GitHub Copilot 推出 HydraFusion，多模型运行时编排逼近前沿质量
GitHub 9 月 4 日发布 Project HydraFusion，一个在 Copilot CLI 中开放的研究预览，目标是把「选哪个模型」升级为「为每个任务动态构造最佳求解方式」。
HydraFusion 把每个请求当作优化问题，在三种执行模式间路由：单模型直接求解；低成本模型先起草、由质量门决定是否升级到更强模型；一个模型起草、另一模型家族的只读评审检查后再修订。GitHub 称路由依据是推理、代码生成、调试与工具调用等能力信号，额外模型调用只在可能改善结果时才发生。
对比固定使用 Claude Opus 5 的策略，HydraFusion 在三个智能体编码基准上：TerminalBench 2.1 质量高 4.9 个百分点、估算成本低 67%；DeepSWE 质量低 1.5 个百分点、成本低 36%；基于真实 Copilot 会话的 CheckpointBench 质量基本持平、成本低 65%。编排层还引入五项原则：完整成本归因、每段执行限时、评审在隔离的无工具环境进行、失败不落盘、路由前校验。
编排的意义不止省钱。它把模型变成可插拔的池子，前沿模型更新后重新评估即可纳入；开发者手动切换模型、找人评审代码的流程被运行时自动复现。GitHub 的赌注是：编码智能体的下一轮收益来自「前沿智能加运行时编排」的组合，而非单一模型进步。