进化：Oh My OpenAgent 配置迭代实录

上一篇讲了初始配置的搭建过程，这篇记录跑了两周之后的调整：从单供应商扩展到四层模型池、补了降级链路、踩了 GLM-4.5-air 只分析不写代码的坑。

文档包含：降级策略设计、免费模型池完整清单和分析、并发控制配置、GLM-4.5-air 替换方案的决策过程。

上一篇文章写完初始配置，跑了两周，该修的都修出来了。

从单模型到多供应商

初始配置有个问题：几乎所有 Agent 都绑在智谱 GLM 系列上，免费模型只打了几个酱油位。跑起来发现两个事——

第一，GLM-4.7-flash 和 GLM-4.5-flash 已经下线了，配置里写的白写。第二，有些 GLM 模型连通性不稳定，glm-4.7-flashx、glm-5v-turbo 直接超时连不上。一旦主模型挂了，没有靠谱的降级链路，整个 Agent 就卡死。

解决思路很简单：把模型池撑大。智谱 GLM 当主力，NVIDIA 的付费模型当备选，OpenRouter 的免费模型兜底。

现在的模型来源变成四层：

降级链路：API 挂了怎么办

这是初始配置里完全缺失的。加了 runtime_fallback 配置：

1
2
3
4
5
6

"runtime_fallback": {
  "enabled": true,
  "retry_on_errors": [400, 429, 503, 529],
  "max_fallback_attempts": 3,
  "cooldown_seconds": 60
}

每个 Agent 和 Category 都配了 fallback_models 数组。主模型 400/429/503/529 错误时，自动按顺序往下切。典型的链路：

1

glm-5.1 → glm-5-turbo → glm-4.7 → NVIDIA 强模型 → OpenRouter 免费 → opencode 免费保底

实际触发过几次，主要是 429（智谱限流）。降级到 NVIDIA 的 Qwen3-Coder 之后体感上基本无感，编码质量没有断崖。

GLM-4.5-air 的坑：会分析但不动手

这是跑了两周后发现的最有意思的问题。

GLM-4.5-air 在初始配置里负责三类活：quick（小改动）、unspecified-low（低复杂度杂活）、writing（文档写作）。定位是性价比模型——快、便宜、够用。

但实际用下来发现一个固定模式：让它改代码，它会很认真地分析该改哪里、为什么要改、改了之后的影响——然后就不改了。每次都是"建议你修改 XXX"而不是直接给出修改后的代码。

重复出现太多次，不是偶发问题。

分析了一下配置，glm-4.5-air 出现在 10 个位置，其中 5 个需要写代码：

策略很清楚：不需要写代码的 5 个位置保留不动，需要写代码的 5 个位置全部换掉。

免费模型池

要换就得选替代品。opencode models 跑出来当前可用的免费模型一共 29 个（25 个 OpenRouter + 4 个 OpenCode 内置）。全部列出来分析一遍。

OpenRouter 免费模型（25 个）

编码主力

Gemma 4 26B 是 MoE 架构，26B 总参数但只有 4B 激活——推理速度接近 4B 模型但编码质量接近 30B 级别。拿来干 quick 的活（改个变量名、修个 import）刚好。31B 的 Dense 版本编码更强（HumanEval+ 88.4%），但慢一些。

推理专用

GPT-OSS 系列的 AIME 分数很夸张，92.1% 跟不少闭源模型持平。但编码是短板（HumanEval 73%），适合推理场景而不是编码场景。

多模态

视觉模型选择很有限。nemotron-nano-12b-v2-vl 是免费池里唯一能看图且工具调用靠谱的。Gemma 3n 系列虽然带视觉但太小（2-4B 有效参数），LiveCodeBench 只有 25.7%。

中等体量

太小不适合编码

OpenCode 内置免费模型（4 个）

OpenCode 内置模型没有公开的 benchmark 数据，但从实际使用看做 fallback 保底够了。big-pickle 是最常用的兜底——什么 Agent 都能跑，虽然质量一般但不会挂。

