一句话看懂：GitHub 为 Copilot 推出研究预览功能 HydraFusion，不再固定用一个大模型，而是按任务难度在多个模型间动态调度，官方测试显示质量不降的同时成本大幅下降。
事件核心：发生了什么
GitHub 在 Copilot 中上线了名为 HydraFusion 的高级研究预览功能，核心思路是把编码任务当成一道优化题，而不是绑定单一模型。系统会先判断提示词属于哪类操作——多步骤推理、代码生成、结构化调试还是工具调用——再决定用哪种运行时模式执行。
目前公开信息显示，它提供三种模式：单一模式由单个模型独立完成，优先保证速度和延迟；级联模式先让高效模型出草稿，质量门控不通过再升级到更强模型；评审模式则由另一个独立模型族的只读模型做评审，起草模型再据此修订一次。架构上配套了完整的 token 计账、超时与取消边界、评审隔离、补丁应用失败保护，以及启动前的模型可用性校验。
数据方面，在 TerminalBench 2.1 上，HydraFusion 相比参考基准 Claude Opus 5 的任务质量高出 4.9 个百分点，预估成本降低 67%；在内部多轮基准 CheckpointBench 上，平均会话得分与 Claude Opus 5 仅差 0.1 个百分点，成本降低约 65%。
为什么重要
此前 Copilot 已有自动选择模型的能力，HydraFusion 则把它推进到“编排层”：同一任务可以在不同阶段调用不同厂商、不同能力档位的模型，并引入独立评审环节。这意味着竞争焦点正从“谁的单个模型最强”，转向“谁能把多个模型组合得更好、更便宜”。对闭源大模型厂商而言，模型可能被进一步拆解为可替换的执行单元；对 GitHub 而言，这既是对算力成本的直接优化，也是把多模型路由、质量门控这类工程能力沉淀成产品壁垒。
对用户/开发者/创作者的影响
开发者可以通过 GitHub Copilot CLI 体验：更新 CLI 环境后执行 /experimental on，再在 /model 选择界面中启用 HydraFusion，所有 Copilot 订阅层级均可使用。计费仍按执行过程中实际调用到的各底层模型的标准 token 费率结算，也就是说，省钱来自调度策略而非降价。对团队来说，复杂重构、调试类任务可能更稳，简单补全仍走快路径，日常使用感受未必有明显变化，但账单结构值得留意。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是研究预览是否转为正式功能，以及多模型路由的稳定性是否经得起真实仓库的长会话考验；二是实际计费是否与基准中的成本降幅一致，尤其是在高频 agent 调用场景；三是其他 AI 编程工具与模型厂商是否跟进类似的路由与评审架构。
来源：InfoQ CN
