开源社区苦 AI 垃圾 PR 久矣，但 Datasette 创始人 Simon Willison 刚刚交出了一份反直觉的实战答卷。11 月 3 日，他发布了命令行工具与 Python 库 LLM 的 0.37 版本，一口气合并了 12 位贡献者几乎全由 AI 辅助生成的修复代码，却直言审查负担远比预想中轻松。这款攒了两个月更新的工具不仅把默认模型切换到价格腰斩的 gpt-6-luna，还打通了原生多模态向量接口，顺手给开源维护者和 AI 应用开发者算清了 2026 年底的两笔硬账。
算清推理与端点的第一笔账
先把这次版本迭代里最直接的开发者红利交代清楚：
- 新模型与端点命令.新增
gpt-6.1-sol与gpt-6.1-terra支持，并在 PR #1838 中一次性加入llm openai endpoint add、list、remove和path四个子命令，直接管理保存在extra-openai-models.yaml中的 OpenAI 兼容模型，省去手改配置文件的麻烦。 - 默认模型跨代降价.未自定义配置时，默认模型从
gpt-5.6-luna切换为gpt-6-luna，输入单价直接减半，输出单价降幅达 58%。 - 二进制多模态嵌入.嵌入功能开始识别不同二进制内容的 content-type，原生适配支持文本、图像、音频和视频的
gemini-embedding-2。
主力模型切到 gpt-6-luna 后，高频调用 CLI 的开发者账单会立刻变薄。根据 OpenAI 截至 2026 年 11 月 3 日的官方定价，在输入不超过 272K tokens 的标准区间内，gpt-6-luna 的输入为 $0.10/百万 tokens、缓存输入 $0.01、输出 $0.50；而前代默认模型 gpt-5.6-luna 对应价格分别为 $0.20、$0.02 和 $1.20。
| 模型版本 | 标准输入（≤272K） | 缓存输入 | 标准输出 | 上下文与输出上限 |
|---|---|---|---|---|
gpt-5.6-luna | $0.20 / M tokens | $0.02 / M tokens | $1.20 / M tokens | 1,050,000 / 128,000 |
gpt-6-luna | $0.10 / M tokens | $0.01 / M tokens | $0.50 / M tokens | 1,050,000 / 128,000 |
两代模型都给了 1,050,000 tokens 的超大上下文窗口和最高 128,000 tokens 的输出，Batch 和 Flex 异步处理还能再打五折。但账本背面藏着阶梯收费的门槛。一旦单次提示词跨过 272K 输入阈值，整个请求的输入费率会直接翻倍，输出费率也会上浮 50%。日常跑自动化脚本时，无脑塞入超长上下文依然是烧钱重灾区。
多模态向量的隐性价差
再看另一项底层升级。LLM 0.37 允许嵌入接口区分不同二进制文件的 content-type，直接受惠的是 Google 的 gemini-embedding-2。这个模型把文本、图像、音频、视频和 PDF 全部映射到同一个共享向量空间，输出向量维度支持 128 到 3,072（官方推荐 768、1,536 和 3,072），单次总输入上限为 8,192 tokens，且嵌入输出 tokens 不收费。
工具层面的无缝接入，很容易掩盖底层 API 的成本鸿沟。
把多模态文件直接塞进命令行做向量化之前，必须看清 Google 的阶梯价目表：文本标准价为 $0.20/百万 tokens（批处理 $0.10），图像涨到 $0.45（批处理 $0.225），音频飙升至 $6.50（批处理 $3.25），视频则高达 $12.00（批处理 $6.00）。折算下来，标准价大约是每张图 $0.00012、每秒音频 $0.00016、每帧视频 $0.00079。音频和视频的 Token 单价分别是文本的 32.5 倍和 60 倍。
工程边界同样卡得很死。单次请求最多只收 6 张图像、180 秒音频、1 份最多 6 页的 PDF，或者 120 秒视频。更关键的细节在于，视频嵌入最多只采样 32 帧画面，而且直接丢弃视频内的音轨。
- 风险.如果开发者拿这套工具搭建跨模态 RAG 系统，指望直接检索一场两分钟技术演讲视频里的口播金句，不仅要付 60 倍的 Token 溢价，最后还会因为音轨被剥离而一无所获。
把 AI 代码降级成 Bug 报告
比 API 账单更有意思的，是 Willison 处理那 12 个 AI 辅助 PR 的手腕。
过去一年，开源维护者被 AI 生成的劣质 PR 逼到了墙角。许多贡献者连代码都没跑通，顺手把大模型生成的几百行改动甩给上游，把最耗神的验证工作转嫁给维护者。就在 2025 年 12 月 18 日，Willison 本人还专门写过一篇檄文《Your job is to deliver code you have proven to work》，严厉批评这种甩锅行为，要求贡献者必须提供手动测试证据、自动化测试并承担人类问责。
为什么到了十一个月后的 LLM 0.37，他面对汹涌而来的 AI PR 反倒气定神闲了？
守住底线的办法，是把未验证的代码降级为带示例的线索。
他没有撤回去年的质量红线，而是调整了自己的心理预期与工具链：一方面请出 Opus 5.5 和 GPT-6 Astra 帮自己做初筛分流（triage），从一堆提交里挑出真正有用的修复；另一方面，他不再把这些外部 PR 当作等待合入的成品代码，而是降级视为附带了代码示例的 Bug 报告。
韩非子讲“下君尽己之能，中君尽人之力，上君尽人之智”。放在今天的开源代码库里，跟拿 AI 刷 PR 的贡献者死磕代码规范，属于白费力气的“尽己之能”；用更强的模型去过滤出对方的暴露出的真问题和修复路径，能用就直接合入，写得糙就只拿走思路自己重写，才是省心省力的治理术。
这像极了早年报业面对互联网草根爆料时的转型。编辑部要是按资深记者的成稿标准去审每一封读者来信，当天就会瘫痪；一旦把来信全部当成新闻线索，由资深编辑快速核实并重写，废稿堆就变成了情报网。不过今天的情况和当年报业并不完全一样，因为连初审线索的编辑台，也已经换成了 Opus 5.5 和 GPT-6 Astra。
Willison 在致谢那 12 位贡献者时特意打了个括号，感谢他们“为此版本出力，或者出了 Token”。这句调侃把 2026 年底的开源协作关系挑明了：低质量 AI PR 哪怕被提交上去，换来的往往只是维护者提取意图后的重写。工具链的默认生成模型在变便宜，多模态向量在吞噬更多文件格式，而最顶层的核心开发者，已经学会把外部汹涌的 Token 消耗，低成本地转化为自己仓库里的探路石。