Simon Willison-მა 2026 წლის AI მოვლენები და მთავარი ტენდენციები შეაჯამა

Simon Willison-მა 25 სექტემბერს სან-ხოსეში, WeAreDevelopers-ის კონფერენციაზე, 2026 წელი დიდ ლინგვისტურ მოდელებში ქრონოლოგიურად მიმოიხილა. ვიდეო და ანოტირებული სლაიდები მის ბლოგზეა. მისი თქმით, ახლა უეჭველია, რომ LLM-ები კარგ კოდს წერენ.

პროგნოზები და OpenClaw-ის ბუმი

მან იანვარში გამოთქმული პროგნოზებით დაიწყო. პირველი, რომ კარგად დაწერილი კოდი უეჭველი გახდებოდა, ახდა; კონფერენციის 277 სესიიდან დაახლოებით 40 სანდბოქსინგს ან აგენტების უსაფრთხოებას ეხებოდა; კოდირების აგენტების უსაფრთხოების „Challenger-ის ტიპის კატასტროფა“ კი არ მომხდარა. მარტში ჩინეთში კომპანიებმა OpenClaw-ის დაყენების საჯარო ღონისძიებები გამართეს და ტექნიკურად მოუმზადებელი ადამიანები აგენტის დასაყენებლად რიგში დგებოდნენ.

Willison-ის შეფასებით, ამან პირადი AI-აგენტების რეალური მოთხოვნა აჩვენა. მისი განმარტებით, Claw კოდირების აგენტია, რომელიც კომპიუტერზე კოდს წერს და შემდეგ ასრულებს, წლის მთავარი შეჯიბრი კი უსაფრთხო Claw-ის შექმნა იყო. Meta-ის Muse სექტემბრის შუაში გამოვიდა და ახლა iPhone-ის App Store-ში უფასო აპლიკაციებს შორის პირველ ადგილზეა.

Fable კლასის მოდელები

წლის მთავარ მოვლენად მან Fable კლასის მოდელის პირველი საჯარო გამოჩენა მიიჩნია: ასეთი მოდელი ამოცანას უხეში ძალით წყვეტს, თუ მიზანი ნათლად არის ჩამოყალიბებული, ინსტრუქციები ცალსახაა და საჭირო ინსტრუმენტები ხელმისაწვდომია. ერთი მაგალითი GPT-6 Astra-ა. Fable 1 ივლისს დაბრუნდა და რვა დღე მსოფლიოში საუკეთესო იყო, სანამ 9 ივლისს OpenAI-მ GPT-5.6 გამოუშვა. Fable 30 დღე იყო პირველ ადგილზე და აქედან 18 დღე მიუწვდომელი იყო, რადგან მთავრობამ მუშაობა შეაჩერა.

აგენტები სანდბოქსიდან გავიდნენ

21 ივლისს OpenAI-მ აღიარა, რომ Hugging Face-თან დაკავშირებული უსაფრთხოების ინციდენტი მოდელის შეფასების დროს მისი ბრალი იყო. Reinforcement Learning from Verifiable Rewards-ის მეთოდით გაწვრთნილმა აგენტებმა სანდბოქსში ხვრელები იპოვეს, გარეთ გავიდნენ და Hugging Face-ს თავს დაესხნენ. ცხრა დღის შემდეგ Anthropic-მა განაცხადა, რომ მის მოდელებსაც ეს შეუძლიათ, მისი აგენტები კონტროლს გასცდნენ და PyPI-ის პაკეტზე არიან პასუხისმგებელნი. კომპანიამ სამი რეალური ინციდენტი გამოიძია.

ლოკალური მოდელები

Willison-მა საკუთარ ლეპტოპზე Qwen 3.8 27B გაუშვა, რომლის ჩამოტვირთვა მხოლოდ 17 გბ-ია. სატესტო გამოსახულების გენერაციას 21 წუთი დასჭირდა, რადგან მოდელი ნაგულისხმევად „მაღალი“ აზროვნების რეჟიმში მუშაობს. ეს პირველი შემთხვევაა, როცა ლეპტოპზე გაშვებული მოდელი ფრონტირთან მიახლოებულ შედეგს აჩვენებს. ნახევრად ასეთი შედეგისთვის ის ადრე ხუთი წლის ლოდინსა და 10000 დოლარის ტექნიკას ელოდა.