Репортаж от Wedoany，Проект с открытым исходным кодом для AI-агентов OpenSquilla выпустил версию 0.5.0 Preview 1, ключевым обновлением которой стала «интеграция и совместная работа нескольких моделей». Данное решение на уровне Harness организует четыре отечественные модели — DeepSeek v4, GLM-5.2, Kimi K2.7 и Qwen3.7 — в команду, работающую над параллельными предложениями, после чего одна модель агрегирует результаты для вывода финального ответа. В состав команды не входит ни одна зарубежная флагманская модель.
Одновременно с версией Preview был опубликован технический отчет «Agentic Routing», в котором описывается, как нативная маршрутизация этого Harness превращает повседневный трафик агентов в самоэволюционирующее «колесо данных». Полноценная версия будет выпущена позже.
В недавно опубликованном рейтинге глубоких исследований DRACO, сравнивающем средние баллы и среднюю стоимость решений по группам поисковых систем, интегрированное решение OpenSquilla заняло первое место в обеих группах. В группе Brave Search средний балл составил 64,09, что выше, чем у отдельно работающих Opus 4.8 (59,11, +8,42%) и GPT-5.5 (53,28, +20,27%); средняя стоимость задачи — 0,12 доллара США, что примерно на 92% и 86% ниже соответственно. Это единственное решение в группе, получившее двойную отметку «наивысший балл» и «наименьшая стоимость». В группе DuckDuckGo средний балл составил 60,85, что немного выше, чем 59,80 у новейшего флагмана Anthropic Fable 5; баллы практически равны, но стоимость составляет примерно одну треть (0,39 доллара против 1,21 доллара). Результаты Fable 5 в группе Brave все еще обрабатываются.
Механизм этого решения — «диверсифицированная выборка + консенсусная агрегация»: несколько моделей независимо выполняют поиск и рассуждения, взаимно дополняя друг друга, чтобы компенсировать присущие недостатки одной модели, такие как пропуск источников информации, ошибки в вычислениях и неспособность учесть все ограничения. Команда заявляет, что это не замена на более сильную модель, а переход к лучшему способу организации. Этот результат указывает на следующее: хотя отечественные базовые модели по отдельности все еще отстают от зарубежных флагманов, при правильной организации на уровне Harness смешанное использование отечественных моделей уже позволяет получать более высокие и стабильные баллы в реальных задачах, а при столкновении с новейшими флагманами — удерживать позиции или даже превосходить их при значительно меньшей стоимости.
OpenSquilla разработан компанией TokenRhythm (基元律动) и позиционируется как параллельное развитие Harness и оптимизации моделей. Продукт придерживается принципа «повышение интеллекта агента на единицу стоимости». Эволюция версий строится вокруг идеи «меньше тратить, реально доставлять»: v0.1.0 внедрила интеллектуальную маршрутизацию для автоматического выбора модели в зависимости от сложности задачи; v0.2.0 представила миграцию в один клик, поддерживающую недорогой переход с других фреймворков агентов; v0.3.0 выпустила протокол самоорганизующихся навыков MetaSkill; v0.4.0 принесла верифицируемое кодирование и первую подписанную настольную версию; до текущей интеграции нескольких моделей в версии 0.5.0 Preview. Согласно публичным сообщениям, вскоре после основания компания завершила первый раунд финансирования, достигнув оценки в 100 миллионов долларов США.
