有个团队最近在硅谷程序员圈炸锅了，他们干的事特别简单粗暴：把一堆开源模型拼在一起，当成"一个AI"来卖。💥
这个项目叫Echo，背后是YC孵化的实验室Tracer。他们自己不训练大模型，专门当"模型调度员"：DeepSeek、Qwen、GLM、Kimi这些开源模型，全是他们的零件。

先说钱从哪来，这是最实在的部分。
Echo的生意本质是套利：按官方费率表，从各家开源模型厂商手里买推理算力，开源模型本来就便宜，DeepSeek、Qwen这批厂商还在打价格战，单价通常比旗舰API便宜一个数量级；它再把这些算力包装成"一个能打平旗舰的AI"卖给你。
价格对比有多刺眼？Anthropic的旗舰套餐一个月200美元，Echo最贵的套餐一个月10到15美元，干的活差不多。这就是用户愿意掏钱的原因：真金白银的省钱。

那它凭啥又强又便宜？这是全文重点，我用大白话拆开讲。
第一，钱省在"不再一刀切"。旗舰模型贵，贵在你让它"总结一段话"这种简单活，它也按旗舰单价收钱。但现实里八成以上的请求是简单活，根本用不着顶级智力。Echo的逻辑：简单活派给便宜的小模型，单价可能只有旗舰的十分之一；只有真难题才动用最贵的模型。大部分请求降到便宜模型，总账单自然就下来了。
第二，怎么判断一道题是难是易？靠一道"验收门"：先让便宜的小模型答，有把握就直接交卷，拿不准才转给大模型兜底。论文里有数据：一个分类任务上，83.2%的请求被小模型直接消化，答案跟大模型的一致性高达0.959。翻译成人话：先让实习生做，实习生有底就交卷，没底才请教授，大多数题根本轮不到教授出手。
第三，多模型协作会不会反而更贵？这是评论区问得最多的问题。答案：大多数请求只派一个模型，只付一份钱；少数难题才让几个模型一起上，但三个开源模型加起来的钱，仍然比一个旗舰模型便宜，因为开源单价低了一个数量级。这就是"成本只要三分之一"的算术基础。
第四，怎么防止用户薅羊毛？最贵的旗舰车道每天限量2到20次，套餐越高次数越多；日常请求走便宜车道；再加共享余额，用得多扣得多。想拿10美元套餐白嫖100美元的算力，没门。（防薅羊毛这个意图原文没明说，但定价结构明摆着就是干这个的。）

评论区也吵得凶：有人说评测是自己评自己，两个硬基准还没出结果；有人说路由不透明，大企业不敢接入；还有人算账"只有一个模型接近旗舰，而且只便宜一半"。但支持者的反驳也有道理：它是个路由器，省钱的逻辑就是只在必要时才用贵的。

我的看法：Echo最值钱的不是又一个AI套壳，而是它指出的新机会——模型路由。
顶级模型API贵到天上，开源模型便宜到白菜价，"帮用户把请求分给最合适的模型"本身就是一门生意：用户省钱，路由商赚差价，模型厂商多出货，三方共赢。
而且这事门槛比训练大模型低太多，不需要GPU集群，要的是对模型能力的理解加一套聪明的调度算法。下一个Echo，可能就藏在某个刷帖的独立开发者手里。
创业 ai创业