GitHub的HydraFusion降低了每个基准测试中的人工智能编码成本。它只能与一项的质量相匹配。

令人痛苦的是，在人工智能采用生命周期的这个阶段，没有一种模型适合所有任务。这就是为什么模型路由已成为赌注。 整个模型路由市场的供应商现在正在将多模型编排作为质量升级进行营销，而这一说法背后的基准数据比营销暗示的要薄。这种模式在GitHub、Nvidia和OpenRouter上都出现过。GitHub的最新版本是最近最清晰的案例：该公司框架 HydraFusion提供前沿水平的质量 ，它自己的基准表只在三个测试中的一个中支持这一点。 微软周五宣布了一个新的模型路由称为HydraFusion。HydraFusion名称取自Hyspel，即混合动态路由架构，一种路由 研究论文 微软研究人员今年早些时候发布了这一消息。 Project HydraFusion是一个通过Copilot CLI提供的研究预览，它实时跨模型路由每个编码请求，而不是将每个任务发送到一个选定的模型。与单独使用Claude Opus 5相比，HydraFusion在其表现最佳的基准测试中将估计成本降低了高达67%。HydraFusion现在可通过Copilot CLI中的/experimental标志向所有Copilot计划的开发人员提供，使用情况按每个基础模型的标准代币费率计费。 “我想说，路由到正确的模型正在迅速成为赌注，但HydraFusion的不同之处在于，它解决的是‘解决这项任务的最佳方法是什么’，而不是‘哪个模型应该处理这项任务？”GitHub首席产品官马里奥·罗德里格斯告诉VentureBeat。“HydraFusion不仅提示模型，还动态构建执行策略--任务是否最好由单个模型处理，是否应该从更快的模型开始并升级，或者工作是否会受益于独立模型审查和改进结果。” HydraFusion评估每个编码请求并为其分配三种执行模式之一

注：以上内容摘选自原始新闻，点击「访问原文」查看完整内容。