GitHub推出多模型编程调度系统HydraFusion
HydraFusion可按任务选择单模型、逐级升级或交叉审查流程，在编程质量、成本和延迟之间动态取舍。
一次请求，动态组合多种模型
GitHub开放了Project HydraFusion研究预览。这套Copilot运行时不仅判断哪款模型适合当前编程任务，还会决定模型之间如何协作。它可以让单一模型直接处理，也可以先由成本较低的模型尝试、未达标准后再升级，或安排另一模型审查初稿，再由原模型修订。
所有Copilot套餐用户都可通过GitHub Copilot CLI的实验功能调用HydraFusion。使用者像选择普通模型一样选择它，实际工作流则由系统自动构建。计费会覆盖起草、审查、修订和升级过程中各模型消耗的全部词元，并按对应模型的标准价格计算。
GitHub称，在TerminalBench 2.1上，HydraFusion相较Claude Opus 5将验证任务质量提高4.9个百分点，同时把估算成本降低67%。其调度策略还使用DeepSWE以及源自真实Copilot会话的数据集进行调整。为控制风险，系统会设置超时、预先验证模型配置，并让审查模型在没有工具权限的隔离环境中工作；流程失败或取消时，不会向代码仓库应用未完成的修改。
这些结果仍主要来自离线受控测试。GitHub目前建议从范围明确、一次提示即可描述的大型任务开始，多轮协作的稳定性、额外延迟以及复杂真实代码库中的表现仍待验证。
为什么重要
HydraFusion把“选哪个模型”从开发者的重复选择变成底层基础设施问题。如果动态调度在生产环境中同样有效，编程智能体就能用便宜模型完成多数工作，仅在必要时调用最强模型，不再把质量与利润完全押在单一供应商身上。更深一层看，GitHub由此掌握了模型厂商与Copilot用户之间的调度入口；当不同模型逐渐可以相互替换时，这个入口本身会成为重要的平台权力。