GitHub发布HydraFusion：Copilot CLI中按任务动态编排多模型工作流

运行时工作流编排：不止选模型，更选执行路径

GitHub正式发布Project HydraFusion——一项研究预览（research preview）技术，旨在彻底改变AI编程助手中的模型使用范式。与传统将‘模型选择’设为一次性静态配置不同，HydraFusion为每一次编码请求动态生成专属执行计划。它可调用不同供应商的多个模型协同完成单个任务：例如由轻量模型起草代码，再交由另一模型进行独立评审；若初稿未通过质量门禁（quality gate），则自动升级至更强模型重试或修订。开发者仅需在Copilot CLI中一次启用HydraFusion（无需额外配置模型来源），后续全部调度由系统自主完成。

三种落地执行模式

当前HydraFusion支持三种预定义执行模式，分别适配不同质量-成本权衡需求：

• Single（单模型直解）：直接选用最匹配模型一次性完成任务，保持最低延迟；
• Cascade（级联升级）：先由高效模型生成初稿，经质量门禁评估后，仅在未达标时触发更强模型介入；
• Critique（跨模型评审）：由一个模型起草，再由另一厂商/架构的只读型‘评审模型’（critic）独立审查（采用类似Rubber Duck的无工具上下文机制），随后原起草模型基于反馈修订一次。

工程级可靠性设计

为保障仓库级开发场景的安全与可控，HydraFusion runtime严格遵循五项核心原则：

• 全链路计量：对起草、评审、修订、升级、重试、降级等每一环节均精确记录token消耗与耗时；
• 有界执行：每环节设显式超时与可中断机制；
• 隔离评审：评审模型运行于无工具权限的沙箱环境，无法访问或修改代码库；
• 失效安全：任一环节取消或验证失败时，自动放弃应用任何变更；
• 路由预检：执行前校验模型绑定关系、降级策略及服务可用性。

系统内部详尽日志涵盖角色、结果、成本、延迟与诊断信息；对外则统一呈现为单一连贯响应与权限感知的变更集。

实测性能：质量提升与成本优化并存

GitHub团队在TerminalBench 2.1、DeepSWE和内部CheckpointBench（基于真实Copilot会话构建、锚定不可变公开提交的多轮测试集）三大基准上，对比Claude Opus 5与GPT-5.6 Sol基线（均以中等推理强度运行）。结果显示：

• TerminalBench 2.1：质量+4.9分，预估成本降低67%；
• DeepSWE：质量微降1.5分，成本降低36%；
• CheckpointBench：质量基本持平（-0.1分），成本大幅降低65%。

当前可用性与计费方式

HydraFusion已作为研究预览功能上线GitHub Copilot CLI，覆盖所有Copilot订阅用户。启用路径为：运行`/update` → `/experimental on` → `/model` → 选择“HydraFusion (Research Preview)”。计费按实际调用各模型的token数结算，严格执行各模型提供商的标准费率。需注意：该项目暂无开源权重，亦不提供私有部署路径。

> 编者观点：HydraFusion标志着AI编程工具正从“单模型能力比拼”迈入“多模型协同工程化”新阶段——中国企业若在IDE插件或低代码平台中集成AI能力，可借鉴其按任务动态编排、质量门禁驱动升级、跨模型制衡等设计思路，以平衡效果、成本与可信度。