de.wedoany.com-Bericht: Das Open-Source-KI-Agent-Projekt OpenSquilla hat die Version 0.5.0 Preview 1 veröffentlicht. Die Kernaktualisierung ist die „Multi-Modell-Integration und -Kollaboration". Diese Lösung organisiert auf der Harness-Ebene die vier inländischen Modelle DeepSeek v4, GLM-5.2, Kimi K2.7 und Qwen3.7 zu einem parallel arbeitenden Vorschlagsteam, das dann von einem Modell aggregiert wird, um das endgültige Ergebnis zu liefern. Das Team enthält keine ausländischen Flaggschiff-Modelle.
Der zeitgleich mit der Preview-Version veröffentlichte technische Bericht „Agentic Routing" erläutert, wie dieses native Harness-Routing den täglichen Agentenverkehr in eine sich selbst entwickelnde Daten-Flywheel verwandelt. Die offizielle Version wurde anschließend veröffentlicht.
Die kürzlich veröffentlichte DRACO-Tiefenstudien-Rangliste vergleicht die durchschnittlichen Punktzahlen und Durchschnittskosten der einzelnen Lösungen, gruppiert nach Suchmaschinen. Die integrierte Lösung von OpenSquilla belegt in beiden Gruppen den ersten Platz. In der Brave Search-Gruppe beträgt die Durchschnittspunktzahl 64,09, höher als die von Opus 4.8 (59,11, +8,42 %) und GPT-5.5 (53,28, +20,27 %), die allein laufen; die durchschnittlichen Aufgabenkosten betragen 0,12 USD, etwa 92 % bzw. 86 % niedriger, was sie zur einzigen Lösung in dieser Gruppe macht, die sowohl die Auszeichnung „Höchste Punktzahl" als auch „Niedrigste Kosten" erhält. In der DuckDuckGo-Gruppe beträgt die Durchschnittspunktzahl 60,85, leicht höher als die 59,80 des neuesten Anthropic-Flaggschiffs Fable 5, die Punktzahlen sind im Wesentlichen gleich, aber die Kosten betragen etwa ein Drittel (0,39 USD gegenüber 1,21 USD); die Ergebnisse von Fable 5 in der Brave-Gruppe werden noch berechnet.
Der Mechanismus dieser Lösung ist „Diversitäts-Sampling + Konsens-Aggregation": Mehrere Modelle führen unabhängig voneinander Suche und Schlussfolgerungen durch und ergänzen sich gegenseitig, um die inhärenten Schwächen eines einzelnen Modells auszugleichen, wie das Übersehen von Informationsquellen, Rechenfehler und die Unfähigkeit, alle Einschränkungen zu berücksichtigen. Das Team erklärt, dass es nicht darum geht, ein stärkeres Modell auszutauschen, sondern eine bessere Organisationsweise zu finden. Dieses Ergebnis deutet auf eine Einschätzung hin: Inländische Basismodelle haben im Alleingang immer noch eine Lücke zu den ausländischen Flaggschiffen, aber bei angemessener Organisation auf der Harness-Ebene können gemischte inländische Modelle bei realen Aufgaben bereits höhere und stabilere Punktzahlen erzielen und sich gegen die neueste Generation von Flaggschiffen behaupten oder sie sogar übertreffen, während die Kosten nur ein Bruchteil betragen.
OpenSquilla wird von TokenRhythm entwickelt und verfolgt einen dualen Ansatz mit Harness- und Modelloptimierung. Das Produkt verspricht, „die Agentenintelligenz pro Kosteneinheit zu steigern". Die Versionenentwicklung dreht sich um „weniger Geld verbrennen, echte Lieferung": v0.1.0 führte intelligentes Routing ein, das Modelle automatisch basierend auf der Aufgabenkomplexität auswählt; v0.2.0 brachte eine Ein-Klick-Migration, die einen kostengünstigen Wechsel von anderen Agent-Frameworks unterstützt; v0.3.0 veröffentlichte das MetaSkill-Selbstorganisationsfähigkeitsprotokoll; v0.4.0 brachte überprüfbare Codierung und die erste signierte Desktop-Version; bis zur Multi-Modell-Integration dieser 0.5.0 Preview. Laut öffentlichen Berichten schloss das Unternehmen kurz nach seiner Gründung seine erste Finanzierungsrunde ab und wurde mit 100 Millionen USD bewertet.
