Fable 5订阅延期，国产模型组队成本仅1/3 | OpenSquilla方案

原本，Claude订阅用户使用Fable 5的权限本该在太平洋时间7月7日23点59分59秒到期，之后再使用该工具就需要按照API定价从预付额度中扣费：输入token每百万10美元，输出token每百万50美元，这个价格可以说相当高昂。

但就在当天不久，Anthropic通过官方渠道宣布，所有付费计划的Fable 5使用权限将延长至7月12日，仅仅续了五天时间。至于五天之后的安排，官方并未给出任何说明。

这种“五天一续、随时可能变动”的使用方式，其实比直接关停更让人头疼。不少用户都面临着这样的困境：不知道是否应该将工作流程迁移到这个工具上，也无法准确核算使用成本。是时候认真寻找可靠的替代方案了。

从实际使用体感来说，Fable 5的能力确实十分出色，尤其是刚推出的时候。笔者在最近的使用中，用它处理长任务、开展深度研究，只需要给出一个模糊的需求，它就能自主运行二十分钟左右，返回的成果比预想的更加完整，而且很少出现明显的bug。这种表现让笔者很难找到直接的替代工具。

但对于大多数普通用户来说，Fable 5可能仅仅停留在“听说过”的层面。首先是账号访问的问题，国内用户的使用门槛众所周知；其次是高昂的使用成本；最后，就在上个月，它还因为美国出口管制政策全线断供，直到7月1日才恢复服务。用不上、用不起、随时可能中断，这也让这款顶尖模型正在逐渐远离普通用户。

多模型集成的替代思路

就在这段时间，笔者关注的一个开源项目给出了全新的解决方向。这个项目就是OpenSquilla，上个月笔者曾撰文介绍过它的MetaSkill功能，当时提到的核心观点是：当可用的技能越来越多，智能体需要学会自主组织这些技能，而当前AI发展的瓶颈早已不是模型本身的智能程度，而是如何将手中的工具高效组织起来。

此次OpenSquilla推出的0.5.0 Preview版本，将这一理念进行了升级：上次聚焦于技能的组织，这次则将思路扩展到了模型的集成协作上。

具体的实现方式被称为多模型集成协作，它并没有选择更换单一的更强模型，而是将DeepSeek、GLM、Kimi、Qwen四款国产模型组成协作团队：让多个模型并行处理任务，各自输出对应的解决方案，最后再由一个专门的模型将这些方案整合为最终的输出结果。

可以打一个简单的比方：过去的思路是高薪聘请一位顶尖专家，而现在的思路则是组织一场多人研讨会——先让多位专业人士各自完成方案，再由专人负责汇总和拍板。单看每一位参与者都不是行业顶尖，但经过合理组织的团队，完全有能力和顶尖专家抗衡，也就是现实版的“三个臭皮匠顶个诸葛亮”。

该团队同时发布了名为《Agentic Routing》的技术报告，相关代码和报告都已经上传至GitHub平台，评测所使用的数据集并非自研，而是采用了Perplexity开源的公开数据集，相当于在公开的标准考试中进行测试，结果透明可验证。

实测数据对比

本次评测使用的基准数据集名为DRACO，包含100道高难度的研究分析任务，覆盖金融、医学、法律、学术等十个不同领域。我们可以通过几道典型题目感受一下难度：

学术研究类：分析计量经济学中双重差分估计的“交错采纳”批判后，对比各家提出的修正方案（如两阶段聚合、交互加权估计、插补法）在处理异质性处理效应和动态处理时机上的差异，以及各自的性能假设。

财务分析类：分析CME集团的现金生成效率与资本配置策略，计算2024年一季度到2025年一季度的经营现金流增长情况，包括应收账款和应付所得税的变化，最终算出两个时期的经营现金流转化率。

临床医学类：一位68岁男性在一个月内三次因近晕厥和乏力前往急诊，每次检查肌钙蛋白均正常、胸片无异常，本次就诊心率52、心电图显示窦性心动过缓，接下来应该采取哪些诊疗措施？

信息检索类：大约2015年前后，一家1972年创立于珀斯郊区的希腊裔澳洲家庭经营的烤鸡连锁品牌，拥有红色招牌，其90年代延续至今的午市优惠活动叫什么名字？

这些任务的难度远超普通的“写周报”类需求，而且每道题都需要从事实准确性、完整性、客观性、引用质量等多个维度进行打分，无法敷衍了事。

最终的测试结果如下：这支由四款国产模型组成的团队完成全部100道题目后，平均得分为60.82分，而Fable 5的平均得分为59.80分，两者分数基本持平；但在成本方面，这支团队每道题的平均花费仅为0.38美元，而Fable 5每道题的成本高达1.21美元，整体成本仅为对方的三分之一。

这里有一个值得注意的细节：Fable 5有6道题目直接拒绝作答，其最终得分是基于完成的94道题目计算得出的。这意味着它不仅价格高昂，还存在挑活的情况，确实符合其产品特性。

另一组对比数据则拉开了更大的差距：当使用Brave作为搜索源时，同一支模型团队的得分达到了64.09分，比单独运行的Opus 4.8高出近5分，比GPT-5.5高出10分以上，而成本分别比后者低92.5%和85.5%，成本仅为零头级别。

报告中还对比了Hermes的MoA方案，这是混合智能体路线的代表性方案。两者的分数非常接近，MoA得分为59.55分，而OpenSquilla的方案得分为60.82分，但MoA的使用成本更高。也就是说，该方案相比Hermes的MoA，成本更低，性能则相当甚至更优。

