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 今日正式釋出 0.5.0 Preview 1 版本，這次更新的核心亮點在於「多模型集成協作」（Multi-Model Agentic Routing）機制。團隊在技術報告中說明，這套架構在 Harness 層將四款國產模型——DeepSeek v4、GLM-5、Qwen2.5 與 Yi-Lightning——組織成並行提案的協作隊伍，再由一個模型負責聚合輸出最終結果。值得注意的是，這份陣容中完全沒有引入任何海外旗艦模型，展現出純國產開源模型協作的實力。

與 Preview 同步公開的《Agentic Routing》技術報告指出，這套 harness 原生的路由設計能將日常的 agent 流量轉化為自我進化的數據飛輪，為後續正式版本的迭代鋪平道路。這項更新旋即反映在權威評測榜單上。最新公布的 DRACO 深度研究榜單按搜索引擎分組，分別比較各方案的「平均分數」與「平均成本」。OpenSquilla 的集成方案在兩組均奪下第一名。在 Brave Search 組中，OpenSquilla 取得平均分 64.7 分，成本僅新台幣 0.045 元（約人民幣 0.01 元）；在 Google Search 組中，平均分為 63.3 分，成本為 0.

084 元。這個成績不只超越了同場的所有開源方案，也力壓許多閉源商業產品。比對名單中出現了多款業界知名的模型與方案。值得關注的是，最新旗艦模型 Fable 5 也名列其中——在 Brave Search 組，Fable 5 平均分僅 39.6 分，成本 0.023 元；在 Google Search 組，平均分 42.1 分，成本 0.038 元。OpenSquilla 平均分高出超過 20 分，雖然成本略高，但性價比依然突出。其他競爭對手如 GPT-4o、Claude 3.5 Sonnet 在兩組的分數分別落在 35～50 分之間，成本則從 0.01 元到 0.

1 元不等，沒有任何一款能在成本與分數上同時超越 OpenSquilla 的集成方案。DRACO 榜單的設計初衷是模擬真實的深度研究場景，要求模型在多次搜索、多輪推理後給出精確答案。OpenSquilla 團隊表示，多模型協作並非簡單的「投票融合」，而是透過 Harness 層的智慧路由，讓不同專長的模型各自負責擅長的子任務，最後再由一個模型統整摘要。這種做法有效避免了單一模型的盲點，也讓整體輸出的準確度與穩定性大幅提升。技術報告中進一步揭露了路由機制的細節。在每輪 agent 任務中，Harness 會根據當前 query 的意圖與上下文，決定是否啟用多模型並行提案。

如果任務簡單，可能只觸發單一模型；若遇上複雜的多步驗證，則會自動喚醒多個模型同時生成候選回答，經過交叉比對後再聚合。這套動態決策讓系統在不犧牲效率的前提下，最大化協作效益。報告也公開了內部測試數據，顯示多模型協作相較於任何單一模型（包括效能最優的國產模型）在 DRACO 任務上平均提升約 12～18 個百分點。OpenSquilla 作為開源 AI Agent 項目，一直以來標榜「少燒錢、真交付」，本次 0.5.0 Preview 的表現也呼應了這個理念。所有用到的國產模型皆為開源或可透過 API 低成本取得，無須支付高昂的商業授權費。

團隊透露，正式版本將在近期接續發布，屆時會補上更多實際場景的評測與使用案例，並開放 Harness 層的配置範本，讓社群可以自行組合不同模型。業界觀察人士指出，多模型集成路由的策略在學術界早有討論，但少有專案能在開源社群中實現如此穩定的落地。OpenSquilla 這次登頂 DRACO 雙榜，不僅驗證了國產模型的協作潛力，也為開源 Agent 的開發路徑提供了一個極具參考價值的樣板——用組合拳取代單打獨鬥，或許正是成本與效能都破局的關鍵。隨著 Fable 5 等最新旗艦的加入比較，市場也開始重新審視「單一模型越強就越好」的直覺，因為協作系統可以用相對較小的個體資源，換取超越巨頭的整體表現。