The last six months in LLMs in five minutes
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.
Последние шесть месяцев в мире LLM за пять минут
19 мая 2026
Я собрал эти аннотированные слайды из своего пятиминутного lightning-доклада на PyCon US 2026, использовав последнюю версию моего инструмента для аннотированных презентаций.
Я выступил с этим lightning-докладом на PyCon US 2026, попытавшись уложить итоги последних шести месяцев развития LLM в пять минут.
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.
Во-первых, лидерство «лучшей» модели (в основном по ощущениям) пять раз переходило между тремя крупными провайдерами.
Как всегда, я использую свой тест «Сгенерируй SVG с пеликаном на велосипеде», чтобы наглядно показать различия между моделями.
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.
В начале ноября общепризнанной «лучшей» моделью был Claude Sonnet 4.5, выпущенный 29 сентября. Он нарисовал мне вот такого пеликана.
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.
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.
Это стало заметно не сразу, но настоящей новостью ноября было то, что кодинг-агенты стали хорошими.
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.
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.
Также в ноябре произошло вот что — первый коммит в малоизвестный (тогда) репозиторий под названием «Warelay» от некоего парня по имени Pete.
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.
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.
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.
Эта песочница демонстрирует JavaScript-код, запускаемый через мою библиотеку micro-javascript, на Python, внутри Pyodide, работающего в WebAssembly, работающем в JavaScript, работающем в браузере!
Это довольно круто! Но нужна ли кому-нибудь там багованная, медленная, небезопасная и наполовину готовая реализация JavaScript на Python?
Нет, не нужна. У меня есть ещё пара проектов того праздничного периода, которые я с тех пор тихо отправил в архив!
Переходим к февралю. Помните тот проект Warelay, у которого был первый коммит в конце ноября?
В декабре и январе он прошёл через несколько смен названий... а к февралю покорял мир под своим финальным именем — OpenClaw.
Объём внимания, который он получил, поразителен для проекта возрастом менее трёх месяцев.
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 Mini начали распродаваться по Кремниевой долине, потому что люди покупали их, чтобы запускать на них свои Claws.
Drew Breunig в шутку сказал мне, что это потому, что они — новые цифровые питомцы, а Mac Mini — идеальный аквариум для вашего Claw.
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.
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.
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.
Так что, похоже, AI-лаборатории всё-таки обращают внимание!
Многое произошло прямо за последний месяц.
Google выпустила серию моделей Gemma 4 — самые мощные open-weight модели, какие я видел у американской компании.
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 нарисовал мне вот такого вполне умелого пеликана на велосипеде.
...правда, когда он попытался его анимировать, велосипед улетел в верхнюю часть кадра и деформировался.
Charles в Bluesky предложил мне попробовать северовирджинского опоссума на электросамокате.
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.
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!
(Думаю, это в основном показывает, что пеликан на велосипеде окончательно исчерпал себя как полезный бенчмарк.)
А вот для сравнения тот сентябрьский пеликан от Claude Sonnet 4.5.
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.
Более свежие статьи
Заметки о сделке xAI/Anthropic по дата-центру — 7 мая 2026 Лайв-блог: Code w/ Claude 2026 — 6 мая 2026
Это The last six months in LLMs in five minutes от Simon Willison, опубликовано 19 мая 2026.
Предыдущая: Заметки о сделке xAI/Anthropic по дата-центру
Ежемесячный дайджест
Поддержите меня на $10/месяц и получайте курируемый email-дайджест самых важных событий в мире LLM за месяц.
Платите мне, чтобы я писал вам меньше!