модель... если вы можете позволить себе железо, чтобы её запустить.

GLM-5.1 drew me this very competent pelican on a bicycle.

GLM-5.1 нарисовал мне вот такого вполне умелого пеликана на велосипеде.

The bike is wonky, the pelican is floating.

... though when it tried to animate it the bicycle bounced off into the top and the bicycle got warped.

...правда, когда он попытался его анимировать, велосипед улетел в верхнюю часть кадра и деформировался.

Screenshot of Bluesky Charles ‪@charles.capps.me‬ I think you should pester it with another animal using another method of locomotion. Something tells me it was trained for this. I can't quite put my finger on it. /s NORTH VIRGINIA OPOSSUM ON AN E-SCOOTER!!

Charles on Bluesky suggested I try it with a North Virginia Opossum on an E-scooter

Charles в Bluesky предложил мне попробовать северовирджинского опоссума на электросамокате.

NORTH VIRGINIA OPOSSUM CRUISING THE COMMONWEALTH SINCE DUSK And a really cool illustration of a possum.

And it did this! I’ve tried this on other models and they don’t even come close. “Cruising the commonwealth since dusk” is perfect. It’s animated too.

И вот что получилось! Я пробовал это на других моделях, и они даже близко не подошли. «Cruising the commonwealth since dusk» — идеально. К тому же это ещё и анимировано.

Qwen3.6-35B-A3B is a 20.9GB file that runs on my laptop It drew a better pelican on a bicycle than Opus 4.7, which messed up the bicycle frame.

The other neat Chinese open weight models in April came from Qwen. Qwen3.6-35B-A3B on my laptop drew me a better pelican than Claude Opus 4.7. That’s a 20.9GB open weights model that runs on my laptop!

Другие интересные китайские open-weight модели в апреле пришли от Qwen. Qwen3.6-35B-A3B на моём ноутбуке нарисовал мне пеликана лучше, чем Claude Opus 4.7. Это open-weight модель размером 20.9 ГБ, работающая на моём ноутбуке!

(I think this mainly demonstrates that the pelican on the bicycle has firmly exceeded its limits as a useful benchmark.)

(Думаю, это в основном показывает, что пеликан на велосипеде окончательно исчерпал себя как полезный бенчмарк.)

Claude Sonnet 4.5 pelican for comparison.

Here’s that Claude Sonnet 4.5 pelican from September for comparison.

А вот для сравнения тот сентябрьский пеликан от Claude Sonnet 4.5.

The themes of the past 6 months: Coding agents got really good Local models wildly outperform expectations

So those were the two main themes of the past six months. The coding agents got really good... and the laptop-available models, while a lot weaker than the frontier, have started wildly outperforming expectations.

Вот такими были две главные темы последних шести месяцев. Кодинг-агенты стали по-настоящему хороши... а модели, помещающиеся на ноутбуке, при всей их слабости по сравнению с фронтиром, начали диковато превосходить ожидания.