GitHubは2026年9月4日、コーディングタスクに応じてAIモデルと処理の進め方を選ぶ「Project HydraFusion」を公式ブログで紹介した。研究プレビューとして提供しており、GitHub Copilot CLIで通常のモデルと同じように選択して利用できる。

• Project HydraFusion: Frontier quality via multi-model orchestration - GitHub Blog

タスクに応じて⁠、単独処理⁠・引き継ぎ⁠・レビューを使い分ける

GitHub Copilotのモデル自動選択機能「Auto」がリクエストごとに1つのモデルを選ぶのに対し、HydraFusionは、別モデルによるレビューや高性能なモデルへの引き継ぎを含む処理全体を組み立てる。

実行方式は次の3種類ある。

• Single：1つのモデルでタスクを処理する。
• Cascade：効率を重視したモデルが先にタスクに取り組み、その結果が品質判定を通らなければ高性能なモデルへ引き継ぐ。
• Critique：別系統のモデルが作業結果を読み取り専用でレビューし、作業を担当したモデルが一度修正する。

HydraFusionは、タスクの要求を満たせると見込む最も単純な方式を選び、結果の改善が期待できる場合にモデルの呼び出しを追加する。この選択によって、品質、コスト、待ち時間のバランスを取るという。

処理中は、どの段階を実行しているかを表示する。途中の作業結果は修正・破棄される可能性があるため表示せず、最終結果をまとめて返す。GitHubは、進捗をより分かりやすく伝える方法も検討している。

オフライン評価で推定コストを削減⁠、正答率は課題によって差

GitHubが公表した評価結果では、ターミナル上の複雑な作業を扱うTerminalBench 2.1で、Claude Opus 5と比べて正答が確認されたタスクの割合が4.9ポイント高く、推定コストは67％低かった。

一方、リポジトリ単位の修正を扱うDeepSWEでは、Opus 5と比べて正答率が1.5ポイント低く、推定コストは36％減となった。実際のCopilotセッションを基にした社内評価のCheckpointBenchでは、正答率が0.1ポイント低く、推定コストは65％減だった。

評価は、タスク入力やツール、実行上限などをそろえ、全モデルの推論レベルを中程度（medium）に設定して実施した。公表値は、調整したHydraFusionの構成のうち最良の結果を示したものに基づく。推定コストには、レビュー、修正、再試行などの費用も含む。

ただし、これらは特定のモデル構成や価格を前提にした結果であり、実際の開発作業での効果は研究プレビューを通じて検証するという。

Copilot CLIで試用⁠、利用コストは各モデルの使用量に応じて計算

HydraFusionは全Copilotプランを対象に提供されている。

試用するには、Copilot CLI内で/updateを実行して最新版へ更新し、/experimental onで実験的機能を有効にする。その後、/modelからHydraFusion (Research Preview)を選ぶ。HydraFusionが使う個々のモデルを指定したり、特定のモデルを除外したりすることは、現時点ではできない。

公式FAQによると、HydraFusion独自の追加料金はない。各処理で使ったモデルの消費トークン数と、それぞれの標準単価から利用コストを計算する。

GitHubは、作業範囲が明確で、1つのプロンプトでまとめて依頼できるコーディングタスクから試すことを勧めている。対話を重ねながら進める長いセッションでの性能向上は、今後の重点課題としている。

Copilotアプリにも対応予定⁠、Autoとの統合を検討

GitHub Copilotに携わるPierce Boggan氏はXでの返信で、HydraFusionを今後GitHub Copilotアプリでも利用できるようにする予定だと述べた。

また、GitHubは公式コミュニティで、AutoとHydraFusionを将来的に1つの利用体験へ統合することを検討していると説明した。

GitHubのCTO、Vladimir Fedorov氏はXへの投稿で、HydraFusionを、ローカル推論も取り込む将来の自動ルーティングの重要な構成要素として位置付けた。新モデルの登場や組み合わせ方の進歩が速く、手作業で最適な選択をすることはほぼ不可能だと述べている。