大家好，我是袋鼠帝
我最近在疯狂使用Fable 5，好用是好用，就是太贵啦！
不过不是在Claude 官方使用的，因为我最新的一个号，在7月1号又tm被封了，服了都（已经记不清是第几个了）
A社真就是那种贱兮兮的公司，看不惯又干不掉它...
所以，我最近都是在Cursor上用的Fable 5，虽然我下血本充了200$的订阅，但跑了两天Fable 5，总用量就已经超过48%了。。。
整的我都有点不敢用了，除非核心任务，其他时候我都只敢开启auto模式（自动选择模型）
不过让我兴奋的是，最近发现了一个很便宜的平替方案，是在X上刷到的一个很有意思的开源项目：OpenSquilla 0.5.0（在Github 已经有5.5K Star）
当时我还发了一篇推文
说实话，用了那么多Agent，也一直浸泡在AI里面。已经很少有让我兴奋的东西了。
但这次看完这个项目，让我久违的产生了兴奋感。
它揭示了一个非常反常识的事：一组便宜的国产模型以一定的方式组合起来，居然可以在公开评测上打赢国外更强的旗舰模型们（Claude Fable 5、Opus4.8、GPT-5.5）
简单来说，就是三个臭皮匠，顶个诸葛亮的意思。
它解决了什么问题？
目前大部分的 AI Agent 存在一个很明显的瓶颈：算力分配过于粗放。
在实际使用过程中或多或少有下面这些问题：
传统的路由方法（如根据输入 Prompt 的难度来决定调用大模型还是小模型）通常只针对“单次对话”。
但在复杂的 Agent 执行过程中（比如涉及多步推理、工具调用等等..），是有状态且多步的。效果就比较差。
而且现在的模型还挺偏科的：有的擅长代码，有的长上下文理解能力强，有的agent能力更强，有的是速度快+便宜（比如flash模型）。貌似很少有六边形战士。
以及实际使用的 Agent 框架（如 OpenClaw），如果全局都用最强模型（比如Fable 5），成本高的就简直没边了...如果全用小模型，一旦在某个关键点失败，连锁反应和时间成本反而会更高。
OpenSquilla 解决的核心问题就是：如何在 Agent 执行的每一个具体步骤中，根据当前的上下文状态和任务风险，动态且精准的匹配最合适的模型，从而在不牺牲甚至提升整体任务成功率的前提下，大幅降低成本。
另外，OpenSquilla完全开源，甚至有桌面客户端，傻瓜式安装好就能用了。
Github仓库地址：
https://github.com/opensquilla/opensquilla
支持Mac、Windows、Linux，这点还挺棒的。
另外，OpenSquilla是通过 步级（Step-level）的上下文感知路由替代了传统的查询级路由，还支持两种核心运行模式：
单模型路由（省钱模式 / Singleton Routing）：
在 Agent 运行的每一步，系统会评估当前状态（比如：这是一个简单的格式转换，还是一个高难度的代码 Debug？上下文有多大？上一步工具调用是否报错？）。对于低风险的常规操作，路由会精准分配轻量级模型；只有在关键节点或需要错误恢复时，才拉起更贵的强大模型。
多模型集成路由（高精度模式 / Multi-Model Routing）：
面对高难度、高风险或无法撤销的操作时，路由会同时选择几个能力互补的模型（比如：一个主攻逻辑生成，一个负责低成本纠错，一个核对 API 格式），然后通过聚合策略（Aggregator）将它们的输出整合。这种策略能突破单一顶配模型的性能天花板。
我看了下技术报告，他们在 DRACO 测了 100 道高难度研究任务：
对上Anthropic最强模型 Fable5，分数略高（60.85 vs 59.80），成本只有约 1/3（0.39vs1.21）
对上单跑的 Opus 4.8 和 GPT-5.5，质量分更高，成本低约 86-92%
