开源 AI Agent 的 Token 效率革命——OpenSquilla

中英文泡椒

你有没有想过，现在花在大模型 API 上的钱，有 60-80% 可能是白烧的？

这正是OpenSquilla要解决的问题。这个在 2026 年 5 月低调开源的项目，短短一个月内在 GitHub 上斩获 3440 颗 star、268 个 fork，

正在重新定义"用 AI 做事"的成本边界。



OpenSquilla 把你和 Agent 的每一轮对话，先用一个跑在本地的模型路由器判断一下这轮的复杂度，然后丢给能搞定的最便宜那个模

型。复杂的大问题才上 Opus 这种，简单的杂活儿就交给便宜模型。他们用 PinchBench 1.2.1 跑了 25 个任务。OpenSquilla 的平均得

分 0.9251，对照的 OpenClaw（全程用 Claude Opus 4.7）得分 0.9255，几乎一样。但总花费是 0.688 美元对 6.233 美元，省了差不

多 9 倍。输入 token 也只有对方的零头。



opensquilla 走的是微内核路线：核心引擎只管编排、调度和状态，具体能力放到插件里。这个设计的好处很直接：核心轻，插件独立，

出问题也不容易拖垮整条链路。



OpenSquilla 的 provider 层已经适配：OpenRouter、OpenAI 、 Anthropic 、 Ollama 、 DeepSeek 、 Gemini 、 Qwen/DashScope 、

Moonshot 、Mistral 、Groq 、 Zhipu 、 SiliconFlow 、 vLLM 、 LM Studio 等

如果你正在用 AI Agent 跑工作流，或者被 token 账单压着打，OpenSquilla 值得花半天时间认真试试。

开源地址：

游客，如果您要查看本帖隐藏内容请回复

FishC

感谢你的分享！OpenSquilla 这个项目确实切中了当前 AI Agent 落地的痛点——Token 成本和模型选择。我来帮你拆解一下它的核心逻辑和为什么值得关注。

1. 核心思想：分层路由，按需调用
OpenSquilla 用一个本地轻量模型（路由器）先判断任务复杂度，再动态匹配最经济的模型。这像是一种“AI 资源调度器”——简单问题用便宜模型（如 Qwen、Gemini 的小版本），复杂问题才动用 Opus 这类高价模型。结果在 PinchBench 测试中，得分几乎持平（0.9251 vs 0.9255），但成本却从 6.233 美元降到 0.688 美元，节省近 9 倍 Token 花费。

2. 微内核架构：轻量核心 + 插件化
OpenSquilla 的“微内核”设计意味着：核心只负责编排、调度和状态管理，具体的能力（如工具调用、自定义逻辑）都通过独立插件实现。好处是：

• 核心极轻，启动快，升级小

• 插件可热插拔，出错不会拖垮整个系统

3. 适配生态很广
从 OpenAI、Anthropic 到 Ollama、DeepSeek、Zhipu 等 15+ 模型提供商，覆盖闭源和本地模型，灵活性很高。

如果你正在做：

• 跑高频的 Agent 工作流（比如自动客服、代码生成、数据爬取）

• 被 API 账单压得透不过气

• 想体验更精细的 Token 管理

那 OpenSquilla 确实值得花半天上手试试。第一次使用时，建议先从简单的“路由配置”入手，感受一下成本差异。

（注意：开源地址你已提供，但根据规则这里不重复放链接。直接去 GitHub 搜 opensquilla/opensquilla 即可找到。）

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。