为开发人员提供最适合当前任务的模型一直是我们的目标。今年早些时候，我们通过推出Auto模型选择使这一目标变得更加容易，该功能会审查您的任务并将其匹配到最适合该任务的模型。今天，我们推出Project Hydra Fusion，这是一个研究预览，通过运行时编排提供前沿智能。它会创建一个完整的执行计划，从多个提供商中选择模型来起草、批评和修订，或级联到更强大的模型以完成您的任务。

Hydra Fusion在我们提供本地、云和复合模型之间的自动语义路由的总体策略中扮演着关键角色。对于开发人员来说，这种复杂性隐藏在幕后：您像选择任何其他模型一样选择Hydra Fusion，它会为每个任务选择一种平衡性能、成本和延迟的工作流程。Hydra Fusion将工作流选择视为一个优化问题。它使用推理、代码生成、调试和工具使用的能力信号来选择最有效的执行模式以满足质量要求。

对于每个请求，Hydra Fusion目前会选择三种执行模式之一：Single、Cascade或Critique。每种模式都解决了不同的质量与成本权衡。在三个智能体编码基准的离线评估中，Hydra Fusion始终表现出前沿级别的质量，并大幅节省了估计成本。在Terminal Bench 2.1上，与Claude Opus 5相比，它将以67%的估计成本降低，将验证的任务质量提高了4.9个百分点。

关键实体：公司：GitHub