先说结论：你要是还在给AI应用烧顶级模型的Token，这事儿得认真看看了。2026年7月，基元律动开源了OpenSquilla 0.5.0 Preview——一个专门帮AI Agent"省着花"的微内核框架。我花了两天时间跑了一遍文档和DRACO公开评测数据，这玩意儿确实有点东西。
一句话说清楚它是干嘛的
你问AI"你好"，它调GPT-5.5。你让它写个复杂代码，它还是调GPT-5.5。所有问题一个价，这就是目前大多数AI应用的现状。OpenSquilla做的事很简单：装了一个本地分类器，每句话进来先判断难度，T0级别的废话扔给最便宜的模型，只有T3级别的高难度推理才调用顶级模型。
实测结果：Token总成本降60%~80%，输出质量跟全程顶配模型没统计学差别。简单说，你以前花一碗面的钱干的事，现在一个包子的钱就够了。
100行核心代码，这架构思路挺聪明
整个框架的调度中枢只有约100行Python。所有功能全做成插件，插件崩了核心不动。打个比方：传统框架崩溃是整艘船沉，它崩溃顶多掉一架舰载机，剩下的照常干活。
这个设计思路其实很务实——AI框架最怕的不是功能不够多，是不稳定。你接了10个插件，一个出问题全挂，那还不如不接。OpenSquilla用微内核的思路解决了这个问题，对想在生产环境跑Agent的开发者来说，这比什么花哨功能都重要。
这次最狠的更新：国产模型组队打团战
0.5.0 Preview首次加入了"多模型集成协作"。让DeepSeek v4、GLM-5.2、Kimi K2.7、Qwen3.7这些国产悍将同时开工，各搜各的、各算各的，最后由一个队长模型汇总分歧、拍板给答案。
单个模型容易漏信息、算错数，四个模型同时上，互相校验，准确率自然就上去了。这思路不复杂，但之前没人做成标准化的开源框架。
DRACO评测数据：便宜还能打
口说无凭，直接看数据。在100道高难度深度研究任务里：
OpenSquilla带DuckDuckGo搜索：平均分60.85，比Anthropic最新的Fable 5（59.80分）还高一点点，成本只要后者的三分之一，一次任务0.39美元。
换成Brave Search更离谱：平均分64.09，吊打单跑的Opus 4.8和GPT-5.5，成本0.12美元，比对比方案低了86%~92%。
这是全场唯一一个同时拿下"最高分+最低成本"双黄蛋的选手。国产模型组团暴打海外旗舰，不夸张。
对开发者意味着什么
以前做AI应用，预算大头全扔在API调用上。Token烧得心疼，但不用顶级模型又怕输出质量跟不上。OpenSquilla把这个问题解耦了：智能路由决定用哪个模型，多模型协作保证输出质量。
省下来的成本可以拿去打磨产品、做增长、搞用户体验。对于独立开发者和中小团队来说，这可能是个拐点——AI应用终于不需要"烧钱换体验"了。
当然也不是完美的
多模型协作的调度目前还吃开发者经验，不是开箱即用的傻瓜式。一些极端复杂的多步推理偶尔会犹豫选哪个模型。SquillaRouter本地分类器对中文场景的适配还没有英文那么成熟。
但这些都不是方向性问题，是工程优化问题。关键是开源社区把"顶级模型卷参数"的叙事撕了一个口子——智能密度不应该是顶级模型的专利，任务调度和模型编排的"编排智商"可能才是下一个护城河。
我会持续关注这个项目。如果它能把中文场景的T0-T3分类再打磨一下，对国内开发者来说，这就是AI Agent落地成本问题的一个关键解法。
看到'省着花'三个字我就进来了。如果可以让我用便宜模型糊弄老板的日常提问，关键时刻再上顶级模型，那简直完美?
本地SquillaRouter这个设计挺巧妙的，不上云就能做T0-T3分级。不过我关心的是中文场景的适配——中文的语义复杂度分层跟英文差别挺大，这个得看后续更新。
DRACO那个评测我看了，0.12美元一次任务确实夸张。但说实话，多模型协作的调度还是个技术活，四个模型同时跑，队长模型怎么汇总分歧、怎么避免群体思维，细节决定成败。不过方向没毛病。
成本降80%这个数字对独立开发者太关键了。现在做个AI应用，Token费占运营成本大头，OpenSquilla如果能把这部分砍掉，小团队也能做出有竞争力的AI产品。关注一波。
100行核心代码这个架构思路真的稳。我见过太多框架上来就整一堆抽象层，结果一个依赖挂了全崩。微内核+插件这路子是对的，生产环境最怕的不是功能少，是不稳定。