OpenSquilla发布0.5.0 Preview混用国产模型已能跑出更高分数

本篇文章684字，读完约2分钟

开源AI Agent项目OpenSquilla发布0.5.0 Preview 1，核心更新是“多模型集成协作”（多模型 agentic routing）：在Harness层把4个国产模型DeepSeek-v4、GLM-5.2、Kimi K2.7、Qwen3.7组织成协作队伍，再由1个模型聚合输出最终结果。阵容中没有任何一个海外旗舰模型。

与Preview同步，团队发布了《Agentic Routing》技术报告，阐述这套harness原生路由如何把日常Agent流量转化为自我进化的数据飞轮。据悉，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，OpenSquilla的集成方案在两组均列第一。Fable 5在Brave组的成绩仍在运行中。

背后机制是什么呢？业内介绍，通过“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。不是换一个更强的模型，而是换一种更好的组织方式。

AI产业界人士认为，这说明，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由基元律动（TokenRhythm）开发，定位于Harness与模型优化双线并行，产品主张“提升单位成本的Agent智能”，其版本演进围绕“少烧钱、真交付”进行。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。