文 | 王熠
在 DRACO 最近开展的一次评测中，一组数据引发了业内广泛关注。
这是一场公开基准测试，涵盖 100 道高难度的研究与分析类任务。开源 Agent 框架 OpenSquilla 0.5.0 将 DeepSeek、GLM、Kimi、Qwen 四款国产大模型构建为并行提案架构，并由第五个模型对输出进行聚合决策。
结果显示，这套纯国产组合取得了 60.85 的质量得分，小幅超越最新旗舰模型 Fable5 的 59.80。单任务平均成本仅为后者的约三分之一，分别为 0.39 美元与 1.21 美元。
在另一组横向对比中，该多模型协同方案相较单独运行的 Claude Opus 4.8 和 GPT-5.5，在质量分上更高，同时成本下降幅度达 86%~92%。
这组数据真正叩问的是：面对复杂任务，是否仍需无条件依赖单一“最强”模型？
过去两年，大模型赛道的竞争焦点集中于基础模型本身——参数规模、推理能力、上下文长度及各类榜单排名成为核心指标。而当技术迈入应用落地阶段，一项任务往往需经历多轮迭代：模型如何遴选、怎样协作、结果如何校验、失败后如何回滚……每一个环节都直接影响最终交付质量与资源消耗效率。
模型能力固然关键，但模型被组织与调度的方式，正日益成为决定性变量。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
01. 被长期低估的 Harness
要理解这一趋势转变，需先厘清 Agent 的基本构成逻辑。业界普遍用这样一个公式来刻画 Agent 与 Harness 的关系——Agent = Base Models + Harness。
其中，基础模型负责语言理解、逻辑推理、代码生成、工具调用等底层能力；Harness 则承担将这些能力嵌入真实业务流程的职责，确保输出具备可执行性、可观测性与可验证性。
如果说模型提供“能做什么”，Harness 定义的则是“如何做”。它涵盖上下文动态管理、执行流程控制、外部工具集成、结果一致性校验、异常恢复机制，也包括多个模型之间的协同策略设计。单个模型被直接调用时，仅完成问答响应；一旦纳入 Harness 架构，它便成为完整工作流中的一个可控节点。
Harness 的价值远不止于工程封装。
基元律动团队早前在 Claw-SWE-Bench 测试中指出：同一款模型在不同 Harness 配置下，任务完成率最大差异可达 27.4 个百分点。这意味着，不更换模型本身，仅优化其外围执行框架，即可带来接近三成的结果波动。
这种影响在实际场景中会被进一步放大。
多数真实任务并非一次问答即可终结。系统通常需完成意图解析、步骤拆解、信息检索、工具调用、结果验证与迭代修正等多个环节。任一环节稳定性不足，都会传导至最终交付效果。
过去，“全量交给最贵模型”是一种低风险策略：复杂任务怕出错，默认启用旗舰模型；简单任务也被裹挟其中，持续消耗高价算力。账单节节攀升，但交付质量却未必同步提升。
随着可用模型数量增多，选型逻辑也在演进。各模型逐渐形成差异化能力图谱，问题不再只是“哪个最强”，而是“哪一步该用哪个”。
这正是 Harness 的核心使命——它不参与基础模型研发竞赛，却深度介入模型调度逻辑、互补机制与结果验证路径，最终保障端到端交付的稳定性与确定性。
02. OpenSquilla 0.5.0：让模型真正组成一支作战单元
OpenSquilla 0.5.0 Preview 及同期发布的《Agentic Routing》技术白皮书，将上述理念具象化为可落地的产品方案。
OpenSquilla 并非新训练的大模型，而是一个开源、支持本地部署的 Agent 运行框架。它不涉及基础模型训练，专注构建模型之上的智能调度与协同体系。
Agentic Routing 可理解为“步骤级模型路由机制”。传统路由通常仅在请求入口处做一次静态判断，依据用户原始输入选择单一模型。而 Agentic Routing 的决策发生在 Agent 执行过程中，每推进一步，系统都会基于当前状态重新评估并动态匹配最优模型。
例如，轻量级工具调用可交由小模型快速响应；涉及长文本归纳、多跳推理或复杂代码生成时，则自动切换至更强模型；某些关键步骤甚至会并发调用多个模型，分别产出方案后再由聚合模块统一整合。
0.5.0 版本的核心突破在于实现了多模型协同闭环。
使用AIsa生成图像与视频。仅需一个API密钥即可调用Gemini 3 Pro Image（图像）和Qwen Wan 2.6（视频）。
在此架构中，四款国产模型处于并行提案层，各自独立完成信息搜索、逻辑推演与答案生成；第五个模型作为聚合中枢，对多个候选输出进行加权融合，输出最终结论。
该方法并无玄机，本质是应对单模型执行中固有的认知盲区。
单一模型检索资料时易遗漏关键信源；处理多重约束条件时也常顾此失彼。多模型并行探索，则相当于调动结构各异的能力体从不同视角协同补位，再通过聚合机制削弱个体偏差带来的不确定性。
