「去模型化」：AI 编程工具的下一场革命

2026年7月的第二周，AI 编程圈出现了三条看似无关、实则指向同一方向的开源动态。

第一条：阿里通义千问团队将 qwen-code 推到了 v0.19.8，25,000 颗星，Apache 2.0 协议。这个终端编程 Agent 同时支持 OpenAI、Anthropic、Gemini 和 Qwen 四种模型协议。开发者可以在一个命令里从 GPT-5.6 切到 Qwen 3.6，再切到本地 Ollama 部署的小模型，无缝衔接。

第二条：国产开源 Agent 项目 OpenOcta（八爪鱼）发布 v1.0.5 桌面版。30MB 安装包，双击就能跑。原生支持 DeepSeek、豆包、千问等国产模型，同时兼容 OpenAI 协议。内建钉钉、飞书、企业微信接入，7×24 小时远程响应。

第三条：OpenSquilla 0.4.0 引入 SquillaRouter——一个智能模型路由层。按照任务难度自动选择模型：简单的 CRUD 用小模型，复杂架构推理切大模型。综合成本下降 60% 到 80%。

三条新闻合在一起看，指向同一个趋势：AI 编程 Agent 正在将自己的核心竞争力从「背后是什么模型」转移到「框架和工程能力」上。模型正在变成可插拔的配件。

锁模型：一个正在塌方的商业模式

过去两年，AI 编程的商业逻辑建立在一条简单的链路上：

• Cursor 深度绑定 GPT 系列
• Claude Code 自然绑定 Claude API，在终端 AI 编程市场占据约 46% 的市场份额，年化收入达 10 亿美元
• GitHub Copilot 背靠 Azure OpenAI 的模型矩阵

用户选工具等于选模型，选了模型就等于被锁定。开发者的月费从 $10 到 $200 不等，实质上是模型 API 费用加上一层 Agent 封装溢价。

这套逻辑在 2024 年成立。那时候模型之间有显著的性能差，选错模型意味着写出来的代码质量差一个档次。开发者愿意忍受锁定，因为换来的生产力提升是实打实的。

2026 年 7 月，这个前提崩塌了。

不是因为某个模型退步了，而是因为所有模型都在进步，且差距在急剧缩小：

• GPT-5.6 Sol 和 Claude Fable 5 在 SWE-bench 上的差距不到 3 分
• Grok 4.5 的编码性能追平了 Claude Opus 4.8，Token 成本却只有后者的四分之一
• DeepSeek V4 Pro 的编码能力杀入了第一梯队，价格却只有 GPT-5.6 的十分之一

当性能差距缩小到个位数百分比，锁模型就从一个技术选择变成了一个经济负担。更致命的是，模型迭代的速度太快了——你三周前选的最强模型，三周后可能已经被三个竞争者追平。但你的工具还在用那个模型，因为切换成本太高。

框架为王：一场静默的基础设施革命

qwen-code 的架构揭示了一个关键设计决策：它不只是一个「支持多模型」的工具，而是把模型切换设计成了一等公民。

它的核心是 Agent 工作流引擎——任务拆解、上下文管理、工具调用、错误恢复——模型只是其中一个可替换的组件。你可以把底层从 Qwen 3.6 换成 GPT-5.5，qwen-code 的行为逻辑不变，只是「大脑」换了。

这个设计决策在 2024 年看起来像是「为了兼容性」。到了 2026 年 7 月，当中国模型的编程能力全面追平、Token 价格跌到闭源模型的十分之一时，「多协议」变成了最锋利的商业武器。

你不需要换 Agent。你只需要在 qwen-code 的配置里改一行 model 参数。

OpenSquilla 的 SquillaRouter 更进一步：它不让你手动选模型，而是让框架自己根据任务难度动态选择。简单 CRUD 用小模型，复杂架构推理切大模型。这意味着模型选择本身被自动化了——开发者甚至不需要知道自己正在用哪个模型。

这一模式在海外的 Pi Agent Core 项目中也得到了印证。它采用统一的多供应商 API 层（pi-ai），将 OpenAI、Anthropic、Google Gemini、AWS Bedrock 和本地 Ollama 的调用归一化到同一接口下，搭配 TypeScript 编写的 Agent 运行时，实现了真正的运行时无关（runtime-agnostic）架构。

产品 vs 框架：两种范式的对决

这不仅仅是一个技术趋势，更是两种商业范式的对决。

闭源产品范式（Cursor、Copilot、Claude Code）：整合体验、开箱即用、深度绑定特定模型生态。优势是做减法——用户不用关心底层，代价是丧失选择权。

开源框架范式（qwen-code、OpenOcta、OpenSquilla）：多模型兼容、高度可定制、将选择权交还给开发者。优势是做加法——用户拥有完全的模型自由度，代价是需要一定配置成本。

当模型之间性能差距大时，闭源产品的整合价值压倒了锁定的代价。当模型趋同时，锁定的代价压倒了整合价值。

这不是说闭源产品会消失。Cursor 的用户体验优化、Claude Code 的深度工具链整合，仍然有其不可替代的价值。但它们的定价权正在被侵蚀——当一个开源框架可以用十分之一的成本提供同等质量的编码体验时，$20/月的订阅费就开始显得昂贵了。

开发者的新能力：模型鉴赏力

去模型化带来的一个意外后果是：开发者需要培养一种全新的能力——模型鉴赏力。

过去，选 AI 编程工具就是选阵营。现在，同一个工具里可以同时接入五六个模型。你需要知道：哪些任务适合 GPT-5.6 的深度推理，哪些任务适合 DeepSeek V4 的成本效率，哪些场景下本地 Ollama 小模型就够用。

这就像从买整台电脑变成了自己攒机——你获得了更大的自由和更低的成本，但也需要更多的知识和判断。

幸运的是，像 SquillaRouter 这样的智能路由层正在让这种「模型鉴赏力」变得不那么必需。未来，框架会自动帮你做这些判断，你只需要说「帮我写个函数」，剩下的路由决策由工具完成。

写在最后

2026 年 7 月的这三条开源动态，单独看任何一个都不算惊天动地。但把它们放在一起，就能看清一条清晰的趋势线：AI 编程工具的核心价值，正在从「能调用最好的模型」转向「能用好任意模型」。

模型的商品化是不可逆的趋势。当所有模型的编码能力都「够好」的时候，真正拉开差距的，是谁的 Agent 工作流更智能、谁的上下文管理更高效、谁的工具调用更精准。

模型是武器，框架是兵法。有好武器的人很多，懂兵法的人很少。