هیدرافیوژن GitHub: هماهنگی چندمدلی هوش مصنوعی برای برنامهنویسی
گیتهاب پروژه هیدرافیوژن را رونمایی کرد، یک زماننظام پیشنمای پژوهشی که انتخاب مدل را بهعنوان یک جریان کاری پویا و نه انتخاب ثابت میداند. وقتی توسعهدهنده در Copilot CLI درخواست میدهد، هیدرافیوژن یک برنامه اجرایی سفارشی میسازد که میتواند طرح، نقد یا ارتقاء درخواست را در مدلهای چندین ارائهدهنده انجام دهد، در حالی که فقط برای توکنهای مصرفشده هر مدل هزینه میگیرد.
چگونه هیدرافیوژن کار میکند
هیدرافیوژن ویژگی انتخاب خودکار مدل قبلی گیتهاب را با در نظر گرفتن انتخاب جریان کاری بهعنوان یک مسئله بهینهسازی گسترش میدهد. این سیستم سیگنالهای قابلیت—مانند استدلال، تولید کد، اشکالزدایی و استفاده از ابزار—را میخواند و سادهترین جریان کاری را که انتظار میرود دروازه کیفیت پیشتعریفشده را برآورده کند، انتخاب میکند. این همان تفکر استراتژیک مورد استفاده در تولید محتوا و اتوماسیون بازاریابی هوش مصنوعی است، جایی که ابزار مناسب به هر کار مطابقت مییابد.
سه الگوی اجرایی
برای هر درخواست، هیدرافیوژن در حال حاضر یکی از سه الگو را انتخاب میکند:
یکدست: یک مدل مناسب، کار را از ابتدا تا انتها حل میکند.
زنجیرهای: یک مدل کارآمد یک طرح حل میکند، سپس دروازه کیفیت یا طرح را میپذیرد یا آن را به مدل قویتری ارتقا میدهد.
انتقاد: یک مدل طرح میکند، یک منتقد فقط-خواندن از خانواده مدل متفاوت، طرح را بازبینی میکند و مدل اصلی یک بار اصلاح میکند. این الگو شبیه بازبینی «خرز گمش» است.
هر الگو هزینه و کیفیت را بهصورت متفاوتی متعادل میکند: Single سرعت را حداکثر میکند، Cascade شبکه ایمنی برای استنتاج با کیفیت بالاتر را حفظ میکند، و Critique دیدگاه مستقلی اضافه میکند که میتواند نتایج را بدون اجرای کامل بهبود بخشد.
محافظههای مهندسی
گیتهاب هیدرافیوژن را بر اساس پنج اصل عملیاتی طراحی کرد که برای کار سطح مخزن مناسب است:
حساب کامل از هر بخش—طرح، نقد، بازبینی، ارتقاء، تلاش مجدد و بازگشت.
اجرای محدود با زمانپذیر و لغو صریح برای هر بخش.
بازبینی منزوی که اطمینان میدهد منتقدان نمیتوانند مخزن را تغییر دهند.
برنامهریزی ایمن که در صورت لغو یا شکست اعتبارسنجی، هیچ پچ اعمال نمیکند.
مسیر اعتبارسنجی که پیوندهای مدل و رفتار بازگشت را قبل از شروع اجرا تأیید میکند.
زماننظام لاگهای نقش، نتیجه، هزینه، تأخیر و تشخیص برای هر بخش را ثبت میکند، در حالی که توسعهدهندگان یک پاسخ منسجم و مجموعه تغییر آگاه به مجوز را میبینند.
نتایج بنچمارک
گیتهاب سیاستهای ثابت هیدرافیوژن را بر روی سه بنچمارک کدنویسی عاملانه ارزیابی کرد، با استفاده از Claude Opus 5 و GPT‑5.6 Sol بهعنوان پایه. تمام مدلها در سطح متوسط استدلال اجرا شدند. یافتههای کلیدی نسبت به Opus 5 عبارتند از:
Benchmark
Cost Reduction
Quality Change
TerminalBench 2.1
67% lower
+4.9 points
DeepSWE
36% lower
−1.5 points
CheckpointBench
65% lower
−0.1 points
CheckpointBench مجموعه چندمرحلهای داخلی گیتهاب است، که از جلسات واقعی Copilot استخراج شده و به کامیتهای عمومی غیرقابل تغییر برای قابلیت بازتولید متصل است.
شروع کار
هیدرافیوژن امروز بهعنوان پیشنمای پژوهشی برای تمام طرحهای Copilot در دسترس است، اما فقط در داخل Copilot CLI. برای فعالسازی آن، دستورات زیر را اجرا کنید:
/update
/experimental on
/model
سپس HydraFusion (Research Preview) را انتخاب کنید. صورتحساب بر اساس نرخ استاندارد توکنمحور هر مدل زیرساختی است.
نتایج کلیدی
هیدرافیوژن برای هر درخواست یک جریان کاری انتخاب میکند، نه فقط یک مدل، و از چندین ارائهدهنده استفاده میکند.
سه الگو—Single، Cascade و Critique—امروز فعال هستند، هر کدام یک تبادلات هزینه‑کیفیت متفاوت ارائه میدهند.
در TerminalBench 2.1، کاهش هزینه ۶۷٪ و بهبود کیفیت ۴.۹ نقطه را به دست آورد.
حتی در مواردی که کیفیت کمی عقب مانده است (DeepSWE، CheckpointBench…) هنوز صرفهجویی قابل توجهی (۳۶٪–۶۵٪) وجود دارد.
از طریق Copilot CLI با صورتحساب استاندارد بر اساس توکن فعال میشود.
رویکرد هیدرافیوژن نشان میدهد چگونه تولید محتوا، اتوماسیون سئو و انتشار خودکار میتوانند از هماهنگی هوشمند چندمدلی بهرهمند شوند—نتایج سریعتری ارائه میدهند و در عین حال بودجه را تحت کنترل نگه میدارند.
