GitHub 发布 Project HydraFusion 研究预览，用多模型运行时编排降低 Copilot 成本

GitHub 发布 Project HydraFusion 研究预览，用多模型运行时编排降低 Copilot 成本

GitHub 推出 Project HydraFusion 研究预览，通过运行时多模型编排，为每个编码任务自动在 Single、Cascade、Critique 三种执行模式间选择最优工作流，官方基准显示在 TerminalBench 2.1 上成本较 Claude Opus 5 降低 67% 的同时质量反超 4.9 分。所有 Copilot 计划用户现可通过 Copilot CLI 体验。

HydraFusion 是什么：给每个任务自动挑”干活方式”

可以把 HydraFusion 理解为 Copilot 的”调度大脑”：接到任务后，它先制定完整执行计划，再根据推理、代码生成、调试等能力信号，把工作流选择当作优化问题来解，在满足质量门槛的前提下选”最不复杂”的执行方式。开发者使用时和选普通模型一样，只需在模型列表里选中 HydraFusion，背后的模型选择与编排细节完全不用管。新模型上线 Copilot 后也会被评估并纳入它的模型池。

三种执行模式：单模型、级联、交叉评审

Single 模式用一个模型直接完成任务，保住速度；Cascade 模式先由高效模型起草，再经”质量门”判断——合格就收货，不合格自动升级到更强模型；Critique 模式则是一个模型起草后，由另一个不同家族的只读评审者审查，起草模型再修订一次。官方原则是只有额外模型调用可能改善结果时才增加调用，避免为简单任务白白烧 token。

实测数据：成本大降，质量基本持平或反超

对照 Claude Opus 5 基线：TerminalBench 2.1 上成本降低 67%、质量反超 4.9 分；CheckpointBench 上成本降低 65%、质量基本持平；DeepSWE 上成本降低 36%、质量略降 1.5 分。成本核算覆盖起草、评审、修订、升级、重试、回退每一个环节。微软内部工程师评价其推理与任务解决能力”达到或不低于 Opus 水平”。

三步开启试用，建议先跑单提示任务

所有 Copilot 计划用户都能试：在 Copilot CLI 里依次运行 /update 更新版本、/experimental on 打开实验功能、/model 选择 HydraFusion (Research Preview) 即可。计费按实际调用的各模型 token 标准费率计算。预览阶段最适合第一轮、单提示词的编码任务，官方建议从范围明确的大任务入手，交给 Copilot 一次跑完；多轮长会话的强化是下一阶段重点。

原文来源

本文整理自 GitHub Blog：https://github.blog/ai-and-ml/github-copilot/project-hydrafusion-frontier-quality-via-multi-model-orchestration，版权归原作者所有，了解详情请查看原文。