คนที่ใช้งาน AI agent แบบจริงจังน่าจะรู้ดีว่าค่า token คือต้นทุนก้อนใหญ่ที่ควบคุมได้ยาก ซึ่ง OpenSquilla คือ AI agent โอเพนซอร์สบน GitHub ที่ถูกพัฒนาขึ้นมาเพื่อช่วยลดค่าใช้จ่ายส่วนนี้โดยเฉพาะ โดย AI agent ก็คือผู้ช่วย AI ที่ช่วยลงมือทำงานต่างๆ ให้เราได้เอง เช่น เขียนโค้ด แก้บั๊ก หรือค้นหาข้อมูล

token คือหน่วยที่ผู้ให้บริการ AI ใช้คิดเงินตามปริมาณข้อความที่รับส่ง ยิ่งเราสั่งงานเยอะ บิลก็ยิ่งบวมขึ้นเรื่อยๆ สาเหตุหลักที่ทำให้ค่าใช้จ่ายพุ่งไว มักมาจากเรื่องเดิมๆ นั่นคือทุกคำสั่งถูกส่งไปให้โมเดลตัวเก่งราคาแพงประมวลผลทั้งหมด แม้จะเป็นงานเล็กๆ อย่างการเปลี่ยนชื่อตัวแปรหรือจัดฟอร์แมตโค้ด ก็ยังต้องจ่ายในราคาเดียวกับงานใหญ่ระดับออกแบบระบบทั้งก้อน

หัวใจสำคัญของ OpenSquilla คือระบบจัดเส้นทางโมเดลซึ่งทำงานอยู่บนเครื่องเราเอง ในชื่อ SquillaRouter ซึ่งจะคอยวิเคราะห์งานแต่ละรอบว่ายากหรือง่าย แล้วเลือกส่งไปให้โมเดลที่ราคาถูกที่สุดเท่าที่ยังรับมือไหว งานง่ายใช้ตัวถูก งานยากค่อยส่งให้ตัวแพง แทนที่จะฝากทุกอย่างไว้กับโมเดลตัวเดียว คำโปรยของโปรเจกต์สรุปเป้าหมายไว้อย่างชัดเจนว่า ช่วยให้เราทำงานได้มากขึ้นในงบเท่าเดิม แถมยังได้ผลลัพธ์ที่ดีขึ้นด้วย

ตั้งโมเดลราคาถูกตัวเดียวทิ้งไว้ก็ไม่ใช่ทางออก

ทางออกที่หลายคนนึกถึงเป็นอันดับแรก คือการตั้งโมเดลราคาถูกเป็นตัวหลักทิ้งไว้เลย แต่พองานยากๆ เข้ามา โมเดลเล็กมักจะทำไม่ผ่านจนต้องวนแก้หลายรอบ สุดท้ายกลายเป็นว่าเสีย token ไปกับการลองผิดลองถูกยิ่งกว่าเดิม การตั้งค่าโมเดลแบบตายตัว ไม่ว่าจะเลือกตัวถูกหรือตัวแพง จึงไม่ใช่การแก้ปัญหาที่ตรงจุด ทางแก้ที่แท้จริงคือการจับคู่โมเดลให้เหมาะกับความยากของงานเป็นรายครั้ง

การหาทางลดค่า token ของ agent ถือเป็นโจทย์ที่หลายเครื่องมือพยายามแก้ไข อย่าง Headroom เครื่องมือจากวิศวกร Netflix ก็เน้นไปที่การบีบปริมาณ token ให้เล็กลง ส่วน OpenSquilla เลือกแก้ปัญหาตั้งแต่จุดเริ่มต้น ด้วยการเลือกโมเดลให้เหมาะสมแทน

SquillaRouter วิเคราะห์งานแต่ละรอบ พร้อมเลือกโมเดลให้อัตโนมัติ

ตัวจัดเส้นทางโมเดล หรือ model router คือส่วนที่เข้ามาดูแลเรื่องนี้ให้อัตโนมัติ โดยใน OpenSquilla มันคือโมเดลขนาดเล็กที่รันอยู่ในเครื่องของเราเอง ภายใต้ชื่อ SquillaRouter

