一个开源项目最近抛出个有点反直觉的结论：与其用一个最强的模型，不如把四个国产模型凑到一块投票。
这个项目叫OpenSquilla，7月6日放出0.5.0预览版，背后是家刚成立不久、估值1亿美元的公司基元律动。它的核心改动，是在Agent的调度层（Harness）里，把DeepSeek v4、GLM-5.2、Kimi K2.7、Qwen3.7这四个国产模型组成一支”并行提案”的队伍，各自独立跑一遍搜索和推理，再交给第五个模型把结果聚合成最终答案。
跑分数据是这套打法的卖点。在Brave Search这一组测试里，它拿到64.09的平均分，比Anthropic的Opus 4.8高出8.42%，成本却低了大约92%。换到DuckDuckGo那组，60.85分和Anthropic最新旗舰Fable 5打平，一次任务的开销是0.39美元，Fable 5要1.21美元——同样的活，国产集成方案花的钱不到三分之一。
把这两个数摆一起再算一笔：0.39对1.21，省下的是68%；92%的成本差则意味着，旗舰模型每花一块钱，这套方案只花八分。对一个要反复调用、按token计费的Agent场景来说，这个差距直接决定了能不能规模化跑起来。
背后是一个正在被反复验证的判断：单一模型再强，也有照顾不到的盲区；让几个各有所长的模型独立作答、互相补位，再取共识，整体的稳定性就能补上来。OpenSquilla给它起的名字是”多样性采样+共识聚合”。道理不算新，但把四个国产模型这么组织起来、还真跑赢了海外旗舰，拿出完整数据的这是头一回。
对国产模型来说，这是另一种叙事。过去两年比的是谁家单个模型跑分更高、参数更大；OpenSquilla换了个思路，单拎出来DeepSeek或Qwen未必压得过Opus，但四个凑一块、再加上便宜，合起来就能在特定任务上把旗舰挤下去。抱团打法能不能推广到搜索之外的更多场景，还得看后面的版本，但至少在搜索智能体这一格，国产模型第一次靠”组织方式”而不是”单点性能”赢了一回。