最终的替换方案

1
2
3
4
5
6
7
8

quick / unspecified-low 主模型:
  glm-4.5-air → gemma-4-26b-a4b-it:free

sisyphus-junior fallback:
  glm-4.5-air → nemotron-3-nano-30b-a3b:free

deep / unspecified-high fallback:
  glm-4.5-air → llama-3.3-70b-instruct:free

附带效果：quick 和 unspecified-low 从付费模型切到免费模型，小任务不花钱了。

保留 glm-4.5-air 的位置不动——上下文压缩、文档搜索、代码搜索、Todo 管理、文档写作，这些都是只读或者纯文字输出，“只分析不动手"反而挺合适。

并发控制

初始配置里没做并发限制，多个 Agent 同时跑的时候容易撞上供应商的限流。这次按模型大小和供应商限制配了并发数：

• GLM-5.1（旗舰，慢）：3 并发
• GLM-5-turbo / GLM-4.7（中端）：5-8 并发
• NVIDIA 大模型（480B、253B）：2-3 并发
• OpenRouter 免费：3-8 并发（按模型大小分）
• OpenCode 内置免费：10-20 并发

实际跑起来基本不撞限流了。之前偶尔出现的 429 错误在加了降级链路之后也变成无感切换。

当前完整配置

改完之后的配置结构（只列免费模型和 OpenCode 内置模型相关的链路）：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22

agents:
  sisyphus:     glm-5.1    → ... → gemma-4-31b:free → llama-3.3-70b:free → big-pickle
  hephaestus:   glm-5.1    → ... → gemma-4-31b:free → big-pickle
  oracle:       glm-5.1    → ... → gemma-4-31b:free
  prometheus:   glm-5.1    → ... → gemma-4-31b:free → llama-3.3-70b:free
  metis:        glm-5.1    → ... → gemma-4-31b:free
  momus:        glm-5.1    → ... → gemma-4-31b:free
  atlas:        glm-5-turbo → ... → gemma-4-26b:free → big-pickle
  librarian:    glm-4.7    → ... → gemma-4-26b:free → gpt-5-nano(opencode) → ling-2.6-flash(opencode)
  explore:      glm-4.7    → ... → gemma-4-26b:free → gpt-5-nano(opencode) → ling-2.6-flash(opencode)
  multimodal:   nemotron-nano-12b-v2-vl:free → nemotron-3-super:free → nematron-3-super-free(opencode)
  junior:       glm-5-turbo → ... → nemotron-3-nano-30b:free → gemma-4-31b:free → llama-3.3-70b:free → big-pickle

categories:
  visual-engineering: glm-5.1 → ... → gemma-4-31b:free → big-pickle
  ultrabrain:         glm-5.1 → ... → gemma-4-31b:free → llama-3.3-70b:free
  deep:               glm-5-turbo → ... → llama-3.3-70b:free → nemotron-3-nano-30b:free
  artistry:           glm-5.1 → ... → gemma-4-31b:free
  quick:              gemma-4-26b-a4b-it:free → nemotron-nano-9b:free → gpt-5-nano(opencode) → ling-2.6-flash(opencode)
  unspecified-low:    gemma-4-26b-a4b-it:free → nemotron-nano-9b:free → minimax-m2.5-free(opencode) → hy3(opencode) → ling-2.6-flash(opencode)
  unspecified-high:   glm-5-turbo → ... → gemma-4-31b:free → llama-3.3-70b:free → big-pickle
  writing:            glm-4.5-air → gemma-4-26b:free → minimax-m2.5-free(opencode) → ling-2.6-flash(opencode) → gpt-5-nano(opencode)

踩坑总结

模型能用 ≠ 模型适合。GLM-4.5-air 的编码能力没问题，但它就是不输出代码改动，只输出分析。这种行为差异靠 benchmark 跑不出来，得上手用才知道。

免费模型池变化快。两周前没有的模型现在有了，之前有的现在下线了。opencode models 定期跑一次看看有什么新东西。

降级链路不是锦上添花，是必需品。没有 fallback 的时候，一次 429 就能把整个 Agent 卡住。加了之后，主模型限流切到备选，体感上基本无感。

并发限制要跟供应商对齐。大模型的并发限额本来就低（2-3），不配的话多个 Agent 同时跑会触发限流，然后降级，然后备选模型也限流，雪崩。

下一阶段想试试把 NVIDIA 的新模型（DeepSeek-v4、Llama-4 Maverick）放到 fallback 链路里测试。也打算跑一轮连通性测试，把 OpenRouter 免费模型池里能用的都筛一遍，看看有没有比 Gemma 4 26B 更好的选择给 quick 用。