Echo es un sistema experimental que orquesta varios modelos de IA de pesos abiertos en lugar de depender de un único modelo para todas las tareas. Su creador lo describe como un intento de recuperar parte de la ventaja que tendría un sistema hipotético capaz de saber, a posteriori, qué modelos habrían sido útiles para cada problema y cómo combinar sus respuestas.
Para cada solicitud, Echo decide cuánta computación asignar, qué modelos participan y cómo se combinan sus salidas. Algunos prompts se resuelven con poca inferencia; otros se benefician de que varios modelos trabajen sobre distintas partes del problema. El autor destaca que los modelos son sorprendentemente complementarios: uno más débil en términos globales puede ser muy valioso en problemas concretos o como pieza de una combinación.
En una primera batería de evaluaciones, Echo superó de forma consistente al mejor modelo individual del conjunto y alcanzó un resultado agregado comparable al de Fable, uno de los sistemas de referencia, con aproximadamente un tercio del coste de inferencia. El desarrollador reconoce fallos cuando la asignación o la combinación de modelos no es acertada, y está analizando esos casos y probando el enfoque en tareas de código y agénticas, donde medir la calidad de cada decisión es más difícil.
Echo ofrece una interfaz de chat en echo.tracerml.ai y una API compatible con OpenAI, junto con una página de evaluación que detalla la metodología, los resultados por modelo, los costes y las limitaciones actuales.