先说一个有意思的消息——开源 AI Agent 项目 OpenSquilla 最近放出了 0.5.0 Preview 1 版本，核心更新只有一个：把多模型集成协作做进了 Harness 层。

具体来说，就是在 Harness 这层组织起四个国产模型——DeepSeek v4、GLM-5.2、Kimi K2.7 和 Qwen3.7——让它们像多兵种协同一样并行干活，最后再由一个模型把大家的意见汇总输出。有意思的地方在于，这个阵容里没有一个海外旗舰模型。

和 Preview 同步放出的还有一份《Agentic Routing》技术报告，讲的是这套 Harness 原生路由怎么在日常的 agent 请求中顺便跑出数据飞轮来。正式版随后就发了。

新出的 DRACO 深度研究榜单直接拿搜索引擎分组做对比，按平均得分和平均成本来排位。OpenSquilla 这套集成方案在两个分组里都拿了第一。

Bra ve Search 这组：平均分 64.09，不仅高于 Opus 4.8 的 59.11（高了 8.42%），也比 GPT-5.5 的 53.28 高出 20.27%。关键是成本控制得离谱——平均每任务只要 0.12 美元，比这两个模型分别低了大约 92% 和 86%。同组唯一一个同时挂着“最高分”和“最低成本”两个标签的方案。

再看 DuckDuckGo 这组：平均分 60.85，和 Anthropic 最新的旗舰 Fable 5 的 59.80 差不多持平，但成本只有人家的三分之一——0.39 美元对 1.21 美元。至于 Fable 5 在 Bra ve 组的表现，还在跑，等等看。

背后的机制其实不复杂：多样性采样加共识聚合。让多个模型各自独立做搜索和推理，互相查漏补缺，弥补单一模型容易漏信息源、算错数、顾不全约束这些老毛病。用团队自己的话说——不是换一个更强的模型，而是换一种更好的组织方式。

这个结果指向一个正在成形的大判断：如果只拿单个国产基础模型跟海外旗舰比，差距是确实存在的。但一旦在 Harness 层组织得当，把几个国产模型混在一起，真实任务的得分完全能跑得更高、更稳——就算对面是最新一代旗舰，也能在成本压低到零头的情况下咬住甚至反超。

OpenSquilla 是基元律动（TokenRhythm）的项目，定位是 Harness 和模型优化两条线一起走。产品理念总结起来就是八个字——少烧钱、真交付。看版本迭代就能看出来：

v0.1.0 做智能路由，按任务难度自动选模型，先给省钱铺好底座。v0.2.0 推一键迁移，让其他 Agent 框架低成本就能切过来。v0.3.0 发了 MetaSkill 自组织技能协议，Agent 不再只是会调工具，还能自己组织工作流。v0.4.0 加了可验证编码，改了才交付，还出了首个签名桌面版。到这次的 0.5.0 Preview，才终于把多模型集成做进去。

顺便提一句，据公开信息，公司成立不久就完成了首轮融资，估值已经到 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。