GitHubは2026年9月4日に、複数のAIモデルを動的に組み合わせてタスクを実行する「Project HydraFusion」の調査プレビューを開始したと発表しました。この技術は、タスクの内容に応じて最適なモデルと実行フローを自動的に選択し、品質とコストのバランスを最適化します。
複数のモデルを統合する実行計画の自動生成
Project HydraFusionは、複数のプロバイダーから提供されるモデルを、ドラフト作成、批評、修正、あるいはより強力なモデルへのエスカレーションといった形で使い分けます。開発者が個別にモデルを切り替えたり、レビューを依頼したりする手間を省き、バックグラウンドで最適なワークフローを構築します。
実行パターンは現在、3種類が用意されています。1つのモデルで完結させる「Single」、効率的なモデルが失敗した際に強力なモデルへ引き継ぐ「Cascade」、独立した視点でレビューを加える「Critique」です。これらにより、品質、コスト、レイテンシ（遅延）の最適化を図ります。
評価ベンチマークにおけるコスト削減と品質維持
オフラインでの評価実験では、特定のベンチマークにおいて高い成果が示されました。例えばTerminalBench 2.1では、Claude Opus 5と比較して、推定コストを67%削減しながら、検証済みのタスク品質を4.9ポイント向上させました。
また、リポジトリレベルの複雑なタスクを扱うDeepSWEでは、コストを36%削減しつつ、品質の差を1.5ポイント以内に抑えています。内部ベンチマークのCheckpointBenchにおいても、コストを65%削減しながら、品質の差を0.1ポイントに留める結果を得ています。