開源 Agent Swarm 上線：Opus 4.8 規劃、Deepseek 執行，agentic loop 成本砍十倍

一套開源 AI agent swarm 框架正式上線，核心設計是分層模型路由：強模型負責規劃、輕量模型負責執行。與全程使用 Opus 4.8 相比，成本降低十倍，速度提升兩倍，效果相當。

具體架構上，Opus 4.8 與 GPT-5.5 擔任規劃層，負責拆解任務與排程；Deepseek flash 與 Gemma 承接執行層，跑實際工作負載。支援多工平行處理，官方點名的適用場景包括「修復 repo 所有已知 bug」與「review 最近十筆 PR」等大型 agentic loop。由 X 用戶 bindureddy 公開發布，表示已歷經大量實驗驗證。

這套設計的意涵在於：agent 成本優化的主戰場，看起來正從「換一個更便宜的單一模型」移向「按任務難度動態分配算力的編排層」。這意味著未來的 cost/performance frontier 理論上不再由單一模型決定，而是由編排策略定義，對正在設計大型 agentic pipeline 的工程師來說，值得重新審視架構選型邏輯，而非只盯著模型定價表。