GitHub HydraFusion 實測表攤開看：三個基準只有一個贏過 Opus 5，但成本低 36%～67%（2026-09 實查）

GitHub 在 2026-09-04 發布 Project HydraFusion 研究預覽。一句話講它做什麼：你不再是挑一個模型，而是讓它替每一個任務組出一條執行路線——先讓便宜模型草擬、再決定要不要送去給更強的模型，或找另一家模型當審稿人。

官方部落格把三個基準的數字整張表列出來了，而這張表比標題誠實。查核日 2026-09-08。

一、官方基準表（對照 Opus 5）

也就是說：三個基準裡只有一個的品質真的贏過 Opus 5，另外兩個是「略輸一點點，但便宜三分之一到三分之二」。官方文中對 DeepSWE 的說法是「在 1.5 個百分點以內、成本低 36%」，對 CheckpointBench 是「0.1 個百分點以內、成本低 65%」——用字是 within，不是 better。

官方同時標明限制：這些是離線受控評測，只適用於「所評測的基準版本、工作流設定、模型池與定價假設」，而且所有模型都在同一個 medium reasoning 等級下評測。換句話說，這不是你在自己 repo 上會拿到的數字。

二、它省的不是價目表，是「呼叫組合」

這一點最容易誤會。官方寫得很清楚：HydraFusion 在 所有 GitHub Copilot 方案都能用，透過 Copilot CLI 的 /experimental 開啟；用量按它實際用到的模型、以各模型的標準費率計算。

所以：

• 沒有專屬折扣。 你不會因為選了 HydraFusion 而拿到比較便宜的單價。
• 省下來的是「不必每一題都動用最貴的模型」。 便宜模型草擬能過關就不升級，過不了才升級。
• 失敗的分支也要算錢。 官方列的五個運作原則第一條就是「完整計費」：草擬、批評、修訂、升級、重試、備援，每一段都計入成本。

這代表一件事：如果你的任務大多需要升級，帳單不會比較便宜。 官方基準的省錢幅度，建立在「很多任務其實不需要最強模型」這個前提上。

三、三種執行模式，各自解決不同問題

官方目前列出三種：

1. Single（單一）：一個模型直接解完。適用一次就能解的任務，保留速度。
2. Cascade（級聯）：便宜模型先草擬，一道品質關卡決定接受或升級到更強的模型。
3. Critique（批評）：一個模型草擬，另一個模型家族的獨立審稿人（無工具、唯讀）審查，草擬者再修訂一次。

第三種的設計細節值得注意：審查步驟跑在「隔離、沒有工具」的環境，所以審稿模型不能動你的 repo，只能評。而且官方寫明 失敗或取消時不套用任何 patch——不會留下改到一半的檔案。

四、對一般使用者的實際影響

現在就能做的：

• 要試的話，Copilot CLI 裡依序執行 /update 安裝最新版、/experimental on、/model 選 HydraFusion (Research Preview)。
• 官方建議先從「單一提示、第一輪就能講完」的完整任務開始——多輪長對話是他們下一階段才要優化的。

現在還不能期待的：

• 看不到中間過程。 官方明說它會壓住中間草稿、只回一份結果，理由是那些草稿可能被改掉或丟掉，先給你看會讓未完成的東西看起來像定稿。官方也承認「等待期間缺乏可見度」是真實的取捨，正在想辦法。
• 結果會變。 官方原文：模型、工作流、可用性、名稱與產品行為都可能隨預覽調整。

五、這件事的意義

過去一年 AI 編碼工具的競爭是「誰家模型強」。HydraFusion 是另一個方向：同一批模型，靠調度方式把成本壓下來。 GitHub 自己的話是——從「選出最好的模型」轉向「動態組出解這一題最好的方式」。

值得盯的是：如果調度真的能在品質幾乎不掉的前提下省掉一半以上成本，那麼**「訂閱制的 AI 額度還夠不夠用」這個問題，會從模型單價轉移到調度效率上**。對每月被額度卡住的人來說，這比降價更實際。

Copilot 額度怎麼算、什麼時候會被扣，見Copilot AI credits 的計算方式；方案比較見 GitHub Copilot 工具頁。

本文依據 GitHub 官方部落格 Project HydraFusion: Frontier quality via multi-model orchestration（GitHub Staff，2026-09-04）於 2026-09-08 直讀整理。所有基準數字（67%／+4.9、36%／−1.5、65%／−0.1）為 GitHub 自行公布之離線受控評測結果，本站未獨立重跑，亦無法驗證其評測環境。官方明示結果僅適用於所評測的基準版本與定價假設。