Echo 用开源权重模型池以三分之一成本逼近 Fable 效果

Echo 是一个基于开源权重模型池构建的 AI 系统，不再为所有任务挑选单一模型，而是按请求动态分配计算量、选择参与模型并组合其输出。作者先用 GLM-5.2、Kimi K2.7 等模型做实验，发现若提前知道每个问题该用哪些模型，组合效果显著优于池中任何单一模型。

Echo 试图在无先验信息的情况下恢复这种优势：对每个请求决定分配多少推理、哪些模型参与、如何组合结果。作者发现模型间高度互补，整体较弱的模型在特定问题或组合中仍极有价值。在首个评测集上，Echo 稳定优于池内最佳单一模型。

Echo 以约三分之一推理成本达到与 Fable 相近的聚合结果，但仍有分配或组合决策错误的情况。作者正研究这些失败，并测试该方法在编码与 agentic 任务上的表现，这类场景下衡量每次决策质量要困难得多。