2026 LLM 年中快照：哪些是真的有感，哪些是在嘩眾取寵

> Meta Shift

---

先說結論：2026 是 coding agent 真正「能用」的元年，不是「可以玩」，是「能用在正式工作上」。

Simon Willison 在 WeAreDevelopers World Congress 的 closing keynote 做了一個年中整理，骨架很清楚，但他本人很克制，大部分都是陳述事實、不太給評價。我就來做他沒做的部分——哪些進展真的重要，哪些你可以先不用理。

2025 年我就一直在說 coding agent 還不夠穩，錯誤率太高，在 production 用反而會出事。但從 2025 年底的 Claude Opus 4.5 和 GPT-5.1 開始，這個判斷需要更新了。這兩個模型的出現，讓 Claude Code 和 Codex 從「demo 起來很帥、真的用很痛苦」跨過了一條線，變成「值得每天用」。

這條線很微妙，但很關鍵。

---

發生了什麼事

Simon 的整理以時間軸為主，從 2025 年 11 月開始算，幾個關鍵節點：

第一個節點：2025 年 11 月，模型跨門檻

Claude Opus 4.5 和 GPT-5.1 幾乎同時間發布。Simon 用他自己的 benchmark——「Generate an SVG of a pelican riding a bicycle」——來評估，這個 benchmark 很笨，但確實能看出 spatial reasoning 和 instruction following 的整合能力。結果是：兩個模型都還不完美（Claude 的腳踏車還是有問題），但整體代碼生成的可靠性，已經夠用在日常工作上了。（來源：Simon Willison 的 keynote slides）

Simon 自己說了，他原本每年的新年目標都是「stay focused, take on less」，2026 年他反過來說：「我要多接 project，讓 coding agent 幫我做。」這句話很有代表性，因為 Simon 是個非常謹慎的人，他不亂 hype。

第二個節點：一個叫「Warelay」的 GitHub repo

2025 年 11 月出現了第一個 commit。Simon 說「我們後面再來談這個」，但原始摘錄沒有後續內容，所以這部分的全貌我現在沒辦法給你。這裡先埋個記號，等完整 talk 出來再補。

第三個節點：開發者的年末假期效應

12 月假期，工程師開始用新模型亂搞。1 月回來，集體發現「欸這個真的不一樣了」。這種現象我很熟悉——當一個工具突然跨過 good enough 的門檻，第一波有感的永遠是個人開發者，因為他們沒有 org 的慣性阻力。

第四個節點：Agent security 成為主議題

Simon 提到，在這次的 277 場 sessions 裡，有大約 40 場觸及了 sandboxing 或 agent security。這個比例（約 14%）說明業界已經認真在處理 agent 進入 production 的風險問題，而不是繼續停留在「這東西很酷」的階段。（來源：WeAreDevelopers World Congress 議程統計）

---

為什麼 2026 是轉折點

我想從三個面向來拆解。

技術面：invisible threshold 的概念

Simon 講了一個我很認同的說法：模型改進不是線性的，而是會突然跨過「某條隱形的線」，讓某個能力從 broken 變成 usable。這讓我想到 2022 年的 Stable Diffusion 1.5 到 2.0 的那個跳躍——突然間生成的人手不再是噩夢，工作流開始可以建立在上面。

Coding agent 的這條線，核心問題不是模型夠不夠聰明，而是錯誤率和自我修正能力。一個 agent 如果完成一個 task 需要 20 步，每步錯誤率 10%，整體成功率只有 12%。但如果每步錯誤率降到 3%，整體成功率變成 54%——這已經是質變，不是量變。Claude Opus 4.5 和 GPT-5.1 大概就是在這個區間發生了跳升。

商業面：誰出錢、誰受益

這一波 coding agent 的爆發，背後有一個很清楚的商業邏輯：Anthropic 和 OpenAI 都在用 Claude Code / Codex 搶 B2B 企業客戶，這是比 chatbot subscription 更高 ARPU 的市場。每個工程師每個月花 20 美元訂 ChatGPT 是 consumer，但一個 enterprise 買 500 個 Claude Code seat 就是完全不同的量級。

