Entwicklern das beste Modell für die jeweilige Aufgabe bereitzustellen, war schon immer unser Ziel. Anfang dieses Jahres haben wir dies durch die Einführung der automatischen Modellauswahl erleichtert, die Ihre Aufgabe überprüft und sie dem am besten geeigneten Modell für diese Aufgabe zuordnet. Heute stellen wir Project Hydra Fusion vor, eine Forschungsvorschau, die durch Laufzeit-Orchestrierung hochmoderne Intelligenz liefert. Es erstellt einen vollständigen Ausführungsplan, wählt aus Modellen mehrerer Anbieter, um zu entwerfen, zu kritisieren und zu überarbeiten, oder kaskadiert zu leistungsfähigeren Modellen, um Ihre Aufgabe abzuschließen.

Hydra Fusion spielt eine Schlüsselrolle in unserer Gesamtstrategie, automatisches semantisches Routing zwischen lokalen, Cloud- und zusammengesetzten Modellen bereitzustellen. Für Entwickler bleibt diese Komplexität im Hintergrund: Sie wählen Hydra Fusion wie jedes andere Modell aus, und es wählt einen Workflow, der Leistung, Kosten und Latenz für jede Aufgabe ausbalanciert. Hydra Fusion behandelt die Workflow-Auswahl als Optimierungsproblem. Es verwendet Fähigkeitssignale für Reasoning, Codegenerierung, Debugging und Tool-Nutzung, um das effizienteste Ausführungsmuster auszuwählen, das die Qualitätsanforderungen erfüllt.

Für jede Anfrage wählt Hydra Fusion derzeit eines von drei Ausführungsmustern: Single, Cascade oder Critique. Jedes Muster adressiert einen anderen Qualitäts-Kosten-Kompromiss. In Offline-Bewertungen über drei agentische Codierungs-Benchmarks zeigte Hydra Fusion konsistent hochmoderne Qualität mit erheblichen geschätzten Kosteneinsparungen. Auf Terminal Bench 2.1 verbesserte es die verifizierte Aufgabenqualität um 4,9 Prozentpunkte bei 67% geringeren geschätzten Kosten im Vergleich zu Claude Opus 5.

Wichtige Entitäten: Unternehmen: GitHub