GitHub ha lanzado Project HydraFusion, una vista previa de la investigación que deja de tratar la elección del modelo como una configuración única. En lugar de dirigir su solicitud a un solo modelo, HydraFusion crea un plan de ejecución por solicitud. Puede redactar con un modelo, hacer que un segundo modelo critique el borrador o escalar a un modelo más fuerte cuando una puerta de calidad rechaza el primer intento. Los modelos provienen de múltiples proveedores. El desarrollador elige HydraFusion una vez, de la misma manera que elegiría cualquier otro modelo.
¿Es desplegable? Sí, pero por poco. HydraFusion está disponible como una vista previa de la investigación para los usuarios de todos los planes de GitHub Copilot, solo dentro de la CLI de GitHub Copilot. No hay pesos abiertos ni rutas autohospedadas. Ejecute /update, luego /experimental on, luego /model y seleccione HydraFusion (Vista previa de la investigación). La facturación se realiza por token consumido por cualquier modelo que invoque el flujo de trabajo, a la tarifa estándar de cada modelo.
Lo que realmente hace el sistema
HydraFusion sigue la selección automática de modelos, que GitHub envió a principios de 2026 para hacer coincidir una tarea con el modelo más adecuado. HydraFusion va un paso más allá y trata la selección del flujo de trabajo como un problema de optimización.
Lee señales de capacidad para razonamiento, generación de código, depuración y uso de herramientas. Luego elige el flujo de trabajo menos complejo que se espera que supere el listón de calidad y realiza llamadas de modelo adicionales solo cuando es probable que ayuden.
Los tres patrones de ejecución.
Para cada solicitud, HydraFusion actualmente selecciona uno de tres patrones:
Único: Un modelo seleccionado resuelve la tarea directamente. Cascada: un modelo eficiente redacta una solución. Luego, una puerta de calidad lo acepta o pasa a un modelo más sólido. Crítica: un modelo redacta, un crítico independiente de solo lectura de una familia de modelos diferente lo revisa y el modelo de redacción lo revisa una vez. La revisión sigue el mismo patrón que Rubber Duck.
Cada patrón intercambia calidad y costo de manera diferente. El sencillo conserva la velocidad. Cascade mantiene abierto el camino hacia una inferencia más sólida. La crítica añade una perspectiva externa donde la revisión supera a otro intento sin ayuda.
Barandillas de ingeniería
GitHub creó el tiempo de ejecución en torno a cinco principios operativos que son importantes para el trabajo a nivel de repositorio:
Contabilidad completa en cada etapa, incluida la redacción, la crítica, la revisión, el escalamiento, el reintento y el respaldo. Ejecución acotada con tiempo muerto explícito y cancelación por tramo. Revisión aislada, donde los críticos se ejecutan en contextos sin herramientas y no pueden modificar el repositorio. Aplicación a prueba de fallos, que no aplica ningún parche cuando se cancela un flujo de trabajo o falla la validación. Enrutamiento validado, verificación de enlaces de modelos, comportamiento de respaldo y disponibilidad antes de que comience la ejecución.
Internamente, el tiempo de ejecución registra la función, el resultado, el costo, la latencia y el diagnóstico por tramo. Externamente, el desarrollador ve una respuesta coherente y un conjunto de cambios que tienen en cuenta los permisos.
Resultados de referencia
El equipo de GitHub evaluó las políticas fijas de HydraFusion en tres puntos de referencia de codificación agente, utilizando Claude Opus 5 y GPT-5.6 Sol como puntos de referencia. Todos los modelos se ejecutaron en un nivel de razonamiento medio. Las cifras informadas a continuación son relativas al Opus 5.
CheckpointBench es el conjunto interno de múltiples turnos de GitHub, seleccionado a partir de sesiones reales de Copilot y anclado a confirmaciones públicas inmutables para que las ejecuciones se puedan reproducir.