品質とAIコストを両立する新機構

膨らむAIコストに歯止め　GitHubのマルチモデルルーターは何が違うのか

高騰するAIトークン費用に悩む企業へ。GitHubが検証中の新機構「HydraFusion」は、タスク別に複数モデルを自動連携させ品質とコストを両立する。開発現場の常識を変える3つの独自手法を解剖する。

公開 2026年09月11日 05時00分

著者

Ben Lutkevich

[TechTarget]

印刷する連載新着通知を受け取る Googleで優先するソースとして追加

　GitHubの新しいマルチモデルルーター「HydraFusion」は、入力に基づいてワークフローを最適化し、出力の品質とAIコストのバランスを取るツールだ。

　このツールは、開発者がAIアシスタント「GitHub Copilot」に入力したタスクを分析する。その上で実行計画を作成し、1つまたは複数のモデルを選択する。

　Moor Insights ＆ Strategyでバイスプレジデント兼プリンシパルアナリストを務めるジェイソン・アンダーセン氏は米TechTargetの取材に、企業のAIコストが上昇する中で、自律型エージェントのワークフローを制御する手段としてHydraFusionやマルチモデルルーティング全般が支持を集めていると話す。

　「現在、トークンコストは開発者にとって重大な関心事で、モデルルーターは大幅なコスト削減に役立つ。入力内容や求められる出力によっては、コストの変動幅が非常に大きくなる場合がある」（アンダーセン氏）

　HydraFusionは、同年初頭に導入されたCopilotの自動モデル選択機能を基盤としている。GitHubの公式ブログでは、HydraFusionを自律型エージェント開発に向けた「最初の試み」と表現している。「最適なモデルの選択から、各タスクを解決する最善の方法を動的に構築するアプローチへの転換」だという。従来の自動選択機能はワークフローごとに1つのモデルを選んでいたが、HydraFusionはワークフローの種類に応じて1つまたは複数のモデルを選択する。

　GitHubのコミュニティーページによると、利用料金はHydraFusionが使用するモデルの消費トークン数に基づき、各モデルの標準料金で計算される。

　本記事では、開発現場の常識を変えるHydraFusionが採った3つの独自手法を解剖する。

HydraFusionは何が異なるのか

　CursorやIBMなど多くのベンダーが独自のモデルルーターを提供している。「モデルルーター自体は以前から存在している」とアンダーセン氏は語る。「AWS（Amazon Web Services）やMicrosoft Azureといったハイパースケーラーもモデルルーターを提供しているが、自社がサポートするモデルに限定されている。Stripeが買収を進めているOpenRouterや、NVIDIAのSwitchyardは異なるクラウドをまたいで利用できる」

　アンダーセン氏によると、HydraFusionは他社製品にはないプラットフォーム非依存性を備えている点で優位に立つ可能性がある。HydraFusionはローカルモデルとリモートモデルを統合予定で、さらにGitHub Copilotで利用可能になり次第、新たな最先端モデルもモデルプールに追加される。「GitHubはモデルの選択肢やホスティング環境で、最も幅広い選択肢を提供する可能性がある。選択の自由とクロスプラットフォーム対応を重視してきたGitHubにとってこれは重要な要素だ」とアンダーセン氏は指摘する。

　Ned in the Cloudの創業者兼テクニカルエデュケーターであるネッド・ベラバンス氏は、ユーザーがオーケストレーション層にモデルを持ち込める点に価値があると話す。

　「開発者は特定の開発環境に習熟する傾向がある。それがClaude CodeであれVisual Studio Codeであれ同じだ。開発者は使い慣れた環境に他のモデルを持ち込みたいと考える。そのため、望むモデルを自由に選べるアプローチには注目が集まる」（ベラバンス氏）

HydraFusionの実行パターン

　HydraFusionはタスクをスコアリングし、1つまたは複数のモデルにルーティングする。GitHubの既存フレームワーク「Hybrid Dynamic Routing Architecture（HyDRA）」を基盤とし、推論、コード生成、デバッグ、ツール利用の各観点からタスクを評価する。HydraFusionはHyDRAが算出したスコアを用いて、最適なオーケストレーションパターンを選択する。

