Michael JohnsonFör en komplex uppgift i Copilot går det nu att välja HydraFusion Max: systemet avgör självt vilket arbetsflöde och vilka modeller som ska användas för att lösa och granska uppgiften. GitHub tillkännagav uppdateringen den 14 oktober 2026; HydraFusion och Max finns som forskningsförhandsversioner i VS Code, GitHub Copilot-appen och Copilot CLI.
HydraFusion fungerar som en orkestrerare för flera modeller, inte som en fristående modell. För varje förfrågan väljer systemet ett av flera arbetsflöden: en modell löser uppgiften; Cascade skickar ett utkast till en granskarmodell, som kan godkänna det eller begära en mer omfattande genomgång; Critique samlar in parallella synpunkter från flera modeller och returnerar ett reviderat svar. I uppdateringen meddelade GitHub att Cascade fått ett steg för utvärdering av utkast och att Critique använder verktyg mer aktivt för att kontrollera arbetsytan. GitHubs tillkännagivande om HydraFusion-uppdateringen beskriver också inställningar för resonemang: medelhög nivå för det första utkastet och hög nivå för granskningen.
Max är avsett för uppgifter där grundlig granskning är viktig
HydraFusion Max använder samma arkitektur och orkestreringsflöden som grundversionen, men är utformat för mer krävande uppgifter och använder ökad resonemangsansträngning när noggrannhet behövs. GitHub nämner komplexa agentuppgifter som exempel; för vanligt dagligt arbete rekommenderar företaget automatisk modellval.
Det ger utvecklare ett praktiskt val mellan snabbhet och extra granskningssteg. För en liten korrigering kan ytterligare genomgångar innebära längre väntetid och högre kostnad utan någon nytta. För en ändring som omfattar flera filer, där det är viktigt att kontrollera att ändringarna är konsekventa, kan ett separat kritiksteg vara mer lämpligt. Det är en arbetshypotes att testa med egna uppgifter, inte en garanti från GitHub om bättre kvalitet.
Förhandsversionen kräver kontroll av kostnader och ändringar i arbetskopian
Tillgången beror på Copilot-plan, aktiverade experimentfunktioner och organisationens policyer. Enligt GitHubs dokumentation väljer HydraFusion själv bland tillgängliga modeller, och enskilda körningar debiteras enligt varje modells standardtaxa. En uppgift med Cascade eller Critique kan därför förbruka fler AI-krediter än ett enda modell-anrop. GitHubs dokumentation om HydraFusion beskriver villkoren, hur användningen kan följas och de aktuella begränsningarna för forskningsförhandsversionen.
Team kan enkelt utvärdera om orkestrering är värd att använda: välj ett mindre urval verkliga uppgifter, behåll samma instruktioner och ursprungliga versioner av kodarkivet och jämför sedan HydraFusion, Max och det vanliga läget. För varje resultat är det användbart att notera tidsåtgång, AI-krediter, antal korrigeringar efter granskning och fel som hittas av tester eller granskare. En sådan mätning besvarar den praktiska frågan: förbättrar ett extra granskningssteg just ert utvecklingsflöde?
Kontrollera diffen och kör de vanliga testerna innan ändringarna slås samman: dokumentationen varnar för att filändringar som gjorts under ett utkast som sedan förkastas inte återställs automatiskt. Eftersom funktionerna fortfarande är i förhandsversion och modellerna som används kan ändras är det klokt att upprepa utvärderingen efter större uppdateringar. För korta vardagsförfrågningar är vanligt modellval en rimlig utgångspunkt; HydraFusion Max är värt att prova när extra granskning potentiellt kan spara tid på att rätta fel.