ทุกครั้งที่เราส่งคำสั่งเข้าไป SquillaRouter จะอ่านคำสั่งล่วงหน้า โดยประเมินจากความยาว ภาษาที่ใช้ การมีโค้ดปน คีย์เวิร์ด และความหมายโดยรวม เพื่อให้คะแนนความยากของงาน จากนั้นจะแบ่งงานออกเป็น 4 ระดับ (เรียกว่า C0 ถึง C3) ก่อนจะส่งต่อไปยังโมเดลที่ราคาถูกที่สุดที่รับมือกับงานระดับนั้นได้

จุดเด่นคือกระบวนการตัดสินใจทั้งหมดนี้เกิดขึ้นภายในเครื่องของเราเอง คำสั่งจึงไม่ต้องถูกส่งออกไปประมวลผลข้างนอกเพียงเพื่อเลือกโมเดล นอกจากนี้ SquillaRouter ยังเปิดใช้โหมดคิดละเอียด (extended reasoning) เฉพาะงานที่ซับซ้อนจริงๆ เท่านั้น ส่วนงานง่ายๆ ก็จะช่วยตัดคำสั่งระบบให้สั้นลง ทำให้ไม่เสีย token ไปกับสิ่งที่ไม่จำเป็น

ตัวเลขผลการทดสอบจากทีมผู้พัฒนา

ทีมงาน OpenSquilla ได้เผยแพร่ตารางเปรียบเทียบผลการทดสอบบนหน้า GitHub repo ของตัวเอง โดยใช้ชุดทดสอบ PinchBench 1.2.1 คิดค่าเฉลี่ยจาก 25 งาน เป็นการเทียบกันระหว่าง OpenSquilla ที่ใช้ router ผสมโมเดล Opus 4.7, GLM 5.1 และ DS4 Flash กับ OpenClaw ที่ใช้ Claude Opus 4.7 เพียงตัวเดียว

จากผลการทดสอบ คะแนนคุณภาพของทั้งสองฝั่งถือว่าแทบไม่ต่างกัน โดย OpenClaw สูงกว่าเพียงเล็กน้อยเท่านั้น แต่ต้นทุนรวมของ OpenSquilla อยู่ที่ $0.688 ในขณะที่ OpenClaw สูงถึง $6.233 ซึ่งเป็นภาพที่ทางโปรเจกต์ต้องการแสดงให้เห็นว่า สามารถทำผลงานได้คุณภาพใกล้เคียงกัน แต่จ่ายถูกกว่ามาก

อย่างไรก็ตาม ต้องย้ำว่าตัวเลขชุดนี้มาจากการทดสอบที่ทีม OpenSquilla จัดทำและปล่อยออกมาด้วยตัวเอง ไม่ใช่ผลการทดสอบจากคนกลาง เช่นเดียวกับรายงานทางเทคนิคอีกฉบับที่ทางทีมอ้างว่า การผสมหลายโมเดลให้ผลลัพธ์ดีกว่า Fable 5 ข้อมูลทั้งหมดนี้จึงยังเป็นเพียงคำอ้างอิงจากฝั่งผู้พัฒนา ซึ่งควรถือเป็นจุดเริ่มต้นให้ทดลองใช้งานเอง มากกว่าจะสรุปว่าเป็นข้อเท็จจริงที่ผ่านการพิสูจน์โดยบุคคลที่สามแล้ว

ฟีเจอร์อื่นๆ ที่ทำให้เป็น AI agent เต็มตัว

เบื้องหลังของ OpenSquilla ไม่ได้มีแค่ router เท่านั้น แต่ยังมีฟีเจอร์อีกหลายอย่างที่ช่วยให้ทำงานเป็น agent ได้อย่างสมบูรณ์

หน่วยความจำถาวร ระบบจะบันทึกข้อมูลที่ควรจำลงในไฟล์ MEMORY.md ที่กลั่นกรองไว้แล้ว พร้อมทั้งมีบันทึกย่อยแยกตามวันที่ เมื่อต้องการดึงกลับมาใช้ก็ค้นหาได้ทั้งแบบคีย์เวิร์ดตรงๆ และแบบค้นหาตามความหมาย (semantic) ซึ่งกระบวนการแปลงข้อความเพื่อค้นหาเชิงความหมายนี้ สามารถรันในเครื่องได้ทันทีโดยไม่ต้องพึ่งพาบริการภายนอก

