Agent 下半場的隱秘戰爭發生在 Harness 調度層

在 Agent 應用的下半場，一場圍繞調度層的隱秘戰爭正悄然打響。當外界目光仍停留在單一模型的參數規模與跑分成績時，一些團隊已經開始將重心轉向如何組合與調度多個模型，以更低的成本換取更高的任務品質。近期 DRACO 公布的一項公開基準測試，便清楚地展現了這一趨勢的潛力。該評測涵蓋 100 道高難度的研究與分析任務，意在檢驗不同方案在複雜場景下的真實表現。測試中，開源 Agent 框架 OpenSquilla 0.0 採用了一種稱為「並行提案架構」的設計，將 DeepSeek、GLM、Kimi、Qwen 四個國產模型組織起來，讓它們各自獨立生成提案，最後再由一個聚合模型統整輸出。

這套架構最終拿下 85 分的質量評分，略高於最新旗艦模型 Fable5 的 59.8 分。更引人注意的是成本的懸殊差距。單任務平均成本，OpenSquilla 方案約為 Fable5 的三分之一，分別落在 0.XX 美元級別。在另一組對比中，這套多模型集成方案相較於單獨運行的 Claude Opus 4.5，不僅質量分更高，成本更大幅降低約 86% 至 92%。這樣的數據組合，讓業界開始重新思考一個根本問題：當任務複雜到一定程度時，是否還應該默認把執行權交給單一最強模型？OpenSquilla 的設計思路，本質上是將調度層的價值推到前線。

傳統 Agent 架構多半依賴一個頂尖模型「一個人扛下所有」，但這種做法不僅成本高昂，在面對跨領域、多步驟的分析任務時，單一模型的理解邊界也容易形成瓶頸。透過調度層，系統可以同時利用不同模型各自擅長的領域——比如 DeepSeek 在數學推理上的優勢、GLM 在中文語義理解上的細膩、Kimi 對長文本的歸納能力、Qwen 在通用知識上的覆蓋——再經由聚合層做品質控管，形成「多專家會診」的效果。DRACO 的評測結果並非孤例。業界越來越多實驗指出，模型間的協作若能透過精細的調度機制來實現，往往能在品質與成本之間取得更理想的平衡。

尤其對於企業級應用，任務量動輒成千上萬，成本差距累積下來便是一筆可觀的數字。OpenSquilla 這類框架的出現，等於提供了一條不需要等待下一代旗艦模型降價，就能立刻提升性價比的捷徑。當然，這一做法也面臨挑戰。並行提案架構意味著每次任務都需要同時調用多個模型，網路延遲與推理延時會疊加；聚合模型的品質也直接影響最終輸出，若聚合層本身能力不足，反而可能抹平各模型各自的長處。此外，任務的分發邏輯、輸入輸出的標準化、以及模型間的競爭與互補關係，都需要在調度層中做細緻設計。OpenSquilla 0.0 作為開源框架，其內部實作細節尚未完全公開，但已足以引發外界對調度層策略的關注。

從更大的背景來看，國產模型在單點能力上與國際前沿的差距正在縮小，但真正能讓這些模型「抱團作戰」的調度層工具，卻長期處於被低估的狀態。這次評測中四個國產模型的組合，不僅跑出比旗艦模型更高的分數，還大幅壓低了成本，某種程度證明了「組合能力」比「單點能力」更具策略意義。這也呼應了近期許多開發者的觀察：Agent 下半場的競爭，焦點可能不再只是誰的模型最強，而是誰能把現有模型用得最好。對於大型語言模型的落地場景，調度層正在成為一個隱密的決勝點。OpenSquilla 這類框架的出現，讓中小團隊也能以較低門檻嘗試多模型協作，而不必被單一模型的高昂 API 費用綁架。

業界預期，未來將有更多類似架構湧現，甚至可能催生專門針對調度層優化的商業服務。Harness 一詞，在技術圈中原本常指持續交付與部署的控管工具，如今在 Agent 領域被賦予了新的含義——一個能統籌多模型資源、動態分配任務、並確保輸出品質的中樞。回到 DRACO 的評測本身，它揭露的不只是 OpenSquilla 的表現，更是一個轉折信號：當調度層變得足夠聰明，單一模型的強弱就不再是唯一瓶頸。對於開發者而言，與其追著最新旗艦模型的跑分數字跑，不如靜下心來思考如何透過調度，把手邊已有的模型潛力全部擰出來。這場隱秘戰爭的勝負，或許就藏在調度層的每一行程式碼與每一次路由決策之中。