低成本的核心逻辑

看到“仅为三分之一的成本”，很多人可能会认为是团队在节省开支，但实际细算下来恰恰相反：这支团队处理单道题目需要消耗58万token，而Fable 5仅需要9.4万token，token用量是对方的六倍。

六倍的token用量却只花了三分之一的成本，差距的核心在于单价。国产模型的API价格比顶尖旗舰模型低一个量级，通过将大部分任务分配给价格更低的模型处理，仅将关键的汇总决策环节交给合适的模型，最终整体成本就得到了大幅降低。

真正的省钱逻辑并非刻意节省，而是通过合理的组织实现资源的最优配置。这和人类社会的组织逻辑一致：公司不会让最贵的合伙人去做贴发票这类基础工作，但当下大多数用户使用AI时，还停留在“所有任务都找最贵的模型”的阶段。

这并非该团队第一次沿着这个方向探索。此前他们曾发表论文验证，同一个模型搭配不同的调度框架，也就是模型外层的调度与工程层，最终效果最多可以相差27.4个百分点。从早期的智能路由功能，自动将简单任务分配给低价模型，到之前的MetaSkill，让智能体自主组织技能，再到此次的多模型集成，该团队始终沿着“模型能力是基础，组织方式决定最终产出”的思路持续迭代。相比追热点的团队，这种在单一方向深耕的团队更值得关注。

算力领域其实曾发生过完全类似的故事：早年高端服务器作为单点最强方案，价格昂贵且难以获取；后来谷歌通过将大量廉价商用服务器组成集群，依靠成熟的调度和容错软件层，实现了和高端服务器相当的性能，成本却仅为对方的零头。这场竞争的核心在于组织而非单点性能，如今的AI模型市场正在复刻这一趋势。

该方案的适用边界

在介绍完优势后，也需要客观说明这套方案并非万能，其适用边界在技术报告中已经明确：

第一，它更适合可以并行处理、可以拆分汇总的任务。像研究分析这类工作，多个模型各自产出方案再进行整合，天然适合这种团队协作模式。但Fable 5最让人离不开的长程执行能力——从模糊目标出发，自主规划、执行、检查整个流程，全程无需人工干预——这类环环相扣的任务无法拆分为多个模型并行处理，此次评测也并未涉及这类场景。因此严格来说，该方案替代的是Fable 5的“研究员”身份，暂时还无法替代其“操盘手”角色。

第二，并非所有任务都能实现提分。在同一份报告的另一个基准测试PinchBench上，这支模型团队并没有实现分数提升，仅以低18%的成本追平了Opus 4.8的成绩。因此不能将其视为万能的提分工具，其核心价值是在保证相同质量的前提下大幅降低成本，仅在合适的任务中会实现小幅的性能提升。

第三，关于长期竞争力的质疑：每一代新模型发布都会吸收上一代的工程优化优势，那么这种“组织红利”是否会被下一代旗舰模型直接抵消？笔者认为会被吸收一部分，但组织模式的优势依然存在：新模型无论多强，发布第二天就可以被纳入这个协作团队中作为成员。在AI模型的军备竞赛中，用户往往只能被动等待，而组织方法则是可以立即上手的杠杆工具。

另外还有一个实际的使用成本细节：这支模型团队完成单道题目的时间大约是Fable 5的三倍，中位数535秒 vs 188秒，对于需要赶时间的任务并不适用。它的适用场景非常明确：不急于求成、可以并行处理、任务量大且对成本敏感的场景，比如批量开展行业调研、持续监测数十个主题、对长报告进行多维度审阅等。而对于实时对话、赶截止日期的单点难题，还是更适合使用旗舰模型。

真正值得关注的是长期趋势：此次的跑分结果只是一个快照。国产模型本身的性能正在快速提升，而模型组织的方法也在不断优化，两条曲线共同上涨。只要国产模型和旗舰模型的单价差距依然存在，这类多模型组队的方案就是理性选择。今天“一队国产模型比肩顶尖旗舰”还算是新闻，未来或许会成为常态。

同一天的两个对比

将当天发生的两件事放在一起观察，会发现很有意思的关联：

一边是Fable 5的订阅权限反复变动，作为顶尖的单一模型，其使用成本越来越高，使用的确定性也越来越弱；另一边则是OpenSquilla团队通过实证证明，将手中可用的模型合理组织起来，可以仅用三分之一的成本达到顶尖旗舰的水平。

这也印证了一个观点：AI的下一步发展，未必是持续追逐更昂贵的旗舰模型，而是将手中已有的模型组织得更加高效智能。上个月笔者曾在技能组织层面提出过这个观点，此次在模型组织层面再次得到了验证。笔者不敢断言这条道路一定能完全成功，但确实希望这个方向能够走通。

OpenSquilla是开源项目，安装桌面版并配置API密钥后，就可以搭建这支模型团队进行测试。感兴趣的用户可以自行体验：技术报告和代码都托管在GitHub仓库，DRACO数据集也可以在HuggingFace上获取，所有复现所需的资源都是公开的。

该项目还推出了产品体验官计划，加入社群即可获得10美元的API额度，刚好可以用来验证本文提到的成本问题。体验入口可以访问官网链接：https://opensquilla.ai/zh/invite/

笔者此前提出的“能否被组织起来”的观点，此次又多了一个有力的实证。

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。