แซนด์บ็อกซ์แบ่งเป็นชั้น การเปิดให้ agent รันคำสั่งเองย่อมมีความเสี่ยง ปัญหาเรื่องปล่อย AI agent ทำงานเองแล้วมันหลุดมือ จึงเป็นเรื่องที่ต้องป้องกันไว้ก่อน OpenSquilla จึงออกแบบระดับความปลอดภัยไว้ 3 ชั้น (Standard / Strict / Locked) เพื่อให้เลือกควบคุมการเข้าถึงของ agent ได้ตามต้องการ

ค้นหาเว็บได้ในตัว สามารถค้นหาข้อมูลอัปเดตสดใหม่จากอินเทอร์เน็ตได้ทันที โดยไม่ต้องเชื่อมต่อเครื่องมือเสริมเพิ่มเติม

ที่สำคัญคือทุกช่องทางการสั่งงานจะวิ่งผ่านลูปการทำงานเดียวกัน (ในโปรเจกต์เรียกว่า TurnRunner) ทำให้ไม่ว่าจะสั่งงานจากช่องทางไหน ทั้งการเรียกใช้เครื่องมือ การลองใหม่เมื่อเกิดข้อผิดพลาด และการบันทึกประวัติการตัดสินใจ จะทำงานด้วยมาตรฐานเดียวกันทั้งหมด นอกจากนี้ หากต้องการตรวจสอบว่าแต่ละงานใช้ token ไปเท่าไร ก็สามารถสั่ง opensquilla cost เพื่อดูสรุปต้นทุนต่อรอบและต่อ session ได้ทันที

ใช้งานได้หลากหลายช่องทาง พร้อมรองรับโมเดลกว่า 20 ค่าย

อีกหนึ่งจุดเด่นที่ตอบโจทย์การใช้งานจริง คือ OpenSquilla สามารถใช้งานได้อย่างเป็นเอกภาพในทุกแพลตฟอร์ม ไม่ว่าจะเป็นบน terminal, หน้าเว็บ (Web UI) หรือในแอปแชตอย่าง Telegram, Slack และ Discord เนื่องจากทุกช่องทางวิ่งผ่านลูปการทำงานเดียวกัน

ด้านการรองรับโมเดล OpenSquilla เชื่อมต่อได้มากกว่า 20 ค่าย เช่น OpenAI, Anthropic, Gemini, DeepSeek, Qwen และ OpenRouter รวมถึง Ollama ที่ช่วยให้รันโมเดลในเครื่องได้เอง สามารถสลับหรือจับคู่ผสมหลายค่ายได้ทันทีโดยไม่ต้องแก้ไขโค้ด พร้อมทั้งกำหนดโมเดลหลัก (primary) และโมเดลสำรอง (fallback) เผื่อไว้ได้ด้วย

ตัวโปรแกรมรองรับการติดตั้งทั้งบน Windows, macOS และ Linux โดยเลือกได้ว่าจะลงผ่าน terminal หรือใช้ตัวติดตั้งแบบเดสก์ท็อป (รองรับทั้ง macOS Apple Silicon และ Windows x64) โดยรวมถือว่าเหมาะอย่างยิ่งสำหรับสาย vibe coding, นักพัฒนาที่ต้องการคุมค่า API, คนที่ใช้งานโมเดลหลายค่ายอยู่แล้ว รวมถึงทีมที่มองหา agent ตัวเดียวที่ใช้งานครอบคลุมทั้ง terminal, หน้าเว็บ และแชต

ข้อควรรู้ก่อนเริ่มใช้งาน

ก่อนจะเริ่มทดลองใช้งาน มีข้อสังเกตสำคัญที่ควรรู้ไว้ก่อนดังนี้

ปัจจุบัน OpenSquilla ยังอยู่ในช่วงทดสอบ หรือสถานะ preview โดยเลขล่าสุดอยู่ที่ 0.5.0 Preview 4 ยังไม่ใช่รุ่นที่เสถียรสมบูรณ์ จึงอาจพบบั๊กหรือมีการปรับเปลี่ยนฟีเจอร์ระหว่างทางได้