OpenSquilla 团队在 DRACO 测试中展示了若干典型案例：
在跨文化电商结账流程任务中，单模型未能识别 Rakuten 平台特有的确认机制与 30 分钟自动取消窗口，多模型集成方案成功补全该细节；
在 AI 代码补全的用户体验分析中，单模型混淆了调试触发与功能开发的优先级逻辑，而多模型方案给出的交互节奏与时延预算更为精准；
在澳洲热泵烘干机横向对比任务中，单模型未覆盖全部机型的关键容量参数，多模型方案则提供了更完整的维度比对。
这些案例印证了一个事实：单模型在复杂任务中天然存在信息覆盖缺口。多模型并行提案+智能聚合，不仅能填补局部细节空白，更能显著提升整体结果鲁棒性。
值得注意的是，OpenSquilla 0.5.0 的多模型集成并非临时起意。回顾其演进路径可见清晰的技术脉络：
v0.1.0 实现智能路由，将简单任务导向低成本模型；
v0.3.0 引入 MetaSkill 自组织工作流，使 Agent 可按目标自主编排子任务；
v0.4.0 加入可验证编码与签名桌面版，将代码生成纳入可执行闭环验证；
直至 v0.5.0，多模型协同能力正式下沉至 Harness 层。
每一次迭代目标明确：让模型调用更可控、资源消耗更合理、交付结果更稳定。
03. 国产模型的价值重心，正从单点突破转向系统协同
OpenSquilla 0.5.0 在 DRACO 中的表现，本质上是一次阶段性快照。其深层意义在于揭示两个同步发生的结构性变化：国产模型能力日趋分化，模型组织范式亦加速成熟。
先看模型侧。
DRACO 单模型评测显示：DeepSeek V4 Pro 得分为 50.32，Qwen 3.7 为 49.34，GLM-5.2 为 48.28，虽与 Fable5 的 59.80 尚存差距，但已显现出差异化优势。单模型层面尚未全面赶超，但角色定位已然转变——它们不再是廉价替代品，而是在特定任务类型中逐步建立不可替代性。单点未必全能，但在合理组织框架下，组合效应可被充分释放。
再看组织侧。
以 Agentic Routing 为代表的新型路由机制，正从“按问题选模型”升级为“按执行态调度模型”。在 Agent 场景中，系统需实时感知任务所处阶段、风险等级变化、是否需要交叉验证或容错回滚，进而动态决策下一步模型调用策略。
OpenSquilla 的路由体系包含四层判断逻辑：从复杂度初筛、任务类型分类，到上下文状态识别，再到最终模型排序。其关键不在某项算法创新，而在于路由机制开始真正理解任务的“执行语境”。
同一任务在不同阶段所需模型可能截然不同：初期任务拆解可用轻量模型高效完成；进入证据链重建等高风险环节时，则无缝切换至更强模型；若验证失败，还可触发更强模型介入修正。路由决策的对象，已从原始用户提问，延伸至任务执行至此刻的完整状态快照。
每次路由动作均沉淀执行日志，含模型选择依据、实际输出、耗时与成本等字段。这些数据将持续反哺路由器优化，也可能用于训练更适配 Harness 场景的专用轻量模型。路由越精准，单位预算所能支撑的任务量越多，系统后续演进空间也越广阔。
OpenSquilla 0.5.0 的实践表明：当模型池足够丰富、调度逻辑足够精细，复杂任务完全不必默认绑定最昂贵模型。
04. Agent 的终极归宿，始终是可靠交付
AI 技术的价值落点，终究在于交付成效。
一个 Agent 是否真正融入生产环境，取决于三大刚性条件：任务能否完成、结果能否验证、成本能否承受。许多项目并非模型能力不足，而是规模化部署后 ROI 无法支撑。
OpenSquilla 0.5.0 所代表的方向，是将成本优化从粗放式“降配”，升维至精细化“能力匹配”。
所谓降配，仅是用低价模型替代高价模型，结果常伴随稳定性滑坡；而能力匹配追求的是：哪些环节必须启用强模型、哪些可交由轻量模型承接、哪些场景适合多模型协同攻坚。其目标是在质量与成本之间找到最优平衡点。
在此逻辑下，“降本”即剔除一切非必要高价调用。复杂任务无需全程依赖旗舰模型，只要模型组合科学、执行状态感知准确、验证机制健全，一组综合成本更低的模型，完全可能在部分任务中达成同等甚至更优表现。
当模型使用成本可通过系统工程手段有效压缩，那些曾因“ROI 不达标”被搁置的项目，便重新获得可行性评估机会。终端用户并不关心背后调用了几个模型，也不在意某款模型在榜单上的名次。他们真正关注的是：同样预算下，系统能稳定交付多少任务？出错后能否自动恢复？最终结果是否满足业务预期？
因此，AI 行业的效率红利，正从基础模型一侧，向模型组织与执行框架一侧持续延伸。
DRACO 的 100 道测试题只是一个切片样本，无法完全复现真实生产环境，亦不能替代长期运行验证。但它向行业传递了一个重要信号：解决复杂任务，未必只有等待更强模型这一条路。把现有模型组织得更细、更稳、更经济，本身就是一条极具潜力的技术路径。
