OpenSquilla发布0.5.0 Preview：多模型集成登顶DRACO双榜，对比名单中出现最新旗舰Fable 5
少烧钱、真交付
开源 AI Agent 项目 OpenSquilla 近日发布 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组织成并行提案的协作队伍，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；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。
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%，同组唯一同时拿下“最高分”与“最低成本”双标记。
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，而成本约为其三分之一（$0.39 对 $1.21）；Fable 5 在 Brave 组的成绩仍在运行中。
其机制是“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，弥补单一模型漏信息源、算错数值、顾不全约束的固有短板。用团队的话说：不是换一个更强的模型，而是换一种更好的组织方式。
这一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 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”。其版本演进一以贯之地围绕「少烧钱、真交付」：
v0.1.0 上线智能路由，按任务难度自动选模型、奠定「省钱」底座；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，让 Agent 从「会调用工具」走向「会自组织工作流」；v0.4.0 带来可验证编码（红绿回归证据链，改对了才交付）与首个签名桌面版；直至本次 0.5.0 Preview 的多模型集成。
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。配图：DRACO 榜单截图。）