การประหยัดต้นทุนของระบบเกิดจากการเลือกใช้โมเดลให้เหมาะสมกับงาน ไม่ได้หมายความว่าเปิดให้ใช้งานฟรี ผู้ใช้ยังคงต้องเตรียม API key จากเจ้าของบริการโมเดลไว้ หรือหากไม่อยากเสียค่าบริการเป็นรายครั้ง ก็เลือกรันโมเดลภายในเครื่องผ่าน Ollama ได้เช่นกัน

สำหรับการใช้งาน SquillaRouter จำเป็นต้องมีรันไทม์เสริมเพิ่มเติม เนื่องจากเบื้องหลังคือโมเดลจำแนกประเภทที่พัฒนาบน ONNX และ LightGBM ทำให้บางระบบปฏิบัติการต้องติดตั้งส่วนเสริมเพิ่ม เช่น ฝั่ง Windows ต้องติดตั้ง Visual C++ Redistributable ส่วน macOS ต้องติดตั้ง OpenMP (ติดตั้งผ่านคำสั่ง brew install libomp) หากระบบยังไม่มีรันไทม์เหล่านี้ OpenSquilla จะยังคงทำงานได้ตามปกติ แต่จะสลับไปใช้โมเดลเดี่ยวโดยตรงแทน จนกว่าจะติดตั้งส่วนเสริมจนครบ

นอกจากนี้ ตัวติดตั้งสำหรับ Windows ยังไม่ได้เซ็นใบรับรองดิจิทัล (unsigned) ขณะเปิดใช้งานจึงอาจโดนระบบ SmartScreen แจ้งเตือน วิธีแก้ไขคือให้คลิก More info แล้วเลือก Run anyway เพื่อดำเนินการต่อ

ขั้นตอนการเริ่มใช้งาน

หากคุณต้องการทดลองใช้งาน วิธีที่ทางโปรเจกต์แนะนำคือติดตั้งผ่าน uv ซึ่งเป็นเครื่องมือจัดการแพ็กเกจของ Python จากนั้นให้รันคำสั่ง onboard เพื่อกำหนดค่าผู้ให้บริการและสั่งเปิด router

# 1) ติดตั้ง uv (ข้ามได้ถ้ามีอยู่แล้ว)
# Linux / macOS
curl -LsSf https://astral.sh/uv/install.sh | sh
# Windows PowerShell
irm https://astral.sh/uv/install.ps1 | iex

# 2) ติดตั้ง OpenSquilla (แทน <release-wheel-url> ด้วยลิงก์ไฟล์ release จากหน้า repo)
uv tool install --python 3.12 "opensquilla[recommended] @ <release-wheel-url>"

# 3) ตั้งค่าและเปิดใช้งาน
opensquilla onboard
opensquilla gateway run

หากคุณไม่อยากยุ่งยากกับ terminal ก็สามารถดาวน์โหลดตัวติดตั้งแบบเดสก์ท็อปมาใช้งานได้เช่นกัน โดยค่าเริ่มต้นของระบบจะเปิดใช้งาน SquillaRouter ให้อัตโนมัติบนผู้ให้บริการที่รองรับ แต่ถ้าต้องการปิดเพื่อกลับไปใช้โมเดลเดี่ยว ก็ใส่แฟล็ก --router disabled ได้

ทุกวันนี้มีโมเดล AI รุ่นใหม่ๆ เปิดตัวออกมาถี่ขึ้นเรื่อยๆ ซึ่งแต่ละตัวก็มีความถนัดแตกต่างกันไป การมานั่งคัดเลือกเองว่างานไหนควรใช้โมเดลอะไรจึงกลายเป็นเรื่องยุ่งยากและเสียเวลา แนวคิดของ OpenSquilla คือการโยนหน้าที่ตัดสินใจนี้ไปให้ agent จัดการแทนในทุกๆ รอบ และถ้าเลือกได้แม่นยำพอ การสลับโมเดลไปมาก็จะไม่ใช่เรื่องที่เราต้องคอยกังวลอีกต่อไป

ที่มา: โปรเจกต์ OpenSquilla บน GitHub