A GitHub elindítja a HydraFusion kutatási előzetest a többmodell‑kódolási segítségnyújtáshoz
A GitHub bemutatja a HydraFusion-t, egy kutatási előzetest, amely futásidőben több AI modellt orkestrál a minőség, költség és késleltetés kiegyensúlyozására a kódolási feladatoknál.
Az eredeti forrás közzétételi dátuma: 2026. szeptember 4.
A GitHub kiadta a HydraFusion-t kutatási előzetesként, amely minden Copilot csomag számára elérhető a /experimental kapcsolón keresztül a Copilot CLI-ben. Kiválasztáskor a HydraFusion egy végrehajtási tervet épít, amely több szolgáltató modelljeit felhasználva automatikusan kezeli a vázlatkészítést, kritikát, felülvizsgálatot vagy eszkalációt.
A rendszer három mintát választhat: Single (egy modell oldja meg a feladatot), Cascade (egy hatékony modell készít vázlatot, és egy minőségi kapu továbbíthatja egy erősebb modellhez), és Critique (a vázlatot egy független modell felülvizsgálja a módosítás előtt). Offline tesztek három kódolási benchmarkon frontier‑szintű minőséget mutattak jelentős költségcsökkenéssel: a TerminalBench 2.1 4,9 százalékponttal javította a hitelesített minőséget, miközben 67 % alacsonyabb becsült költséggel működött a Claude Opus 5-höz képest; a DeepSWE 36 % költséget csökkentett 1,5‑pontos minőségcsökkenéssel; a CheckpointBench 65 % költséget csökkentett, csak 0,1‑pontos minőségváltozással.
A tanulók és fejlesztők számára a HydraFusion adaptív többmodell‑orchestrationt, optimalizáció‑alapú munkafolyamat‑kiválasztást és részletes költségelszámolást mutat be – kulcsfontosságú fogalmak a hatékony AI‑kiegészített fejlesztői eszközök építéséhez.