说实话一开始我是保持怀疑的。
但其中有一些细节，又让我觉得这次不太像跑分作秀。
一个是DRACO本身：
它是Perplexity和OpenAI一起开源的公开评测集，100道高难度的研究、分析类任务，题目和评分全都有了。而且数据集在HuggingFace，任何人都可以自己去验证，去复现：
https://huggingface.co/datasets/perplexity-ai/draco
还有一个原因是，我发现这已经是他们第二次用这类数据说话了（第一次没有暴雷，反而Star一直在涨，感觉还是有可信度的）。
之前就在README里放了一组PinchBench的结果：
用一套国产为主的模型路由组合，去跟单跑的Opus 4.7比，25个任务平均分几乎打平（0.9251 vs 0.9255），但成本一边是$0.688，另一边是$6.233。
差了9倍，看到这个的时候我人都麻了。。这也太省钱了吧！
他们更早还发过一篇Claw-SWE-Bench论文，有个结论让我印象深刻：
同一个模型，换一个Harness（Agent的工程外壳），结果最多能差27.4个百分点。
模型没变，但性能天差地别。
然后我还看了一下他们的技术路线：
先是做了智能路由，就是就简单任务自动分给便宜模型；
后面又做了MetaSkill自组织工作流、可验证编码；
这次0.5.0直接上多模型集成。每一次都在死磕同一件事，不改变模型，通过改变模型的用法来降低成本，提升性能。
所以这次DRACO的成绩，在我看来不是一次偶然，而是这条线走到今天的一次阶段性验收。
方向清楚，动作连续，不得不说这个团队执着专研的精神我还是挺佩服的。
而且这事儿背后，有两条一直往前走的曲线：
一条是国产模型本身在变好（迭代非常迅速，体感上也是在明显变得越来越好用）。
国产模型一直在刷新大模型竞技场的开源第一；
Kimi、GLM、Qwen、MiniMax、豆包这一年的迭代速度大家也都看在眼里。
虽然目前它们中的任何一个单拎出来和顶尖旗舰模型确实还有差距，但这个差距在肉眼可见的缩小。
而且国产模型的一大优势就是性价比很高。要不然为什么openrouter调用量排名前10的模型，80%都是国产呢？
另一条是组织模型的方法在变好。
从最早的单模型硬扛，到路由分流，再到现在的并行提案加聚合，Harness这一层的工程化开始逐渐发力。
两条曲线各自往上走，叠加在一起："用一组国产模型媲美一个顶尖旗舰模型"这件事，大概率会慢慢变成常态。
当然它也不是没有代价，我测试了一下，多个模型并行提案再聚合，速度比单模型慢，那种对时效性要求较高的场景不一定合适。
不过有得就有失，自古鱼和熊掌不可得兼。
便宜和快，目前只能先选一个。你会选哪个呢？欢迎评论区聊聊
「最后」
我觉得接下来AI Agent 的效率/性能红利，可能真的不只在「换一个更贵/好用的模型」上。
国产模型单拎出来确实和顶尖旗舰有差距，但组织好了，甚至能打赢，成本还低。
这或许会成为下个阶段的主流方向。
《孙子兵法》里那句"善战者，求之于势，不责于人"，没想到两千多年后在AI身上也成立了：不苛求每个兵都能以一挡百，把阵摆对，借助天时地利，就能战胜强大的对手（干掉A社！！）。
对我们这种天天靠Agent干活的人意义非常重大！
对了，OpenSquilla官方还有个产品体验官计划，想参与的朋友可以去看看：
https://opensquilla.ai/zh/invite/
Agent 的下一步，是继续追更贵的模型，还是把高性价比模型组织起来使用？欢迎评论区大胆发表你的看法，大家一起交流交流。
我是袋鼠帝，一个致力于帮你把AI变成生产力的博主。我们下期见～
能看到这里的都是凤毛麟角的存在！
如果觉得不错，随手点个赞、在看、转发三连吧~
如果想第一时间收到推送，也可以给我个星标⭐
谢谢你耐心看完我的文章～
热门跟贴