معرفی پروژه HydraFusion؛ راهکار جدید گیت‌هاب برای مسیریابی پویا میان مدل‌های هوش مصنوعی

معرفی پروژه HydraFusion؛ راهکار جدید گیت‌هاب برای مسیریابی پویا میان مدل‌های هوش مصنوعی

گیت‌هاب از پیش‌نمایش تحقیقاتی جدیدی به نام «پروژه هیدرافیوژن» (Project HydraFusion) برای ابزار GitHub Copilot رونمایی کرده است. این پروژه با استفاده از مدیریت و هماهنگ‌سازی پویای مدل‌های هوش مصنوعی در زمان اجرا (Runtime Model Orchestration)، تلاش می‌کند تا بدون اتکا به یک مدل واحد، بهترین عملکرد را در وظایف پیچیده کدنویسی ارائه دهد. هیدرافیوژن با ارزیابی پرامپت‌های ورودی، برنامه‌های اجرایی بهینه‌ای را با استفاده از مدل‌های ارائه‌دهندگان مختلف توسعه می‌دهد.

الگوهای مسیریابی در HydraFusion

این سیستم بسته به میزان پیچیدگی و بافتار (Context) وظیفه موردنظر، درخواست‌ها را میان سه الگوی اجرایی مختلف توزیع می‌کند:

  • تک‌مدلی (Single): برای کارهای ساده‌تر که یک مدل به تنهایی قادر به حل آن‌هاست، جهت کاهش تاخیر و افزایش سرعت استفاده می‌شود.
  • آبشاری (Cascade): ابتدا یک مدل سبک‌تر طرح اولیه را آماده می‌کند؛ در صورت تایید کیفیت، کار نهایی می‌شود و در غیر این صورت، وظیفه به مدل قدرتمندتری ارجاع داده می‌شود.
  • نقد و بررسی (Critique): یک مدل طرح اولیه را می‌نویسد و سپس یک مدل منتقد مجزا (بدون دسترسی به ابزارهای اجرایی) آن را ارزیابی می‌کند تا مدل اول بر اساس این بازخورد، اصلاحات نهایی را انجام دهد.

اصول معماری و نتایج بنچمارک‌ها

معماری پروژه HydraFusion بر پایه پنج اصل کلیدی بنا شده است تا پایداری آن در محیط‌های عملیاتی تضمین شود. این اصول شامل حسابرسی دقیق هزینه‌ها و توکن‌های مصرفی، اعمال محدودیت زمانی برای جلوگیری از اجرای بی‌پایان (Bounded Execution)، ایزوله‌سازی مراحل بازبینی، مکانیزم‌های ایمنی برای رد خودکار کدهای تاییدنشده، و اعتبارسنجی دسترسی به مدل‌ها پیش از شروع اجرا هستند.

ارزیابی‌های انجام‌شده روی بنچمارک‌های مختلف نشان‌دهنده کارایی بالای این روش است. در بنچمارک TerminalBench 2.1، این پروژه توانست کیفیت اجرای وظایف را ۴.۹ درصد بهبود دهد و در عین حال هزینه‌ها را در مقایسه با مدل Claude Opus 5 تا ۶۷ درصد کاهش دهد. همچنین در بنچمارک داخلی CheckpointBench، هیدرافیوژن به امتیازی تقریباً برابر با Claude Opus 5 دست یافت، در حالی که هزینه‌های پردازش را ۶۵ درصد کمتر کرد.

نحوه دسترسی

این قابلیت در حال حاضر به عنوان یک پیش‌نمایش تحقیقاتی در تمامی سطوح کاربری GitHub Copilot از طریق رابط خط فرمان (CLI) در دسترس است. توسعه‌دهندگان می‌توانند با فعال‌سازی دستور /experimental on در محیط CLI و انتخاب گزینه HydraFusion از منوی /model از این ابزار استفاده کنند. هزینه استفاده از آن نیز بر اساس نرخ استاندارد توکن‌های مصرفی مدل‌های به‌کاررفته محاسبه می‌شود.