上个月我还在纠结用Fable 5效果确实好但一个月API账单够买台入门显卡用国产模型便宜但遇到复杂任务就是差那么一口气。直到我看到了OpenSquilla 0.5.0的DRACO榜单——一支纯国产模型队伍DeepSeek-V4、GLM-5.2、Kimi K2.7、Qwen3.7排排坐没有Fable 5、没有GPT-5.5、没有任何海外旗舰平均分64.09比Opus 4.8高8.42%比GPT-5.5高20.27%成本只有它们的几分之一。这不是天方夜谭这是2026年7月刚发布的开源项目OpenSquilla 0.5.0 Preview 1交出的答卷。它的核心理念就一句话不是换一个更强的模型是换一种更好的组织方式。一、核心指标总览DRACO双榜数据一览最新DRACO深度研究榜单按搜索引擎分组对比OpenSquilla 0.5.0的集成方案在两组均列第一方案Brave Search均分单次任务成本DuckDuckGo均分单次任务成本OpenSquilla 0.5.04国产模型组队64.09$0.1260.85$0.39Claude Opus 4.859.11$1.4657.29$1.23Claude Fable 5运行中—59.80$1.21GPT-5.553.28$0.8355.17$0.73Gemini 3.1 Pro54.77$0.9652.99$0.88关键数字Brave组OpenSquilla -64.09 vs Opus 4.8的59.11领先8.42%成本却低92%DuckDuckGo组60.85 vs Fable 5的59.80几乎持平成本仅为1/3唯一同时拿下「最高分」与「最低成本」双标记的方案4个国产模型组队成本$0.12不到GPT-5.5($0.83)的1/6二、维度一分数深度拆解——「多样性采样共识聚合」为何能赢单纯看总分还不够。我拆了榜单的维度细节发现OpenSquilla赢在了容错率。机制上这套方案叫「多模型agentic routing」4个国产模型DeepSeek-V4、GLM-5.2、Kimi K2.7、Qwen3.7各自独立完成搜索与推理再让一个聚合模型把4份结果合并输出。为什么有效因为单一模型有结构性盲区模型A擅长代码生成但数学推理容易翻车模型B数学好但中文理解欠点火候模型C中文理解强但检索结构松散时容易漏信息4个模型各自独立跑一遍互相补位然后用共识聚合筛掉错误答案——这和团队里4个人各写一版方案、最后选最优版本的逻辑一模一样。实验数据也佐证了这一点。DRACO榜单中OpenSquilla方案的表现方差明显低于任何一个单独模型——不是某次撞大运拿高分而是每次稳定输出中上水平。维度单一旗舰模型Fable 5等OpenSquilla 0.5.04模型组队最高分潜力⭐⭐⭐⭐⭐⭐⭐⭐⭐稳定性/低方差⭐⭐⭐⭐⭐⭐⭐⭐长尾知识覆盖⭐⭐⭐⭐⭐⭐⭐⭐⭐复杂多步推理⭐⭐⭐⭐⭐⭐⭐⭐⭐三、维度二成本深度拆解——这才是最炸裂的部分如果说分数差异还在意料之中成本差距就是真的降维打击了。OpenSquilla团队的核心主张就是**「提升单位成本的Agent智能」**这套多模型路由在实践中把成本压到了极致Brave Search组OpenSquilla 0.5.0$0.12/次 ← 不到一杯奶茶钱Opus 4.8$1.46/次12倍贵GPT-5.5$0.83/次7倍贵DuckDuckGo组OpenSquilla 0.5.0$0.39/次Fable 5$1.21/次3倍贵Opus 4.8$1.23/次3倍贵拆解成本结构的关键是DeepSeek-V4 Flash的API定价本身就是白菜价每百万token输出2元GLM-5.2开源后自部署成本更低Kimi K2.7和Qwen3.7同样维持着比海外旗舰低一个数量级的API定价。跑4个国产模型的token成本加起来仍然远低于跑1个旗舰模型。