Simon Willison 发布 LLM 0.32，称这是项目初始发布以来最重要的一次升级。
推理轨迹可以输出到 stderr，不污染标准输出；新增 OpenAI Responses、服务端工具、content-addressable SQLite logs；默认模型切到 GPT-5.6 Luna。

对开发者来说，这意味着三件事同时落地：能看到模型「怎么想的」（推理轨迹）、能接服务端工具（不只是本地）、能查历史（SQLite 日志）。
以前模型是黑箱，现在从思考到调用到记录，全链路可查。

Simon Willison · 官方图 · LLM 工具链全链路可查

Simon Willison 在 M5 Max MacBook Pro 上跑通了 MiniMax H3（PipeNetwork/minimax-h3-mlx）。
下载约 115GB，生成一个视频接近 45 分钟。

视频效果不错，但音频因为没给提示，变成了「怪异的语音噪声」。
这是本地跑的常态：权重拿到了，提示词还得自己调。
当开源视频模型能本地跑，调参的乐趣和烦恼，都回到了用户手里。

阿里把 Qwen3.8-Max 的开源时间定在下周：2.4T 总参数、95B 激活，API 定价 $2 输入 / $6 输出每百万 token，同批开源的还有 27B 的小旗舰 Qwen3.8-27B。

第三方评测把它的位置摆得很清楚。
Frontend Code Arena 上 1668 Elo 排第 4，只落后 Claude Opus 5 Max（1705）和 Kimi K3 Max（1676）；Vision Arena 1305 排第 2。
Vals 综合指数 66.1，是开源模型第 2、全部 43 家第 10。
SWE-bench 87.3%，压过 GPT-5.5（82.6%）和 GLM-5.2（83.3%）。
更值得看的是提速曲线：Vals 指数从 3.7 Max 的 57.5 涨到 66.1，两个半月涨了 8.6 分，价格还从 $2.5/$7.5 降到 $2/$6。
分数在涨，价格在跌，两个方向第一次一起动。

这份规格把「开源」和「能跑」之间的距离拉到史上最大。
95B 激活对上 2.4T 总量，激活率只有约 4%，比 Qwen3-235B 更极端的稀疏 MoE。
Jamin Ball 算了笔账：K3 光加载权重就超过 1TB 内存，至少 8 张 H100 起步，开放权重不等于能本地跑，真正的价值在生态影响力。
还有一层悬案，有开发者指出许可条款疑似禁止在美、欧、英、韩下载使用，阿里当天没有澄清。
开放权重可能只是「能下载」，不等于「能合法用」。

当开源旗舰从「别人服务器上能调」变成「权重发到你手里」，竞争的第一性问题从模型多聪明，变成了谁能真正用起来。

Simon Willison 继续围绕 MCP 工具链做实验，说明 7 月 31 日的规范变化已经开始带动工具链更新。

他已经在 LLM、Datasette、MCP 之间打通更多工作流。
对开发者来说，这意味着 agent 工具接入会更像普通 Web 服务，并非单纯是复杂的协议握手。