2026 年 9 月 4 日，GitHub 正式推出 Project HydraFusion 研究預覽版，這是一項針對 GitHub Copilot CLI 的運行時多模型協調（runtime multi-model orchestration）功能。不同於傳統單一模型固定選擇的方式，HydraFusion 根據每個編碼任務的特性，動態建構跨供應商的多模型執行計劃，在維持或提升輸出品質的同時，大幅降低推論成本。
從「選模型」到「設計工作流」
HydraFusion 是 GitHub 今年稍早推出的 Auto Model Selection 功能的進化版本。後者僅根據任務類型匹配合適的單一模型，而 HydraFusion 則將工作流選擇視為最佳化問題——系統讀取提示中的能力信號（多步推理、程式碼生成、除錯、工具使用），然後選擇預期能通過品質門檻的最簡化執行路徑。
HydraFusion 目前支援三種執行模式：
- Single（單一模式）：當一個模型具備足夠能力獨立解決任務時，直接執行，追求最低延遲。
- Cascade（串聯模式）：先用高效模型生成初始方案，經由品質閘（quality gate）評估——若結果達標則直接輸出，否則升級至更強模型重新處理。
- Critique（評論模式）：起草模型先產生方案草稿，再由來自不同模型家族、無工具執行權限的唯讀審閱模型進行評估（類似「橡皮鴨除錯法」的自動化版本），最後由原起草模型根據審閱意見進行一次結構化修改。
基準測試成績
GitHub 公布了在三項代理編碼（agentic coding）基準上的離線評估結果，以 Claude Opus 5 為基線對照：
| 基準 | 估算成本 vs Opus 5 | 驗證任務品質 vs Opus 5 |
|---|---|---|
| TerminalBench 2.1 | 降低 67% | +4.9 百分點 |
| DeepSWE | 降低 36% | −1.5 百分點 |
| CheckpointBench（內部基準） | 降低 65% | −0.1 百分點 |
CheckpointBench 是 GitHub 從真實 Copilot 代理編碼會話中整理的內部多輪基準，錨定於具體公開倉庫與不可變提交。在該基準上，HydraFusion 的工作階段分數與 Opus 5 基線幾乎持平（僅差 0.1 百分點），成本卻降低近三分之二。
五大架構原則
GitHub 為 HydraFusion 訂立了五項作業原則：
- 完整計費（Complete Accounting）：記錄每個工作流環節（起草、審閱、修改、升級、重試、備援）的 token 成本與用量。
- 有界執行（Bounded Execution）：嚴格的超時控制與取消機制。
- 隔離審閱（Isolated Review）：審閱模型在無工具修改權限的環境中運行。
- 故障安全應用（Fail-safe Application）：若驗證失敗或執行被取消，則拒絕應用補丁。
- 路由驗證（Validated Routing）：在執行前預先檢查模型可用性與綁定狀態。
產業意義
HydraFusion 的推出反映了生成式 AI 編碼工具的重大範式轉移：競爭焦點從模型本身的基準分數，轉向模型協調架構的效率與智慧。在 2026 年，開發團隊面對的不再是「哪個模型最好」的單一選擇題，而是如何組合不同模型以最大化成本效益的系統設計問題。
對於企業用戶而言，HydraFusion 最直接的價值在於：無需人工判斷何時該換模型或請求二次審閱。系統在後台自動完成路由決策，每次請求都使用最低必要成本獲取可接受品質的結果。對於每日處理大量代理編碼會話的團隊，這直接轉化為可預測的算力成本下降。
HydraFusion 目前透過 GitHub Copilot CLI 的 /experimental 配置向所有付費方案用戶開放。啟動方式為：執行 /experimental on，然後在 /model 選擇介面中選取 HydraFusion。使用收費按所調用模型的標準 token 價格計費。
本文信息來源：InfoQ、MarkTechPost、Pondero.ai。