GitHub запустил HydraFusion: автоматическая оркестровка моделей ИИ в Copilot CLI

GitHub представил Project HydraFusion — экспериментальную систему, которая отказывается от привычного подхода к выбору одной модели ИИ для задачи. Вместо маршрутизации запроса к одной модели HydraFusion строит индивидуальный план выполнения для каждого запроса разработчика. Система может, например, подготовить черновик одной моделью, затем отправить его на критику второй, или при необходимости привлечь более мощную модель, если первая не прошла проверку качества. Модели при этом могут быть от разных поставщиков, а разработчику достаточно один раз выбрать HydraFusion в интерфейсе.

В практическом плане HydraFusion доступна как research preview для всех пользователей GitHub Copilot, но пока только в CLI (командной строке). Для включения нужно выполнить последовательность команд: обновить установку, активировать экспериментальный режим и выбрать HydraFusion из списка моделей. Оплата идёт за каждый потреблённый токен по стандартным тарифам соответствующих моделей — то есть, если система вызовет три модели подряд, будет три платежа.

Проект развивает логику функции Auto, которую GitHub выпустил в начале 2026 года для автоматического подбора оптимальной модели к задаче. HydraFusion идёт дальше и рассматривает выбор рабочего процесса как задачу оптимизации. Система анализирует возможности моделей в рассуждениях, генерации кода, отладке и использовании инструментов, затем выбирает наименее ресурсоёмкий сценарий, который должен пройти проверку качества. На сегодня система использует три паттерна: Single (одна модель для скорости), Cascade (сохраняет путь к более мощному анализу) и Critique (привлекает вторую модель на роль рецензента).

При тестировании на трёх внутренних бенчмарках GitHub сравнивал HydraFusion с базовыми моделями Claude Opus 5 и GPT-5.6 Sol. Испытания проводились на наборе CheckpointBench — наборе реальных многошаговых задач из сессий Copilot, привязанных к конкретным коммитам для воспроизводимости. Результаты показаны как улучшение относительно Opus 5, но издание не приводит абсолютные цифры, что затрудняет оценку практической пользы.

Для общепита и других отраслей эта возможность пока имеет ограниченное применение: она встроена в инструмент для разработчиков и требует интеграции через API. Смысл для HoReCa может быть косвенный — если заведение использует GitHub Copilot для разработки собственных систем управления или интеграций, эта функция упростит работу с автоматизацией за счёт гибкого распределения нагрузки между моделями. Главный подводный камень: нет возможности самостоятельно разместить систему, отсутствуют открытые веса, и управление затратами усложняется, так как для одного запроса может быть несколько независимых вызовов разных моделей по полной цене каждой.