Der Entwickler Simon Willison hat am 22. August 2026 die Version 0.33 seines Open-Source-Kommandozeilenwerkzeugs und Python-Frameworks llm freigegeben. Das Werkzeug dient Entwicklern und Forschenden als Schnittstelle, um verschiedenste Sprachmodelle lokal oder über Cloud-APIs direkt aus dem Terminal und in Automationsskripten anzusprechen. Das Update bringt tiefgreifende strukturelle Anpassungen unter der Haube sowie funktionale Neuerungen für moderne Reasoning-Modelle mit.
Auf technischer Ebene vollzieht llm 0.33 den Wechsel auf Version 3.x der offiziellen OpenAI Python Library. Gleichzeitig wurde die zugrundeliegende HTTP-Abhängigkeit auf die modernisierte Bibliothek httpx2 umgestellt. Diese Maßnahmen verbessern die Netzwerkstabilität bei langlebigen Streaming-Verbindungen und gewährleisten die Kompatibilität mit den neuesten Schnittstellenspezifikationen verschiedener Modellanbieter.
Eine zentrale funktionale Erweiterung betrifft die Handhabung von Vorlagen. Über den Parameter -t beziehungsweise --template können Entwickler nun mehrere Templates hintereinander aufrufen und modular kombinieren. Dieses sogenannte Template-Chaining ermöglicht es, spezifische Modellkonfigurationen wie Reasoning-Stufen flexibel mit vorgefertigten System-Prompts zu koppeln, ohne für jede Kombination separate, redundante Vorlagen anlegen zu müssen.
Ebenfalls neu ist die native Unterstützung des Parameters reasoning_summary mit den Ausprägungen auto, concise und detailed für APIs, die strukturierte Denkprozesse ausgeben. Für Embedding-Workflows führt Version 0.33 den Schalter --key bei den Befehlen llm embed und llm embed-multi ein. Damit können Anwender spezifische API-Schlüssel direkt und isoliert an einzelne Embedding-Aufrufe übergeben, ohne globale Umgebungsvariablen oder den permanenten Plugin-Status verändern zu müssen.
Parallel zur Kernanwendung erhielt auch das Plugin llm-gemini ein Update auf Version 0.33. Die Erweiterung unterstützt nun serverseitige Code-Ausführung sowie die Erfassung und Weiterleitung von Reasoning-Traces. Die Neuerungen spiegeln den Branchentrend wider, bei dem Modelle Denkprozesse transparent machen und externe Ausführungsumgebungen direkt in den Inferenzprozess einbinden.