GitHub ha lanzado Project HydraFusion, una vista previa de investigación que deja de tratar la elección del modelo como una configuración única. En lugar de enviar tu prompt a un solo modelo, HydraFusion construye un plan de ejecución por solicitud. Puede redactar con un modelo, pedir a un segundo modelo que critique el borrador o escalar a un modelo más potente cuando un control de calidad rechaza el primer intento. Los modelos provienen de múltiples proveedores. El desarrollador elige HydraFusion una vez, de la misma forma que elegiría cualquier otro modelo.

¿Es desplegable? Sí, pero de forma limitada. HydraFusion está activo como una vista previa de investigación para usuarios de todos los planes de GitHub Copilot, exclusivamente dentro de GitHub Copilot CLI. No existen pesos abiertos ni una ruta para alojamiento propio. Ejecuta /update, luego /experimental on, después /model y selecciona HydraFusion (Research Preview). La facturación es por token consumido por cualquiera de los modelos que invoque el flujo de trabajo, a la tarifa estándar de cada modelo.

¿Qué hace exactamente el sistema HydraFusion?

HydraFusion sigue la selección automática de modelos, que GitHub lanzó a principios de 2026 para asignar una tarea al 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 supere el estándar de calidad, gastando llamadas a modelos adicionales solo cuando es probable que ayuden.

Los tres patrones de ejecución

Para cada solicitud, HydraFusion selecciona actualmente uno de estos tres patrones:

  • Single: Un modelo seleccionado resuelve la tarea directamente.
  • Cascade: Un modelo eficiente redacta una solución. Un control de calidad luego la acepta o escala a un modelo más potente.
  • Critique: Un modelo redacta, un crítico independiente de solo lectura de una familia de modelos diferente lo revisa, y el modelo original revisa el trabajo una vez. La revisión sigue el mismo patrón que Rubber Duck.

Cada patrón equilibra la calidad frente al costo de manera diferente. Single preserva la velocidad. Cascade mantiene abierta una ruta hacia una inferencia más potente. Critique añade una perspectiva externa donde la revisión supera a otro intento sin ayuda.

Guardrails de ingeniería

GitHub construyó el runtime basándose en cinco principios operativos esenciales para el trabajo a nivel de repositorio:

  • Contabilidad completa en cada etapa, incluyendo redacción, crítica, revisión, escalamiento, reintento y respaldo.
  • Ejecución acotada con tiempo de espera explícito y cancelación por etapa.
  • Revisión aislada, donde los críticos se ejecutan en contextos sin herramientas y no pueden modificar el repositorio.
  • Aplicación a prueba de fallos, sin aplicar parches cuando un flujo de trabajo se cancela o falla la validación.
  • Enrutamiento validado, verificando enlaces de modelos, comportamiento de respaldo y disponibilidad antes de que comience la ejecución.

Internamente, el runtime registra el rol, resultado, costo, latencia y diagnósticos por etapa. Externamente, el desarrollador ve una respuesta coherente y un conjunto de cambios que respeta los permisos.

Resultados de los benchmarks

El equipo de GitHub evaluó políticas fijas de HydraFusion en tres benchmarks de codificación agentica, utilizando Claude Opus 5 y GPT-5.6 Sol como líneas base. Todos los modelos se ejecutaron a un nivel de razonamiento medio. Las cifras reportadas a continuación son relativas a Opus 5.

CheckpointBench es el conjunto interno de GitHub para múltiples turnos, curado a partir de sesiones reales de Copilot y anclado a commits públicos inmutables para que las ejecuciones sean repetibles.

Conclusiones clave

  • HydraFusion elige un flujo de trabajo por solicitud, no solo un modelo, entre múltiples proveedores.
  • Tres patrones disponibles hoy: Single, Cascade con control de calidad y Critique con revisor de otra familia.
  • Mejor resultado: +4.9 puntos de calidad con un costo estimado 67% menor en TerminalBench 2.1.
  • En DeepSWE y CheckpointBench, se sitúa ligeramente por debajo de Opus 5 mientras reduce costos en un 36% y 65%.
  • Disponible ahora en Copilot CLI mediante /experimental, facturado según la tarifa estándar de cada modelo subyacente.

Consulta el anuncio en el blog de GitHub y la discusión en la comunidad de GitHub #206492.

Vía MarkTechPost.