Echo 用开源模型拼出一个系统，号称性能追平 Fable 但成本只要三分之一

Show HN: Echo – Fable-level results at 1/3 the cost using open-weight models

Echo 是 TracerML 做的一个实验性系统，它不单独用某一个模型，而是把 GLM-5.2、Kimi K2.7 等几个开源模型放在一个池子里，每次收到请求再决定调用哪几个模型、怎么组合它们的输出。作者先算了一个理论上限：如果每次都能事后挑出最佳模型组合，性能会远超任何单一模型。Echo 想在不提前知道答案的情况下逼近这个上限。在作者自己搭的评测集...

推荐理由：这是一个 Show HN 项目，核心卖点是动态路由多个开源模型来逼近 Fable 的效果，同时把成本压到三分之一。机制和数字都给了，但我会先打个折：评测集是作者自己搭的，跟 Fable 的对比到底跑了多少样本、在什么任务上比的，正文没细说，这点先别太激动。标题的吸引力在于直接对标一个已知产品并给出具体成本数字，技术思路上用模型池加动态调度也比单纯换模型有嚼头，所以给了 featured。