這也解釋了為什麼兩家公司幾乎同時發布能用的 coding agent——不是巧合，是競爭節奏逼出來的。

值得注意的是，Simon 在 2026 年初的預測裡提到了一個沒發生的 Challenger disaster——他擔心 coding agent 會被 hijack、造成真實世界的經濟損害。這件事還沒發生，但業界顯然很認真看待這個風險，所以 14% 的 sessions 在談 sandboxing。從投資者的角度來看，agent security 這個賽道現在非常值得盯，它的市場需求是剛性的，而且隨著 agent 滲透率上升，問題只會更嚴重，不會更少。

工程師行為面：plumber 心態的興起

Simon 說他決定「多接 project，用 coding agent 做」，這個心態轉變很重要。過去寫 code 的瓶頸是腦力和時間，現在的瓶頸開始轉向「你敢不敢想一個夠大的問題」和「你有沒有能力 review agent 產出的結果」。

這跟電競的 meta 轉換很像。以前打 WoW Arena 你要自己每個 GCD 都精確操作，現在如果有工具幫你 handle 一半的 rotation，你的精力就要放在 positioning 和 decision-making 上。底層技術不消失，但焦點轉移了。

---

Meta 判讀

判定：Meta Shift

原因很明確：coding agent 從 experimental 到 daily driver 這個轉變，會根本改變工程師的工作方式。不是「你可以用 AI 輔助」，而是「不用 AI 的人生產速度會差很多」。

這不是在說工程師要被取代。恰恰相反——會用 coding agent 的工程師，能做的事情範圍會大幅擴張。Simon 自己就是例子：他今年多接了很多 project，以前這樣做會 burn out，現在他在看能做到哪裡。

但有兩個地方我覺得被過度炒作了：

第一，「AI 完全自主寫 production code」這個敘事還是太超前。現在的 coding agent 需要工程師在旁邊 review、糾錯、定方向。它更像一個很快、但需要 senior 帶的 junior dev，而不是一個可以放著讓他自己跑的 system。

第二，multimodal 的進展。雖然 Simon 提到了，但在實際工作中，我還沒有在工程 workflow 裡看到足以改變工作流的 multimodal use case。圖生圖、影片生成這些在 creative 領域很有感，在軟體工程裡目前還是邊緣角色。

---

我的建議

如果你是工程師，現在應該做這幾件事：

馬上做：把 Claude Code 或 Codex 真的用進日常工作

不是玩玩，是真的找一個你正在做的 task 讓它跑。評估的指標很簡單：這個任務，如果自己做要花幾小時，用 agent 做要花多久？如果差距超過 3 倍，你的工作流就值得重構。

建立你自己的評估 benchmark

Simon 的 pelican benchmark 很笨，但它有效，因為它是他熟悉的測試。你應該有自己的測試題——你熟悉的 domain 裡，LLM 容易在哪裡出錯？不要只靠別人的評測結果做判斷，自己跑一輪。

現在不需要做：深入學某個特定的 agent framework

LangChain、CrewAI、這些框架現在還在快速變動，進入壁壘很低但 churn 也很高。除非你要做 agent infra 本人，不然先觀望，等 interface 穩定再學。

值得盯的方向：agent security 和 sandboxing

這個問題的解法還沒有 winner。如果你在找接下來一兩年的技術投資方向，這裡有真實的市場需求，而且問題確實很難。277 場 sessions 裡有 40 場在講這個，不是沒有原因的。

2026 年還沒結束，Simon 說「year isn't over yet」，我也這樣覺得。下半年能不能有更大的 breakthrough，現在還很難說。但到目前為止，這一年的進展是真的有感的，不是在炒作。

延伸閱讀

• AI 這 40 個月都發生了什麼？一個技術人的冷靜回顧
• Coding Agent 正在改變工程、產品、設計的協作方式 — 但改變的不是你想的那個
• 為什麼 AI Agent 還取代不了程式設計師 — 約束衰減問題解析