GitHubがHydraFusion発表、複数AIモデルを自動指揮

HydraFusionは、タスクを単一の最適モデルにマッチングしてきた従来のAutoモデル選択を超える、GitHubの最新の一歩だ。この新アプローチはワークフロー選択を最適化問題として捉え、異なるプロバイダーのモデル間での下書き作成、レビュー、エスカレーションを含むプランを動的に構築する。これは現実のニーズに応えるものだ。開発者は複雑なタスクのためにすでに手動でモデルを調整しているが、HydraFusionはそのオーケストレーションを背景で自動化し、他のモデルを選ぶのと同じくらいシンプルなインターフェースを維持することを目指している。

ベンチマーク結果は、このようなオーケストレーションが低コストで最高水準の品質を提供できるという初期の証拠を示している。例えば、要求の厳しいリポジトリレベルのコーディングベンチマークであるDeepSWEでは、HydraFusionはClaude Opus 5の品質に1.5ポイント差まで迫りながらコストを36%削減した。これは複雑なエンジニアリングタスクにとって説得力のあるトレードオフだ。ただし、これらは管理されたオフライン試験の結果であり、GitHubは研究プレビュー版が実際の開発者ワークロードでの有効性を検証することを目的とし、本番品質・遅延・信頼性の最適化も視野に入れていると認めている。

研究プレビュー版として、HydraFusionは現在進行中の取り組みであり、その結果・モデル・ワークフローはユーザーフィードバックに基づいて変更される可能性がある。GitHubの狙いは最適なモデルを選ぶことから、各タスクを解決する最良の方法を動的に構築することへの移行であり、これは開発者が将来的にAIコーディング支援と関わる方法を再定義する可能性を秘めている。