GitHubは、開発者がタスクに適したモデルを自動的に選択できるAuto model selectionに続き、Project HydraFusionをリサーチプレビューとして発表した。HydraFusionは、複数のプロバイダーのモデル間で実行時に選択を行い、タスクを下書きの作成、批評、修正、またはより高性能なモデルへの引き継ぎによって完了する。システムは、性能、コスト、遅延のバランスを考慮し、ローカルモデル、クラウドモデル、複合モデルの間で自動的にルーティングを行う。
HydraFusionは、すべてのGitHub Copilotプランのユーザーが/experimentalからアクセスできるGitHub Copilot CLIで利用できる。ユーザーは/updateコマンドで更新し、/experimental機能を有効にしたうえで、/modelメニューからHydraFusion (Research Preview)を選択する必要がある。料金は、使用したモデルの標準トークン価格に基づく。
システムはリクエストごとに3つの動作モードのいずれかを選択する。1つのモデルが直接解決策を生成する「Single」、効率的なモデルの下書きを品質チェックし、必要に応じてより高性能なモデルに引き継ぐ「Cascade」、そして、あるモデルの出力を別のモデルファミリーに属する独立した批評モデルが検証し、再構成する「Critique」だ。
3つのコーディングベンチマークで行われたオフライン評価では、HydraFusionは低い推定コストでフロンティアレベルの品質を示した。TerminalBench 2.1では、Claude Opus 5と比べて検証済みタスクの品質を4.9ポイント向上させる一方、推定コストを67%削減した。
なぜ重要か
このアプローチは、開発者がタスクごとにモデルを選択する負担を軽減し、コーディングのプロセスにおいて単一のモデルに依存する働き方を変えつつある。ローカルモデル、クラウドモデル、複合モデルを性能、コスト、遅延に応じてルーティングすることで、特にCopilot CLIの利用者は、同じワークフロー内で異なる品質とリソースの選択肢を活用できる。オフラインベンチマークの結果は、より低い推定コストで高い品質を目指していることを示しているものの、これらの結果だけでは、研究プレビュー段階にあるシステムが実際の利用でどのような成果を上げるのかを説明することはできない。ユーザーにとって依然として明確でない主な点は、タスクの種類に応じて変化するこのルーティングが、標準トークン価格に基づく総コストと日々の開発体験にどのような影響を与えるかだ。