　タスクの評価に用いるオーケストレーションパターンも、HydraFusionの強みとなる可能性がある。評価結果に応じて、ルーターは3つのアプローチから選択する。

Single（単一）：ルーターが1つのモデルを選択し、タスクの完了まで処理させる
Cascade（カスケード）：効率的なモデルで解決策の下書きとテストを実施する。テストに失敗した場合は、より高性能なモデルにタスクを引き継ぐ
Critique（批評）：1つのモデルが下書きを作成後、異なる系統のモデルにレビューを依頼する。レビュアーは下書きを変更できずコメントのみを付与し、最初のモデルがその指摘を基に修正する。この手法はラバーダックデバッグに似ている

　Informa TechTargetの調査部門であるOmdiaでアナリストを務めるトルステン・フォーク氏は次のように指摘する。「全てのコーディング作業にLLM（大規模言語モデル）を使う手法は、費用対効果の面で成り立たないケースが多い。LLMの出力結果の一貫性を保つ難しさも浮き彫りになっている。Cursorもエージェントのルーティングやワークフローを処理するが、タスクの評価に基づいてワークフロー自体を選択する段階には達していない。この差は実務で大きな意味を持つ」

　HydraFusionのリリースを発表したブログの執筆陣によると、ルーティングの処理は実際の開発現場におけるGitHub Copilotの利用実態を基に設計されたという。その上で「CheckpointBench」「DeepSWE」「TerminalBench 2.1」といった複数のベンチマークを用いて精度を高めている。

　HydraFusionは現在も研究開発が続けられている。リサーチプレビューに参加した開発者には、フィードバック時にデバッグログやセッションIDの共有が求められている。

　「実際の運用環境で検証しない限り、HydraFusionの真価を判断するのは難しい。GitHubにとっては、マルチエージェントワークフローを統括する基盤としてCopilotの価値を示すための第一歩となるはずだ」（フォーク氏）

印刷する

TechTarget発　先取りITトレンド

米国TechTargetの豊富な記事の中から、最新技術解説や注目分野の製品比較、海外企業のIT製品導入事例などを厳選してお届けします。

連載新着通知を受け取る

この連載の記事をもっと見る

この記事の著者

Ben Lutkevich

膨らむAIコストに歯止め　GitHubのマルチモデルルーターは何が違うのか

HydraFusionは何が異なるのか

HydraFusionの実行パターン

TechTarget発　先取りITトレンド

この記事の著者

関連記事

新着ホワイトペーパー PR

瞬時にM365が乗っ取られる――全社員に周知すべき“新フィッシング”の教訓

膨らむAIコストに歯止め GitHubのマルチモデルルーターは何が違うのか

HydraFusionは何が異なるのか

HydraFusionの実行パターン

TechTarget発 先取りITトレンド

この記事の著者

関連記事

なぜAnthropicはClaude Codeで「エージェントを作るな、スキルを作れ」と言うのか

なぜ開発者はローカルLLMに向かうのか APIコストの呪縛を解く「Gemma 4」

Copilotで満足している企業が知らない AIエージェント実運用の現実

「GitHub Copilot」3000人に配布も基本機能しか使われない 保険大手が得た教訓

開発者本人が意味を説明できない…… AIコーディングが招く“品質崩壊”の危機

新着ホワイトペーパー PR

瞬時にM365が乗っ取られる――全社員に周知すべき“新フィッシング”の教訓

膨らむAIコストに歯止め　GitHubのマルチモデルルーターは何が違うのか

TechTarget発　先取りITトレンド

なぜ開発者はローカルLLMに向かうのか　APIコストの呪縛を解く「Gemma 4」

Copilotで満足している企業が知らない　AIエージェント実運用の現実

「GitHub Copilot」3000人に配布も基本機能しか使われない　保険大手が得た教訓

開発者本人が意味を説明できない……　AIコーディングが招く“品質崩壊”の危機