डेवलपर्स को हाथ में काम के लिए सबसे अच्छा मॉडल प्रदान करना हमेशा हमारा लक्ष्य रहा है। इस साल की शुरुआत में, हमने ऑटो मॉडल चयन लॉन्च करके इसे आसान बना दिया, जो आपके कार्य की समीक्षा करता है और उसे उस कार्य के लिए सबसे उपयुक्त मॉडल से मिलाता है। आज, हम Project Hydra Fusion पेश कर रहे हैं, एक शोध पूर्वावलोकन जो रनटाइम ऑर्केस्ट्रेशन के माध्यम से फ्रंटियर इंटेलिजेंस प्रदान करता है। यह एक पूर्ण निष्पादन योजना बनाता है, कई प्रदाताओं के मॉडलों में से चुनकर ड्राफ्ट, आलोचना और संशोधन करता है, या आपके कार्य को पूरा करने के लिए अधिक शक्तिशाली मॉडलों पर कैस्केड करता है।

Hydra Fusion स्थानीय, क्लाउड और कंपाउंड मॉडल के बीच स्वचालित सिमेंटिक रूटिंग प्रदान करने की हमारी समग्र रणनीति में एक महत्वपूर्ण भूमिका निभाता है। डेवलपर्स के लिए, वह जटिलता पर्दे के पीछे रहती है: आप किसी भी अन्य मॉडल की तरह Hydra Fusion का चयन करते हैं, और यह प्रत्येक कार्य के लिए प्रदर्शन, लागत और विलंबता को संतुलित करने वाला वर्कफ़्लो चुनता है। Hydra Fusion वर्कफ़्लो चयन को एक अनुकूलन समस्या के रूप में मानता है। यह तर्क, कोड जनरेशन, डिबगिंग और टूल उपयोग के लिए क्षमता संकेतों का उपयोग करके गुणवत्ता मानक को पूरा करने के लिए सबसे कुशल निष्पादन पैटर्न का चयन करता है।

प्रत्येक अनुरोध के लिए, Hydra Fusion वर्तमान में तीन निष्पादन पैटर्न में से एक चुनता है: Single, Cascade, या Critique। प्रत्येक पैटर्न एक अलग गुणवत्ता-से-लागत ट्रेड-ऑफ को संबोधित करता है। तीन एजेंटिक कोडिंग बेंचमार्क में ऑफ़लाइन मूल्यांकन में, Hydra Fusion ने लगातार फ्रंटियर-स्तरीय गुणवत्ता और पर्याप्त अनुमानित लागत बचत का प्रदर्शन किया। Terminal Bench 2.1 पर, इसने Claude Opus 5 की तुलना में 67% कम अनुमानित लागत पर सत्यापित कार्य गुणवत्ता में 4.9 प्रतिशत अंकों में सुधार किया।

मुख्य संस्थाएँ: कंपनियाँ: GitHub