> ## Content Index
> Fetch the complete content index at: https://globalfeed.ai/llms.txt
> Use this file to discover other available public pages before exploring further.

# GitHub 不再挑模型，转而搭建工作流：HydraFusion 把成本压低至多三分之二，质量基本持平
- URL: https://globalfeed.ai/zh/github-bu-zai-tiao-mo-xing-zhuan-er-da-jian-gong-zuo-liu-hydrafusion-ba-cheng-ben-ya-di-zhi-duo-san-fen-zhi-er-zhi-liang-ji-ben-chi-ping/
- Published: 2026-09-04T22:12:47.000Z
- Updated: 2026-09-04T22:12:47.000Z
- Description: HydraFusion 在运行时为每个请求决定哪些模型参与、以什么顺序参与。三项基准中成本下降 36% 到 67%；质量在一项上提高 4.9 分，在另外两项上几乎没有变化。
- Author: GlobalFeed Editor
- Tags: GitHub, Copilot, HydraFusion, AI 成本, 编码智能体, x-github, x-AnthropicAI, x-OpenAI, dil-zh, elle, video

GitHub 以研究预览的形式开放了面向 Copilot 的 **Project HydraFusion**。[9 月 4 日的这篇文章](https://github.blog/ai-and-ml/github-copilot/project-hydrafusion-frontier-quality-via-multi-model-orchestration/?ref=globalfeed.ai)所述的思路超出了“选模型”：对每一个请求，系统**在运行时构建**哪些模型参与、以什么顺序参与。

## 三种执行模式

- **单一：**一个模型直接解决任务。
- **级联：**一个高效模型先出草稿；一道质量闸决定是接受它，还是升级到更强的模型。
- **批评：**一个模型出草稿，由**另一个模型家族**的独立评审者审阅，出草稿的模型再修改一次。

系统会选择预期能满足需求的**最不复杂**的工作流，只有在很可能改善结果时才发起额外的模型调用。

## 三项基准，三种不同答案

GitHub 以 Claude Opus 5 与 GPT-5.6 Sol 作为基线进行测量。三项结果如下：

| 基准                | 成本（对比 Opus 5） | 质量         |
| ----------------- | ------------- | ---------- |
| TerminalBench 2.1 | 低 67%         | **+4.9 分** |
| DeepSWE           | 低 36%         | −1.5 分     |
| CheckpointBench   | 低 65%         | −0.1 分     |

也就是说，真正的结果不是“更好”，而是**“质量大致相当，成本明显更低”**。GitHub 自己的措辞也指向同一方向：“在三项智能体编码基准的离线评测中，HydraFusion 始终展现出前沿水平的质量，并带来可观的预估成本节省。”

CheckpointBench 是 GitHub 基于真实 Copilot 会话的内部基准。该公司还在文中指出，TerminalBench 2.1 已相对饱和，因此更广泛的验证很重要。

## 公司自己写下的限度

- 该系统目前适合**首轮、单次提示**的编码任务；多轮性能优化尚在计划中。
- 过程可见性有限：中间草稿会被保留到最终结果出来。
- 文中原样写着这样一句提醒：“随着我们从预览中学习，结果、模型、工作流、可用性、名称与产品行为都可能发生变化。”

## 如何试用

HydraFusion 可在 GitHub Copilot CLI 中通过 `/experimental` 使用，面向**所有 Copilot 套餐**。计费按其所用模型消耗的 token 计算，采用每个模型的标准费率。

## 为何重要

在企业侧，选模型一直被当作一次性固定决策：团队挑一个模型，所有活都走它。HydraFusion 把这个决策放到**每个请求**上，成本正是从这里降下来的。简单的活留在便宜模型上，难的活升级到贵的模型，有争议的活交给第二个模型家族去挑毛病。

企业采购要读的那一行不是质量列，而是**成本下降 36% 到 67%**。而这一测量的前提是离线评测；这份收益能否在真实仓库、工具故障和人工评审中站住，目前尚未展示。