OpenSquilla 0.5.0 Preview 发布：多模型协作路由登顶 DRACO 双榜

开源 AI Agent 项目 OpenSquilla 近日发布 0.5.0 Preview 版本，核心更新是「多模型集成协作」（multi-model agentic routing）。在 Harness 层将 DeepSeek v4、GLM-5.2、Kimi K2.7、Qwen3.7 四个国产模型组织成并行提案队伍，再由一个聚合模型输出最终结果——阵容中未引入任何海外旗舰模型。同步发布的《Agentic Routing》技术报告阐述了如何把日常 agent 流量转化为自我进化的数据飞轮。

多模型协作的机制

其核心思路是「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，弥补单一模型漏信息源、算错数值、顾不全约束的固有短板。团队将这一思路概括为「不是换一个更强的模型，而是换一种更好的组织方式」。这与传统 Harness 层「按任务难度选模型」的智能路由不同，强调在同一任务上让多模型并行作答、再做整合。

DRACO 榜单表现

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，OpenSquilla 的集成方案在两组均位列第一。

• 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，分别低约 92% 与 86%，为该组唯一同时拿下「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，成本约为其三分之一（$0.39 对 $1.21）。Fable 5 在 Brave 组的结果仍在运行中。

榜单说明中指出，平均分数由 LLM 评判，属阶段性结果。

版本演进与团队背景

OpenSquilla 由基元律动（TokenRhythm）开发，产品定位为 Harness 与模型优化双线并行，主张「提升单位成本的 Agent 智能」。其版本沿革一以贯之地围绕「少烧钱、真交付」展开：

• v0.1.0 上线智能路由，按任务难度自动选模型；
• v0.2.0 推出一键迁移，支持从其他 Agent 框架低成本切换；
• v0.3.0 发布 MetaSkill 自组织技能协议；
• v0.4.0 引入可验证编码（红绿回归证据链）与首个签名桌面版；
• v0.5.0 Preview 落地多模型集成协作。

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。

行业启示

这一结果指向一个正在成形的判断：国产基础模型单独与海外旗舰对比仍有差距，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。对于关注 Agent 工程化落地与成本控制的团队而言，这是一条值得跟踪的路径。