OpenSquilla puncaki DRACO dengan ensemble empat model China merangkum berita sumber berbahasa Mandarin untuk pembaca Indonesia. Pokoknya adalah OpenSquilla argues that routing and consensus across four Chinese models can beat single flagship models on deep-research tasks at lower cost.
Apa yang berubah
Fakta yang dapat dicek: DeepSeek v4, GLM-5.2, Kimi K2.7 and Qwen3.7 in an Agentic Routing flow, Brave Search DRACO score 64.09 versus Opus 4.8 at 59.11 and GPT-5.5 at 53.28, average task cost of $0.12, and DuckDuckGo score 60.85 at $0.39. Rincian ini membantu memisahkan klaim peluncuran dari hal yang benar-benar perlu diuji.
Mengapa penting
The harness layer can become valuable when it selects models, collects evidence, merges answers and logs decisions rather than buying only the strongest model. Berita AI kini harus dibaca bersama biaya, pasokan, regulasi, dan kesiapan operasional, bukan hanya skor model.
Yang perlu dipantau
DRACO uses LLM judging, so real workflows must confirm long-task failure rates, traceability and enterprise deployment cost. Ujian berikutnya adalah pemakaian nyata, pengujian pihak ketiga, dan apakah pengguna tetap memakai produk setelah fase peluncuran.
Sumber terverifikasi: OpenSquilla GitHub, Agentic Routing technical report and DRACO leaderboard, CocoLoop.