资料库收录的全部内容，新的在前。
Datasette 的中间层插件 datasette-llm 发布 0.1a11，新增对 OpenAI 兼容端点的支持，可以配置任意遵循该协议的服务作为 LLM 后端。作者给出示例：配合 LM Studio、Ollama 或 llama.cpp 的本地模型，用 uvx 一条命令启动带 Datasette Agent 的本地服务器。
Datasette 的图表插件 datasette-vega 发布 0.7 版本，这是该插件自 2018 年 7 月以来的首次更新。此次更新主要为了兼容最新 Datasette alpha 版本，并做了一些外观调整，使其能配合刚支持 JavaScript 插件的 Datasette Lite 使用。
Simon Willison 介绍了 Datasette 最老的插件之一 datasette-cluster-map 的 0.19 版本更新：该版本适配 Datasette 1.0a42，并改为依赖新的 datasette-leaflet 插件，以确保请求 OpenStreetMap 瓦片时带上 referrer 头。文中附了一张加州 PG&E 电厂分布地图作为示例，同时展示了 Datasette 重新设计的分面（facets）功能。
OpenStreetMap 要求访问其托管瓦片服务器的请求携带 referrer 头，而 Datasette 表格页面此前使用 Referrer-Policy: no-referrer，导致加载 OSM 瓦片的插件违反该政策。datasette-leaflet 这个为其他插件提供内置 Leaflet 的插件在 0.3 版中改为在瓦片请求上设置 strict-origin-when-cross-origin，只传主机名而不传页面完整路径。
Google 推出 Gemini 4 系列中最低价的 Hydrogen，但作者梳理价格表后发现它只比 Carbon 和 Argon 便宜 25%，而 Carbon 与 Argon 定价完全相同、并将在 12 月 1 日双双翻倍。作者用惯用的 pelican 生成测试对比三个模型，发现 Hydrogen 在同价位下的画质明显落后，并指出其价格仍是 Claude Haiku 5.5 与 GPT-6 Luna 的约 15 倍。
Google 推出 Gemini Decision 1 决策模型 API，支持是/否、选择和评分三类问题，与 Jev、OpenAI 的决策模型同类。作者用一段机器人视频实测，发现 Gemini 返回概率值而非 0/1，且是三者中唯一支持文本、图像、音频、视频和 PDF 的多模态模型。
Simon Willison 介绍 AWS 官方推出的本地模拟器 aws-emulator，开发者无需付费 API key 即可在本地测试多种 AWS 服务。该项目用 Rust 编写，前三周产生 29,684 次提交，主要由大量 Agent 协作完成；Swami Sivasubramanian 在 Werner Vogels 博客的客座文章中讲述了它的由来。目前 macOS 和 Windows 上运行仍需 Docker，作者希望未来能提供单二进制文件。
Simon Willison 用 tree-sitter 分析自己 244 个 vibe-coded 工具代码中使用的 JavaScript API、库和 Web API 主机，为工具站首页加上按标签浏览的标签云。这是一次用代码静态分析自动生成工具分类索引的实践记录。
Simon Willison 发布 llm 0.37.2，修复 Daniel de Araujo 报告的两个安全问题：LLM 通过 extra-openai-models.yaml 接入第三方 OpenAI 兼容 API 时，可能在两种情况下把配置好的 OpenAI API key 误发给对方——一是 api_key_name 指定的 key 从未被存储，二是对 responses: true 的模型使用 -o chat_completions 1 运行。
Simon Willison 用 MacWhisper 转录了 Anthropic IPO 路演视频，并摘出其中此前未公开的业务信息。联合创始人 Tom Brown 讲了 Anthropic 如何同时在 AWS Trainium、Google TPU、NVIDIA 和 AMD 四类芯片上训练与部署 Claude，以及今年让 Claude 自己用三天把模型跑上 AMD GPU、几乎写出全部 kernel。他还提出“总算力 = 物理算力 × 算力乘数”，认为乘数可叠加，并会随递归自我改进加速增长。
