GitHub 近日釋出了 Project HydraFusion，這是一項研究預覽功能，標誌著模型選擇思路的轉變：不再是設定一次模型就固定不變，而是為每一個程式設計請求動態構建並執行一個多模型協同的工作流。在 HydraFusion 的框架下，系統可能先用一個模型起草方案，再用另一個模型對其結果進行批判，或者當質量門拒絕初次嘗試時，自動將任務升級到更強模型。這些模型可來自不同廠商，而開發者的操作方式與選擇普通模型無異：只需選擇一次 HydraFusion，後續由系統自行排程。
就部署範圍而言，HydraFusion 目前有一定限制。它作為研究預覽向所有 GitHub Copilot 套餐使用者開放，但僅存在於 GitHub Copilot CLI 環境中。官方沒有開放模型權重，也不支援本地或自託管部署。想使用該功能的使用者需依次執行 /update、/experimental on、/model，並在模型列表中選擇 HydraFusion (Research Preview)。計費方式按工作流實際呼叫各模型所消耗的 token 數計算，並使用每個模型各自的標準價格。
HydraFusion 是在 GitHub 於 2026 年初推出的 Auto model selection 基礎上發展而來的。Auto model selection 負責將任務匹配到最合適的一個模型；HydraFusion 則更進一步，將工作流程的選擇視為一個最佳化問題。系統會分析當前任務在推理、程式碼生成、除錯和工具使用等方面所需的能力訊號，然後選出預計能透過質量關卡的最簡工作流程，只在預測有用的環節額外消耗模型呼叫，以此平衡質量與成本。
HydraFusion 目前為每個請求提供三種執行模式。Single 模式由一個既定模型直接處理任務，保留低延遲優勢。Cascade 模式先用高效模型生成草案，質量門接受則結束，否則升級到更強模型。Critique 模式則先由模型起草，再由另一個不同模型家族的獨立只讀評審者進行評審，評審邏輯與 Rubber Duck 相同，最後交由起草模型做一次修訂。三種模式各有側重：Single 追求速度，Cascade 保留了向更強推理能力升級的通道，Critique 則引入外部視角，更適用於評審比再獨立嘗試一次更有價值的場景。
圍繞倉庫級程式碼任務，GitHub 為 HydraFusion 執行時設計了五條工程護欄：完整核算每個環節（涵蓋起草、評審、修訂、升級、重試和回退）；每個環節設定明確的超時與取消界限；評審環節隔離執行，評審者處於無工具環境中，無法改動倉庫；當工作流被取消或未透過驗證時，不應用任何補丁（失效安全）；在開始執行前驗證模型繫結、回退行為與可用性（即路由校驗）。在內部，系統會按環節記錄角色、結果、成本、延遲和診斷資訊；對開發者而言，最終只看到一個連貫的回應以及一套感知許可權的變更集。
GitHub 團隊在三個智慧體程式設計基準上對固定策略的 HydraFusion 進行了評估，並以 Claude Opus 5 和 GPT-5.6 Sol 作為基線，所有模型均在中度推理水平下執行。相對 Opus 5，HydraFusion 在 TerminalBench 2.1 上預估成本低 67%、驗證質量高 4.9 點；在 DeepSWE 上成本低 36%、質量低 1.5 點；在 CheckpointBench（GitHub 內部多輪評測集，基於真實 Copilot 會話並錨定不可變公開提交）上成本低 65%、質量低 0.1 點。總體而言，HydraFusion 能在明顯降低開銷的同時保持與頂級模型相當或更優的質量。目前該功能已在 Copilot CLI 中提供，使用者可輸入 /experimental 開啟體驗。