这就是2026年最残酷的算力经济学买一个法拉利的钱你可以雇4个经济型轿车的司机团队。四、补充维度多模型路由的局限与适用边界当然这套方案不是万能的。实测中我还是发现了几个问题1. 聚合延迟更大。4个模型各跑一次再加一轮聚合总耗时比单模型长2-5倍。对实时对话场景不友好但批处理和深度研究场景完全可接受。2. 长文本场景成本优势收窄。当输入上下文超过32K token时4个模型各处理一次的成本叠加效应开始显现。OpenSquilla团队在技术报告中提到正在做「智能分流」——不是所有任务都需要4个模型。3. 聚合模型的质量就是天花板。4个儿子各说各的最后还是靠爸爸拍板。如果聚合模型本身质量不行再多模型也白搭。目前OpenSquilla实践中用Qwen3.7做聚合效果稳定但换成更弱的模型做聚合分数会出现明显下降。4. Fable 5的Brave组分数还在跑。榜单发布时Fable 5的Brave组成绩尚未完成如果最终分数超过64.09结论可能需要修正。但$0.12 vs $1.21的成本差距已经是五个数量级的问题了。五、选型建议趋势观察按场景推荐场景推荐方案理由实时对话Chat单旗舰模型Fable 5/Sonnet延迟敏感多模型路由慢深度研究/知识检索OpenSquilla 0.5.0精度第一成本第二代码生成单旗舰模型代码场景对延迟更敏感复杂推理/多步分析OpenSquilla 0.5.0容错率优势明显预算敏感型项目OpenSquilla 0.5.0 国产模型性价比碾压生产级高可用双轨旗舰兜底国产主力平衡成本与可靠趋势观察AI竞争从「单模型军备竞赛」转向「多模型编排竞赛」。OpenSquilla 0.5.0不是个例Google的Agent-to-Agent协议、Anthropic的Tool-Use生态都在往这个方向走。下一阶段的核心能力不是跑一个最强模型而是组织一群普通模型做出超越旗舰的效果。「国产模型Harness」正在成为一条可行路线。DeepSeek-V4和GLM-5.2单拎出来打Fable 5确实吃力但4个组队就能打平甚至反超。这对国内开发者来说是个明确的信号不再是「国产模型能不能用」的问题而是「怎么组织国产模型」的问题。推理算力的定价权正在从模型端向调度层转移。当4个国产模型的组合比1个旗舰模型更便宜、效果更好API定价的游戏规则就变了。OpenSquilla这套「多样性采样共识聚合」的模式如果普及最大的输家不是某个模型厂商而是「单一模型定价体系」本身。Agent成本不再是瓶颈瓶颈在路由策略。当单次深度研究成本从$1.46降到$0.12AI Agent的规模化门槛就真正被打下来了。下一个难题不是「我能不能承担得起」而是「我该让哪几个模型组队、怎么聚合」。这也是OpenSquilla团队在技术报告里强调的数据飞轮。每一次Agent调用都在优化路由策略越用越聪明。最后说一句我不觉得Fable 5或GPT-5.5会因此过时。旗舰模型在手感、延迟和高端体验上依然是天花板。但如果你的目标是「用最低的成本拿到最好的结果」2026年的答案已经不再是「选哪个模型」而是「怎么把几个模型组织到一起」。OpenSquilla 0.5.0把这条路敞开了——而且源码在手自己也能搭。延伸阅读OpenSquilla 0.4.0上手实测3个核心变化让AI代码第一次学会自证清白、19款模型×4大维度深度横评2026年6月大模型Coding能力谁称王系列文章2026年4大AI编程CLI工具横评Claude Code、Codex、Gemini CLI、OpenCodeAI编程Token消耗横评Claude Code、Codex、Gemini CLI、DeepSeek写同一个需求账单差了11倍OpenSquilla 0.4.0上手实测AI代码第一次学会自证清白测了6款方案才发现差距这么大。关注我 第一时间获取更多AI工具深度横评。