OpenSquilla 0.5.0 Preview 的核心，不是再押一个更大的模型，而是把四个国产模型组织成一支小队。
这次更新把 DeepSeek v4、GLM-5.2、Kimi K2.7、Qwen3.7 放进同一个 Agentic Routing 流程。四个模型先并行给出搜索和推理结果，再由一个模型聚合成最终答案。整个阵容没有海外旗舰模型，测试对象却包括 Opus 4.8、GPT-5.5 和 Anthropic 最新旗舰 Fable 5。
Agent 产品过去常走两条路：直接调用最强模型，用高价格换少出错；或者用便宜模型硬扛，在搜索、数字核对、约束遵守上承担更高失败率。OpenSquilla 试的是第三条路，让多个模型各跑一遍，再用聚合层减少单模型盲点。
DRACO 深度研究榜单把任务按搜索引擎分组。Brave Search 组里，OpenSquilla 集成方案平均分 64.09，高于单跑 Opus 4.8 的 59.11，也高于 GPT-5.5 的 53.28。成本差距更大：它的平均任务成本是 0.12 美元，比 Opus 4.8 低约 92%，比 GPT-5.5 低约 86%。
按这组数字粗算，单跑 Opus 4.8 的任务成本大约是 1.50 美元，GPT-5.5 大约是 0.86 美元。OpenSquilla 不是把一次任务省掉几美分，而是把接近 1 美元到 1.5 美元的深度研究任务，拉回到十几美分。对高频 Agent 流量来说，这比单次跑分高几分更实际。
DuckDuckGo 组更能说明边界。OpenSquilla 平均分 60.85，只比 Fable 5 的 59.80 高 1.05 分，优势不到 2%。但它的平均成本是 0.39 美元，Fable 5 是 1.21 美元，前者约为后者的三分之一。分数差距很小，账单差距很大，这才是多模型集成真正想打的位置。
OpenSquilla 团队给这套方法的说法是：“不是换一个更强的模型，而是换一种更好的组织方式。”这句话没有抹平模型能力差距。单个国产模型在复杂任务上仍未必能稳定压过海外旗舰，但 Agent 任务不是只看一次回答，搜索、提取、核对、改写、约束执行都可能出错。把同一道题交给多个模型独立处理，再让聚合模型裁剪和合并，等于用冗余换稳定性。
官方 GitHub 仓库也把产品口号写得很直接：
“Same budget, more capability, better results.”
官方页面显示，OpenSquilla 本地路由器会把每一轮请求发给它判断能胜任且价格更低的模型，同时配合持久记忆、分层沙箱、内置搜索和端侧嵌入，覆盖 20 多个模型供应商。7 月 3 日，团队放出《Agentic Routing》技术报告，并同步发布 0.5.0 Preview 1；当前页面已把 0.5.0 Preview 2 标为最新预览版。
这一轮发布里最该被国内开发者盯住的，不是“国产模型集体反超海外旗舰”的口号，而是 Harness 层开始变得值钱。模型厂继续卷参数、上下文和价格，应用层真正缺的是把任务拆开、选模型、收证据、做聚合、留日志的一套工程能力。OpenSquilla 如果能把 DRACO 里的分数和成本优势带到真实工作流里，它竞争的就不只是另一个 Agent 框架，而是企业在模型采购之外新增的一层调度权。
DRACO 的平均分由 LLM 评判，阶段性榜单不能当成最终结论。更稳妥的看法是：0.5.0 Preview 证明了“多国产模型 + 路由聚合”有机会在深度研究任务上打出性价比，但能不能成为开发者每天依赖的工具，还要看长任务失败率、日志可追溯性和企业部署成本。