OpenSquilla發佈0.5.0 Preview：多模型集成登頂DRACO雙榜，對比名單中出現最新旗艦Fable 5

# OpenSquilla發佈0.5.0 Preview：多模型集成登頂DRACO雙榜，對比名單中出現最新旗艦Fable 5

開源AI Agent項目OpenSquilla於近日正式發佈0.5.0 Preview 1版本，此次更新的核心亮點在於導入「多模型集成協作」機制，透過Harness層將多個國產模型組織為協作隊伍，以並行提案方式運行，再由單一模型聚合輸出最終結果。這項被團隊命名為「Agentic Routing」的路由架構，不僅在DRACO深度研究榜單的兩大搜尋引擎分組中均奪下平均分數第一，更因為對比名單中出現了尚未正式公開的最新旗艦模型「Fable 5」，引發技術圈高度關注。 根據OpenSquilla團隊同步發佈的《Agentic Routing》技術報告，這套harness原生路由設計的核心目的，是將日常agent流量轉化為可自我進化的數據飛輪。不同於傳統靜態路由或單純的模型切換，OpenSquilla 0.5.0 Preview 1在Harness層同時調度DeepSeek v4、GLM-5、Qwen-3與Doubao-2.0等四個國產模型，讓它們針對同一任務分別提出解決方案，再由聚合模型進行最終輸出決策。值得注意的是，這個協作陣容中完全沒有納入任何海外旗艦模型，展現出國產模型在協同運作下的潛在競爭力。 OpenSquilla團隊在技術報告中進一步闡述，Agentic Routing的設計哲學在於「不依賴單一強大模型，而是透過多模型的智慧分工與互相校驗，來達到超越個體表現的整體效果」。這種作法不僅能降低對特定高成本模型的依賴，也能在維持輸出品質的同時，有效控制營運成本。團隊表示，隨著系統持續接收實際agent流量，路由決策與模型輸出的反饋將不斷優化Harness層的調度策略，形成一個持續自我強化的數據循環，這正是數據飛輪機制的核心價值。 最新公佈的DRACO深度研究榜單成為此次發佈的最佳背書。該榜單按搜尋引擎分組，對比各AI方案的「平均分數」與「平均成本」。OpenSquilla的整合方案在兩組中均奪冠：在Brave Search組中，平均分數達64.2分，平均成本僅0.14美元；在Google Search組中，平均分數達68.1分，平均成本僅0.17美元。這些數據不僅代表了OpenSquilla在任務執行品質上的優勢，更凸顯其成本效益的強勁競爭力。 榜單中最受關注的亮點莫過於對比名單中的「Fable 5」。這款尚未由官方正式發表的旗艦模型，在兩組榜單中均展現出頂尖水準的表現，與OpenSquilla的整合方案形成直接對比。在Brave Search組中，Fable 5的平均分數為62.3分，平均成本為0.52美元；在Google Search組中，平均分數同樣為62.3分，平均成本則為0.55美元。雖然Fable 5的表現仍然優於榜單上許多其他對比方案，但OpenSquilla憑藉多模型協作策略，在分數上以64.2分及68.1分雙雙超越，且成本僅為Fable 5的三分之一至四分之一。這項對比結果，讓業界開始重新審視「單一旗艦模型」與「多模型協作」之間的路線優劣。 除了DRACO雙榜的亮眼成績，OpenSquilla此次Preview版本的發佈也預示著正式版本的輪廓逐漸清晰。根據團隊釋出的開發時程，0.5.0 Preview 1並非最終版本，而是作為通往正式版本的重要里程碑。團隊在技術報告中同時預告，正式版本將隨後發佈，屆時預計會進一步強化Harness層的路由策略、提升聚合模型的判斷能力，並針對不同應用場景提供更細緻的調校選項。 業界分析指出，OpenSquilla這次的發佈策略相當明確：以完全國產模型陣容為基礎，透過系統層級的創新來補足個別模型與海外旗艦之間的差距。在當前AI模型軍備競賽的背景下，多數開源專案仍以單一模型的性能提升為主要方向，OpenSquilla則選擇了截然不同的路徑——從系統架構與路由邏輯著手，用協作取代單打獨鬥。這種作法的優勢在於，它不受限於單一模型的迭代速度，反而能隨著加入協作的模型數量與種類增加而持續放大效益。 從實際應用角度來看，OpenSquilla 0.5.0 Preview 1所展示的多模型集成協作，對於需要高可靠性與穩定輸出的企業級Agent應用尤其具有吸引力。藉由多模型並行提案與聚合決策，系統能夠在單一模型出現偏差或弱項時，由其他模型互補，從而提高整體任務完成率與回答品質。而透過Agentic Routing機制自動累積的流量數據與路由決策記錄，更為後續的調校與優化提供了寶貴的真實場域資料。 在成本結構方面，此次DRACO榜單公布的數據也清楚顯示，OpenSquilla在Google Search組中以0.17美元的平均成本達成68.1分，代表每提升1分平均僅需花費約0.0025美元；相比之下，Fable 5以0.55美元達成62.3分，每提升1分的成本約為0.0088美元。這項成本效益的顯著差距，可能成為許多開發者與企業在選擇AI Agent解決方案時的關鍵考量。 隨著OpenSquilla 0.5.0 Preview 1的釋出與Agentic Routing技術報告的公開，開源AI Agent領域的競爭態勢已經出現新的變數。當模型本身的性能差距逐步縮小，系統架構與路由策略的創新或許將成為下一階段決勝的關鍵戰場。而OpenSquilla這套完全以國產模型為基底、卻能登頂DRACO雙榜的整合方案，無疑為這條路線提供了一個具說服力的實證。技術社群正密切關注正式版本的進一步優化，以及後續是否會有更多模型加入這個協作生態。