GitHub最新一輪Copilot實驗裡最值得玩味的數字不是質量分，而是賬單：在一項高難度的終端基準上成本低了67%，得分卻比Claude Opus 5高出4.9個百分點。這是GitHub就Project HydraFusion公佈的頭號結果。這項研究預覽不再追問某個程式設計任務該交給哪個模型，而是開始追問該動用幾個模型、按什麼順序動用。
核心要點
- HydraFusion在TerminalBench 2.1上以低67%的預估成本領先Claude Opus 5基線4.9個百分點，在另外兩套基準上也分別以低36%和低65%的成本打成平手。
- 它不是把請求路由給某一個模型，而是為每個請求組裝執行計劃，可以起草、升級到更強模型，或引入來自競爭廠商模型家族的只讀評審。
- 所有Copilot套餐都能在Copilot CLI中開啟，除了實際呼叫模型的常規token費率之外不另收費。
為什麼成本那一行比質量那一行更要緊
智慧體程式設計存在一個基準表格往往掩蓋的經濟性問題：把冗長、頻繁呼叫工具的任務整個交給前沿模型的團隊，會為迴圈中的每一段都付出前沿價格，包括那些更便宜的模型本就能正確收尾的環節。HydraFusion正是GitHub為每一段單獨定價的嘗試。
GitHub公佈的證據來自三套智慧體基準的離線執行，以Opus 5和GPT-5.6 Sol作參照，並將所有模型的推理檔位固定在中等。三項結果中有兩項本質上是"同等表現、更低價格"：側重跨檔案倉庫作業的DeepSWE與Opus 5相差1.5分以內，成本低36%；CheckpointBench的差距僅0.1分，成本低65%。唯一齣現明確質量增益的是TerminalBench 2.1，而GitHub也指出這套基準相對飽和——這也是它同時跑另外兩套的原因之一。
CheckpointBench值得多看一眼，因為它出自GitHub自家之手。公司從真實的Copilot會話軌跡中彙編而成，把每段對話錨定到公開倉庫的某個不可變提交上以便重放，再按語言、任務型別和難度做了平衡。它比公開排行榜更接近生產流量，但GitHub之外的任何人都無從審計。
開發記錄裡還附了一條異常坦率的腳註：8月11日至25日期間，評測環境中發生兩次執行故障併產生了無效結果，這些資料在繪製趨勢線之前已被剔除。
一條提示詞如何變成多模型計劃
HydraFusion會讀取推理深度、程式碼生成、除錯和工具使用等能力訊號，然後在它判斷能夠達標的三種形態中挑最便宜的一種。可能只由一個模型直接作答；也可能由快速模型起草，再由質量閘門決定是直接交付還是升級給更強的模型；還有一種被GitHub類比為"小黃鴨評審"的模式——起草模型產出成果，來自另一個模型家族的評審模型在不掛載任何工具的情況下閱讀它，起草模型則獲得且僅獲得一次結構化的修訂機會。
這些閾值不是人工設定的。GitHub針對凍結的基線，對分能力得分跑了束搜尋，並且是三套基準一起調優，而不是死盯其中任何一套——當拿得出手的那套基準恰恰是飽和的那套時，這樣的取捨尤為重要。
到目前為止，[HydraFusion的]推理與解題能力已達到甚至優於Opus。
這一評價來自在內部測試該系統的一位微軟首席軟體工程師。
動手之前必須先鎖死的事
把多個模型對準同一棵工作樹，會帶來單模型迴圈不會有的失敗形態：評審者改動了它本該評判的程式碼；被取消的執行留下只打了一半的補丁；賬單分散在六個環節上，沒人說得清歸屬。GitHub的答案是一組硬性約束——評審模型不帶工具執行、無寫入許可權；一旦校驗未過或被取消，補丁整個丟棄而非部分應用；每一段都配有超時與取消控制代碼；執行之前先校驗模型繫結；token開銷則把起草、評審、修訂、升級、重試和回退全部彙總，讓整條工作流只掛一個數字。
如何開啟，以及它仍做不到什麼
入口在Copilot CLI：更新客戶端、啟用實驗性開關，HydraFusion就會出現在模型選擇列表裡。需要注意的是，觸發兩次升級或走了評審環節的任務，會比一次成型的同類任務更貴，因為計費跟隨實際呼叫的模型。
GitHub正引導早期使用者把規模大、邊界清晰的單次提示任務交給它，並表示更長的迭代式會話是下一個工程目標。它也主動承認了一處粗糙：預覽版在拿出一個連貫答案之前不會展示中間草稿，理由是被丟棄的工作不該看起來像成品；但實際體驗就是盯著進度指示器，幾乎不知道里面在發生什麼。反饋正在Copilot社群討論帖中收集。
後市觀察
把這些數字當作假設而非結論。它們是離線得出的，綁定於特定的模型池和一套定價假設，而這次預覽的存在意義，恰恰是驗證真實開發者把雜亂活兒丟進來之後它們是否依然成立。如果成立，競爭的焦點就會從"誰的模型最強"轉向"誰排程得最好"——這樣的轉向，對能接入眾多供應商的平臺廠商遠比對任何單一實驗室更有利。它出現的時點也不尋常：GitHub正在自家基礎設施上消化由智慧體帶來的流量激增，這一點我們在關於該平臺提交量增長的報道中做過梳理。
常見問題
Project HydraFusion能在GitHub Copilot CLI之外使用嗎？
暫時不能。它只在Copilot CLI內、開啟實驗性配置後提供。GitHub尚未給出推廣到IDE擴充套件或Copilot應用的時間表。
它會在Copilot訂閱費之外額外收費嗎？
沒有單獨收費。你按常規token費率為工作流呼叫的每個模型付費，也就是說一項任務的價格取決於它經過了多少個環節才收尾。
HydraFusion用的是哪些模型？
GitHub沒有公佈模型池，只說橫跨多家供應商，並表示評審模型是有意選自與起草模型不同的家族。Opus 5和GPT-5.6 Sol是評測基線，未必是模型池的成員。
