OpenSquilla 0.5.0 Preview发布，多模型集成登顶DRACO双榜

背景

随着大语言模型（LLM）的能力持续提升，业界对 AI Agent（智能体）的期待也从“能跑通Demo”转向“可交付、低成本、高稳定”的实用化阶段。然而，单一大模型的短板（如信息遗漏、算术错误、约束不全）在实际任务中依然突出。与此同时，海外旗舰模型（如 GPT-5.5、Opus 4.8、Fable 5）在能力上维持领先，但调用成本高昂，难以大规模落地。如何在不依赖最强单模型的前提下，通过架构层面的创新来提升 Agent 的整体性能并降低成本，成为开源社区关注的核心方向。

OpenSquilla 是一个聚焦于 Harness（调度层）与模型优化的开源 AI Agent 项目，由基元律动（TokenRhythm）开发，其主张是“提升单位成本的 Agent 智能”。在陆续推出 v0.1.0 至 v0.4.0 之后，团队于近期发布 0.5.0 Preview 1，并同步公开《Agentic Routing》技术报告。该版本的核心思路是“多模型集成协作”（Multi-model Agentic Routing），即在 Harness 层将多个国产模型组织为提案队伍，聚合输出结果，从而在真实任务中跑出优于单模型运行海外旗舰的表现。

核心内容

OpenSquilla 0.5.0 Preview 1 的核心更新为“多模型集成协作”（Multi-model Agentic Routing）。技术上，在 Harness 层将 4 个国产模型——DeepSeek v4、GLM-5.2、Kimi K2.7、Qwen3.7——组成并行提案的协作队伍，任务最终由 1 个模型聚合输出结果。阵容中不包含任何海外旗舰模型。

与 Preview 版本同步，团队发布了《Agentic Routing》技术报告，阐述这套基于 Harness 原生的路由机制如何将日常 Agent 流量转化为自我进化的数据飞轮。正式版本随后发布。

最新公布的 DRACO 深度研究榜单（按搜索引擎分组对比各方案的平均分数与平均成本）显示，OpenSquilla 的集成方案在两组中均位列第一：

• Brave Search 组：平均分 64.09，高于单跑的 Opus 4.8（59.11，+8.42%）与 GPT-5.5（53.28，+20.27%）；平均任务成本 $0.12，分别低于 Opus 4.8 约 92% 与 GPT-5.5 约 86%。该组唯一同时获得“最高分”与“最低成本”双标记的方案。

• DuckDuckGo 组：平均分 60.85，略高于 Anthropic 最新旗舰 Fable 5 的 59.80（分数基本持平）；平均任务成本 $0.39，约为 Fable 5（$1.21）的三分之一。Fable 5 在 Brave 组的成绩仍在运行中。

其底层机制是“多样性采样 + 共识聚合”：多个模型独立完成搜索与推理，互相补位，弥补单一模型容易漏信息源、算错数值、顾不全约束的固有短板。用团队的话总结：“不是换一个更强的模型，而是换一种更好的组织方式。”

这份结果指向一个正在成形的判断：国产基础模型单拎出来与海外旗舰仍有差距，但在 Harness 层组织得当的前提下，混用国产模型已能在真实任务上跑出更高、更稳的分数——即便面对最新一代旗舰，也能在成本只有零头的情况下咬住甚至反超。

OpenSquilla 的版本演进历史围绕“少烧钱、真交付”展开：

• v0.1.0：智能路由，按任务难度自动选模型，奠定省钱底座；
• v0.2.0：一键迁移，支持从其他 Agent 框架低成本切换；
• v0.3.0：MetaSkill 自组织技能协议，使 Agent 从“会调用工具”走向“会自组织工作流”；
• v0.4.0：可验证编码（红绿回归证据链，改对了才交付）与首个签名桌面版；
• 本次 0.5.0 Preview：多模型集成。

据公开报道，公司成立不久即完成首轮融资，估值达 1 亿美元。

（资料来源：DRACO 深度研究榜单与 OpenSquilla 团队论文；平均分数由 LLM 评判，属阶段性结果。）

关键要点

• OpenSquilla 0.5.0 Preview 1 的核心是“多模型集成协作”（Multi-model Agentic Routing），在 Harness 层并行组合 4 个国产模型（DeepSeek v4、GLM-5.2、Kimi K2.7、Qwen3.7），无海外旗舰模型参与。
• DRACO 深度研究榜单中，集成方案在 Brave Search 组和 DuckDuckGo 组均位列第一。
• 在 Brave 组，平均分 64.09，高于 Opus 4.8（59.11）和 GPT-5.5（53.28），成本仅为 $0.12，分别比二者低 92% 和 86%。
• 在 DuckDuckGo 组，平均分 60.85，略高于 Anthropic 最新旗舰 Fable 5（59.80），成本为 $0.39，约为 Fable 5（$1.21）的三分之一。
• 核心机制为“多样性采样 + 共识聚合”：多个模型各自独立搜索与推理，互相补位，弥补单一模型弱点。
• 团队发布的《Agentic Routing》技术报告描述了路由机制如何将流量转化为数据飞轮。
• 这一结果初步表明：虽然国产基础模型单打不如海外旗舰，但通过 Harness 层组织，混合国产模型能在真实任务上实现更高、更稳的分数，且成本极低。
• OpenSquilla 由基元律动（TokenRhythm）开发，主张“提升单位成本的 Agent 智能”，已完成首轮融资，估值 1 亿美元。

意义与影响

OpenSquilla 0.5.0 Preview 的发布及其在 DRACO 榜单上的表现，展现了“模型组织方式”相对于“单一最强模型”的潜力。长期以来，业界追求更强更大的单一模型，但成本、延迟和可靠性之间存在难以调和的三角。OpenSquilla 的“多模型集成协作”方案提供了一条替代路径：在 Harness 层通过多样性采样和共识聚合，使多个中等能力模型协同工作，不仅显著降低成本，还在综合分数上超过当前最先进的旗舰模型。

这一结果对 AI Agent 的产业化落地具有直接启发。它意味着企业无需追逐最昂贵、最重型的模型，而是可以通过合理的调度架构和模型组合，以更低的总拥有成本获得更优的任务表现。同时，该方案也为国产模型生态提供了一种新的应用思路：单个国产模型可能尚存短板，但通过集成和路由，可以在实际 Agent 场景中“抱团”与海外旗舰竞争。

从开源社区的角度，OpenSquilla 的版本演进（从智能路由到一键迁移，再到自组织技能协议与多模型集成）显示了 Harness 层创新的系统性。其“少烧钱、真交付”的理念，以及对 Agent 编码可验证性的关注，也指向了 Agent 工程从实验走向生产的核心要求。

当然，榜单评分由 LLM 评判，结果属阶段性，且 Brave 组 Fable 5 的成绩尚未公布，最终结论需持续观察。但 OpenSquilla 0.5.0 Preview 无疑为 Agent 架构设计提供了一个值得深入研究的范本。