Fulcrum 发布低成本风格模仿模型 Echo

Fulcrum 正式发布 Echo，一款专注于特定作家或写作风格模仿的生成式 AI 模型，其官方宣称在从小说到技术解释的各类写作任务中表现优于当前前沿模型，且训练成本控制在 5000 美元以下。该模型基于 Kimi K3 构建，旨在突破现代大语言模型普遍存在的说教、顺从及风格平庸的“助手人格”限制，探索更广阔的模型角色空间。 在技术实现上，Echo 采用了独特的两阶段后训练流程：首先利用互联网人类文本配合由前沿模型生成的合成大纲进行监督微调（SFT），相比直接微调能更有效地迁移作者声音；随后引入基于自定义“声音专家”模型的 Token 级强化学习（RL），通过计算目标文本与原始模型预测的对数似然比来优化风格得分。评估显示，Echo 在基于 Burrows's Delta 等四种风格计量特征的 Style Elo 指标上达到最先进水平，且在 Pangram 等 AI 检测器中被判定为“人类写作”的概率高于其他测试模型。 尽管 Fulcrum 计划近期开源该模型，但文中关于“训练成本低于 5000 美元”的具体构成未予披露，仅提及 SFT 阶段的数据量相对于预训练数据可忽略不计。这种低成本高效果的组合可能暗示了行业对“知识蒸馏”或“激活抑制知识”路径的新探索，但也需警惕其依赖的合成数据质量及 RL 阶段可能带来的推理能力下降风险。目前该模型可通过 API 试用，具体开源时间表尚未明确。