GitHub hat Projekt HydraFusion vorgestellt, eine Forschungsvorschau, die dynamisch mehrere KI-Modelle orchestriert, um Codierungsaufgaben zu bewältigen. Anstatt ein Modell im Voraus auszuwählen, wählt HydraFusion einen Workflow – einzeln, Kaskade oder Kritik – und leitet jede Aufgabe an die Modelle weiter, die Qualität, Kosten und Latenz am besten ausbalancieren. Es ist jetzt über /experimental in der GitHub Copilot CLI verfügbar.

So funktioniert HydraFusion

Für jede Anfrage bewertet HydraFusion Signale für Reasoning, Codegenerierung, Debugging und Werkzeugnutzung und wählt dann eines von drei Ausführungsmustern:

• Einzeln: Ein Modell löst die Aufgabe direkt – am schnellsten und günstigsten, wenn es ausreicht.
• Kaskade: Ein effizientes Modell entwirft eine Lösung, und ein Qualitätsgate entscheidet, ob es akzeptiert oder an ein stärkeres Modell (z. B. Claude Opus 5) eskaliert wird.
• Kritik: Ein Modell entwirft, ein unabhängiger Nur-Lese-Kritiker aus einer anderen Modellfamilie überprüft die Ausgabe (ohne Werkzeugzugriff, damit es das Repository nicht ändern kann), und das entwerfende Modell überarbeitet einmal.

Dies spiegelt wider, wie Entwickler bereits manuell arbeiten – ein Modell auswählen, eine Überprüfung anfordern oder ein schwieriges Problem eskalieren –, aber es wird innerhalb der Laufzeit automatisiert.

Benchmarks: Qualität hoch, Kosten runter

In Offline-Bewertungen auf TerminalBench 2.1 verbesserte HydraFusion die verifizierte Aufgabenqualität um 4,9 Prozentpunkte und senkte die geschätzten Kosten um 67% im Vergleich zu einem alleinigen Claude Opus 5. Die Effizienz resultiert aus der Verwendung kleiner Modelle für einfache Aufgaben und der Reservierung von Spitzenmodellen für Schritte, die sie benötigen.

Betriebsprinzipien

HydraFusion basiert auf fünf Schutzmechanismen, um die Ausführung vorhersehbar zu halten:

• Vollständige Abrechnung: Aggregiert Kosten/Nutzung über jeden Pfad – Entwurf, Kritik, Überarbeitung, Eskalation, Wiederholung, Fallback.
• Begrenzte Ausführung: Explizite Timeouts und Abbrüche für jeden Pfad, um Kosten und Laufzeit zu begrenzen.
• Isolierte Überprüfung: Prüfer laufen in werkzeuglosen Kontexten, damit sie das Repository nicht ändern können; Lösungsmodelle erhalten den gemeinsamen Arbeitsbereich.
• Ausfallsichere Anwendung: Kein Patch wird angewendet, wenn ein Workflow abgebrochen wird oder die Validierung fehlschlägt.
• Validierte Weiterleitung: Workflow-Definitionen, Modellbindungen und Fallbacks werden vor der Ausführung verifiziert.

So testen Sie es

HydraFusion befindet sich in der Forschungsvorschau für alle GitHub Copilot-Pläne. So verwenden Sie es:

# Copilot CLI auf den neuesten Stand bringen
/update

Experimentellen Modus aktivieren
/experimental on
HydraFusion aus der Modellauswahl wählen
/model → HydraFusion auswählen (Research Preview)

Die Nutzung wird zum Standard-Tokensatz für die Modelle abgerechnet, die HydraFusion aufruft. Feedback kann in der GitHub Community gepostet werden.

HydraFusion ist Teil von GitHub's breiterem Vorstoß hin zu automatisierter semantischer Weiterleitung zwischen lokalen, Cloud- und zusammengesetzten Modellen. Wenn neue Modelle in Copilot erscheinen, können sie ohne Änderung der Benutzererfahrung in den Weiterleitungspool aufgenommen werden.