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

Echo는 오픈 웨이트 모델을 활용해 Fable 수준의 결과를 1/3 비용으로 달성하는 실험입니다.

Echo는 여러 오픈 웨이트 모델을 조합하여 AI 시스템을 구축하는 실험으로, GLM-5.2, Kimi K2.7 등의 모델을 활용했습니다. 각 문제에 대해 어떤 모델이 유용하며 그 출력이 어떻게 결합될지 미리 알 수 있을 경우, 개별 모델보다 훨씬 향상된 성능을 보였습니다. Echo는 각 요청에 대해 할당할 계산량과 사용해야 할 모델을 결정하며, 비용을 약 1/3로 줄이면서 Fable과 유사한 결과를 도출했습니다. 하지만 여전히 잘못된 결정이 발생하는 경우가 있어 해당 문제를 이해하고 있습니다.

Echo is an experiment using open-weight models to achieve Fable-level results at one-third the cost.

Echo is an experiment in building an AI system using a pool of open-weight models like GLM-5.2 and Kimi K2.7. The system shows improved performance over individual models by predicting which models will be useful for each task. Echo allocates computation and decides how to combine different models, achieving results similar to Fable at one-third the inference cost. However, it still encounters challenges in decision-making that the creator is currently investigating.