基元律动OpenSquilla实测：任务分级路由如何省下模型调用费

有个感觉越来越明显，

Agent 越做越强，成本却越来越顶不住。

最直观的例子是 Codex 的额度缩得厉害。以前 200 刀的额度我能用一周，如今超过 3 天还没用完，只可能是我闲得去刷红果了。

这里头就冒出个挺有意思的问题：

“每个任务是不是真都得用最好、最强的模型？”

当然不是，就算开发，任务难度也分三六九等。

可我发现，平时用一些 Coding Agent 的时候，脑子里常冒出来的念头是：

“给老子顶满”。

不用则已，用就用最好的。结果账单一出来，人傻了。

冷静下来其实都明白，不少任务的需求挺简单，比如“帮我把字号调大一点”“帮我把颜色换成蓝色”这类。只是我们平时不太在意。

很明显，中间缺了一层路由，来帮我们判断任务难易。

所谓路由，就是让 Agent 按任务难度来，在保证质量的同时把成本压到最低。

于是我拿这个问题问 Grok：开源的 Agent 里，哪家做模型智能路由做得比较好？它推荐了 OpenSquilla。

这也是之前介绍过的基元律动的项目，现在已经有 7.1k star。

它的本地路由器把任务分成四个档位：C0、C1、C2、C3。每个档位对应不同模型，具体选哪个，由基元律动每月的模型推荐榜单决定。

十一月的配置是这样：

C0 档位用 Qwen-3.8-flash，C1 档位用 DeepSeek-V4.1-Flash，C2 档位配 GLM-5.3，C3 档位配 Kimi K3。

客户端下载好，直接在设置里就能配置。

我手上正好有两个项目，可以拿来试试这套路由的深浅。

第一个是我的知识库网站，界面上有些样式要改。

比如这一处：搜索弹窗按下 esc 之后会出现黑框选中的样式，我觉得挺丑，想把它去掉。

换平时，这种活儿一般直接上 Opus 5.5。

但 OpenSquilla 替我做了决策，认为 Qwen-3.8-flash 应付这种问题足够了。

也确实，一下就把问题解决了。

还有个习惯，平时用起来挺奢侈、也挺懒的，同样得益于这套路由分类。

还是拿我这个知识库网站的开发来说。

刚改完代码，想看看效果，可我又懒得在本机起服务端口，就让agent替我启动。这活儿平时是opus 5.5在干。

但这种事哪用得着opus 5.5，纯属杀鸡用牛刀。

OpenSquilla还是毫不犹豫地选了Qwen-3.8-flash来跑。

那有没有任务会被派给更高一层的模型？

当然有。

我有个用rust+gpui写的Markdown笔记应用，就拿它举例。

现在提了个需求。

侧边栏有搜索功能，我希望搜索时能跳到对应搜索词所在文档的那一行，再把那个词短暂高亮一下，用起来会舒服些。

这一回，它直接挑了glm-5.3来干。

顺带还发现了另一个问题，干脆一起让它fix掉。

这次直接给到最高档，由K3出手解决。

全部搞定之后，来看下效果：

一遍就把任务做完了。

再看这几个任务的花费。

几个任务加起来，花了不到6刀。

要是按我以往什么都上Claude的路子，我估摸着费用起码贵6-7倍。

话说回来。

不同难度档位配不同模型，那这份档位会一直固定不变吗？

显然不会。

基元律动每个月都会评测一次模型。

内部有两个Benchmark：Claw-SWE-Bench专门测模型的代码修复任务，App World则专门测跨应用任务。

按它们给出的推荐配置，同一套Benchmark下，得分比之前高32%，费用反倒低了22%。

好刀用在刀刃上，说的就是这个道理。用的时候我还碰上个彩蛋。

当时OpenSquilla上线了一个神秘模型，叫Egg Alpha。可惜那会儿看到没截图，等写稿写到这儿，它已经下线了。

这信号再明显不过：新模型马上就到。

这也让人想起海外openrouter上匿名模型测试的场面。国内如今也有了这种味道。

鱼和水互相依赖，模型也一样。水要干净、合鱼的脾性，模型则得有个足够真实、足够开放的环境，才清楚自己到底几斤几两。

基元律动这边，Agent产品经验有，模型训练上的积累也有。什么样的任务能测出模型本事，他们心里有数，也就能更好地帮用户做选择。

往后Agent之争，未必看谁接入了最强模型，而是看谁更懂在合适的时候用合适的模型。毕竟不是所有任务都得上Opus 5.5。