多模型集成协作夺冠！OpenSquilla成本仅海外三分之一

近期，开源AI Agent项目OpenSquilla推出了0.5.0 Preview 1版本，本次更新的核心亮点是多模型集成协作机制（即多模型agentic routing）。项目团队在Harness层将四款国产大模型——DeepSeek v4、GLM-5.2、Kimi K2.7、Qwen3.7——组建成并行提案的协作团队，最终由一个聚合模型整合输出结果，整个方案阵容中未使用任何海外旗舰级大模型。

伴随该预览版同步上线的还有《Agentic Routing》技术白皮书，其中详细阐释了这套原生harness路由系统如何将日常Agent流量转化为可驱动自我进化的数据飞轮，该项目的正式版本也将在后续推出。

根据最新公开的DRACO深度研究榜单，按搜索引擎分组对比各方案的平均得分与平均成本，OpenSquilla的集成方案在两个分组中均位列第一。

在Brave Search分组中，该方案的平均得分为64.09，比单独运行的Opus 4.8（59.11，提升8.42%）和GPT-5.5（53.28，提升20.27%）都要更高；同时其平均任务成本仅为0.12美元，分别比后两者低约92%和86%，是该分组中唯一同时拿下“最高分”与“最低成本”双项标记的方案。

而在DuckDuckGo分组中，OpenSquilla的平均得分为60.85，略高于Anthropic最新推出的旗舰模型Fable 5的59.80分，两者分数基本持平，但OpenSquilla的成本仅为Fable 5的三分之一左右（0.39美元对比1.21美元），目前Fable 5在Brave分组的测试成绩仍在运行中。

这套方案的核心运行逻辑是“多样性采样+共识聚合”：多个参与的大模型会独立完成搜索与推理任务，互相补位，从而弥补单一模型容易遗漏信息源、计算出错、无法全面兼顾约束条件的固有短板。项目团队曾表示，这一模式的核心不是更换更强的单一模型，而是探索一种更高效的模型组织方式。

本次测试结果也指向一个正在形成的行业共识：国产基础大模型单独对比海外旗舰产品仍存在一定差距，但如果能在Harness层进行合理的组织调度，混合使用国产模型就能在真实任务场景中跑出更高且更稳定的得分；即使面对最新一代海外旗舰模型，也能在仅需其零头成本的前提下实现反超或持平。

OpenSquilla由基元律动（TokenRhythm）开发，项目定位围绕Harness优化与模型优化双线推进，核心产品主张是提升单位成本的Agent智能，整个版本迭代始终围绕“少烧钱、真交付”的原则推进：

v0.1.0版本上线了智能路由功能，可以根据任务难度自动选择匹配的模型，奠定了“省钱”的核心底座；v0.2.0推出了一键迁移工具，支持用户从其他Agent框架低成本切换至OpenSquilla；v0.3.0发布了MetaSkill自组织技能协议，让Agent从单纯的工具调用升级为能够自主组织工作流的智能体；v0.4.0带来了可验证编码机制（基于红绿回归证据链，确保代码修改正确后才交付）与首个签名版桌面客户端；而本次0.5.0 Preview版本则实现了多模型集成的核心升级。

据行业公开信息显示，该公司成立不久就完成了首轮融资，估值达到1亿美元。

塔猴是一个专注于为用户提供系统学习、内容创作与商业连接的AIGC综合服务平台，致力于为每一位AI探索者打造理想的创作、成长家园。在塔猴，你不仅可以学习众多AIGC类实战课程，获得与时俱进的AIGC技能和视野，还有机会获得长期商业合作和接单机会！点击进入：https://www.tahou.com/

AI生成内容提示：本文由人工智能辅助创作，内容仅供参考，不代表平台观点。请注意核实信息的准确性，并理性判断。