据MarkTechPost报道，GitHub于9月5日发布Project HydraFusion研究预览，该功能在GitHub Copilot CLI中放弃把模型选择当作一次性设置的思路，改为针对每个编码请求动态构建执行计划。HydraFusion可让一个模型起草代码、另一个模型审阅，也可在质量关卡拒绝首次结果后升级到更强模型，参与工作的模型可来自多个提供商。

HydraFusion已作为研究预览向所有GitHub Copilot计划用户开放，但目前只在GitHub Copilot CLI内使用。开发者启用时需要依次执行/update、/experimental on和/model命令，然后选择HydraFusion（Research Preview）。该功能不提供开放权重，也没有自托管部署方式；计费按工作流实际调用的各模型token消耗量进行，使用每个模型的标准费率。

HydraFusion建立在GitHub于2026年初发布的Auto model selection基础之上。后者将每项任务分配给最适配的单一模型，HydraFusion则将工作流选择视为一个优化问题。系统读取模型在处理推理、代码生成、调试和工具调用方面的能力信号，挑选预期能跨过质量门槛且复杂度最低的工作流，仅在可能带来质量收益时追加模型调用。

对于每个请求，HydraFusion当前在三种执行模式中做选择。Single模式由选定的单一模型直接完成任务；Cascade模式先由高效模型起草，质量门槛接受或升级到更强模型；Critique模式则由一个模型起草，由另一个不同模型体系的只读评论者独立审查，然后起草模型再做一次修订，审阅逻辑与Rubber Duck模式一致。三种模式在质量与成本之间各有取舍。

GitHub为HydraFusion运行时设定了五条操作原则：完整核算草案、审阅、修订、升级、重试和回退等所有环节；为每个环节设置明确的时限与取消机制；审阅模型在无工具环境中运行且不能修改仓库；工作流被取消或验证失败时不应用任何补丁；启动前验证模型绑定、回退行为和可用性。内部日志会逐环节记录角色、结果、成本和延迟，开发者在外部只看到一个连贯响应和一份权限感知变更集。

GitHub团队在三个智能体编码基准上评估了固定HydraFusion策略，以Claude Opus 5和GPT-5.6 Sol作为基线，所有模型均运行在中等级推理水平。报告数字以Opus 5为参照：在TerminalBench 2.1上，HydraFusion的估算成本比Opus 5低67%，验证任务质量高4.9个百分点；在DeepSWE上成本低36%，质量低1.5个百分点；在CheckpointBench上成本低65%，质量低0.1个百分点。CheckpointBench是GitHub的内部多轮基准，取自真实Copilot会话并锚定在不可变公共提交上，保证可复现。

HydraFusion仍处于研究预览阶段，GitHub在官方博客和社区讨论帖中征集用户反馈。