Simon Willison 的 LLM 插件 llm-gemini 更新到 0.36，接入了刚向所有人开放的 Gemini 4 Carbon。文中记录了该模型的定价（输入 $2/百万、输出 $10/百万 token，12 月 1 日起翻倍至 $4/$20），并用低、中、高三档 thinking effort 各生成一只鹈鹕做对比，还在 Google Antigravity IDE 里用 three.js 提示词生成了一段机甲动画并录屏。
Simon Willison 介绍 Meta 新发布的小模型 Muse Ember，定位工具调用、编码子任务、路由、抽取和长文档解析等 Agent 高频工作。文章对比了它与 GPT-6 Luna、Claude Haiku 5.5 的分档定价，并引用 Artificial Analysis 的智能指数与单任务成本图，指出它位于帕累托效率前沿。作者还用六个推理档位生成骑自行车鹈鹕的 SVG 做了实测，发现推理档位与输出视觉质量并不线性对应。
Simon Willison 引用 Anthropic 文档指出，Claude Fable 5.2 对提示词中“代码归谁所有”的表述很敏感。在小规模编码任务测试中，如果提示词没有说明代码归属，或者把代码库说成是别人的，模型倾向于只在现有结构上追加代码，即使这会重复已有代码。若明确告诉模型“这个代码库是你的”，它在约一半的尝试中会合并重复代码；不加这句话时，这一比例不到十分之一。
Simon Willison 为了记住 Yonkers 的位置和形状，用一句提示词让 Claude Fable 5.2 生成 Three.js 动画：把 Yonkers 边界剪成巨型机甲，从地下站起后在曼哈顿、布鲁克林、皇后区和布朗克斯踩踏行走，并配有踩踏计数和机甲高度读数。模型还正确识别出提示词里的拼写错误“átomos”应为“stomps”。
Simon Willison 把 Anthropic 新发布的 Fable 5.2 和 Mythos 5.2 加入 llm-anthropic 插件，并给出调用命令。他用经典的「骑自行车的鹈鹕」SVG 测试了 low 到 max 五个推理档位，发现 max 档在消耗 128,000 token 思考后仍未返回图像，与 Opus 5.5 上见过的 bug 相同，而 Fable 5 和 5.1 的 max 档此前正常。新模型定价为每百万 token 输入 $8、输出 $40，比 Fable 5.1 便宜 20%。
Simon Willison 用 Claude Code 搭建了一个名为 Beep Locator 的系统，让多台设备通过浏览器麦克风和 WebSocket 协同，对房间里的神秘蜂鸣声做声学三角定位。系统基于 2007 年的 BeepBeep 论文，通过设备间互相播放 chirp 对齐录音，最终把声源定位到约 40cm 范围内，作者据此找到了一台需要换电池的一氧化碳探测器。文章还记录了用 Claude 边运行边热更新代码、逐步加功能（粗略模式、拍手测试、录音回放）的过程。
Simon Willison 受 Paul Ford《The Web Is More Than Enough》一文评论的启发，用 Three.js 做了一个海兔主题的法贝热彩蛋，然后在同一个对话里让 Claude Opus 5.5 把它移植成不依赖 Three.js 的原生 JavaScript + WebGL 版本。移植成功，但两个版本并不完全一致，作者也不完全理解差异原因；他个人仍觉得 Three.js 版本代码更好读。
Simon Willison 指出，Claude Code、Codex 等编码 Agent 写的 PR 描述虽然准确全面，但篇幅过长，读起来像 AI 生成的冗余内容，让人不想读。他的做法是在 PR 开头写一段人工挑选的高层说明，再把 Agent 写的完整描述放进 GitHub Markdown 支持的 <details><summary> 折叠块里，summary 用模型名和推理强度标注。
Simon Willison 用 Claude 辅助，把同一个 parse_number() 函数（把 -$1,234.56、'12.5%' 这类字符串转成可求和、可排序的数值）分别用 C 和 Rust 写成四个 SQLite 扩展，并对比性能、代码复杂度和产物体积。优化后的 C 版本每行 16–19 ns，约为 Rust 版本的两倍快，远快于 SQL replace()；C 扩展仅 14 KB，Rust 版本为 298–321 KB。普通 C 版本因依赖 strtod() 在小数上偏慢，改用 Clinger 快速路径后追平，所有版本在 800 万次模糊测试中结果一致。