Copilot、複数モデルで賢く安く。
先月まで、GitHub Copilot CLIは会話の最初にモデルを1つ選び、そのまま最後まで使うのが当たり前でした。9月4日に研究プレビューとして登場した「HydraFusion」は、タスクごとに複数モデルを自動的に選び、組み合わせて実行します。ベンチマークTerminalBench 2.1ではClaude Opus 5単体よりスコアが高く、推定コストは67%安いという結果が公表されました。
モデル選びという
「固定費」がなくなった
これまでのGitHub Copilot CLIは、セッションの最初にモデルピッカーで1つを選んだら、そのタスクが終わるまで同じモデルで押し通す設計でした。簡単な修正にも高価な最上位モデルを使ってしまう、あるいは逆に難しいタスクに廉価モデルを選んで手戻りする——という無駄が常に発生していたわけです。
GitHubの公式ブログによれば、2026年9月4日に研究プレビュー「Project HydraFusion」がCopilot CLIの `/experimental` フラグ経由で全プランに向けて公開されました。GitHub Community Discussionsの告知スレッドでも同日付けで詳細が共有されています。HydraFusionはリクエストごとに実行計画を組み立て、複数プロバイダのモデルの中からSingle（単一モデルが直接処理）・Cascade（廉価モデルが下書きし品質ゲートが合否判定）・Critique（別系統モデルが査読し1回だけ改訂）の3パターンを自動選択します。
| 従来（固定モデル） | HydraFusion |
|---|---|
| セッション開始時に1モデルを手動選択 | タスクごとに実行計画を自動生成 |
| 簡単な修正にも同じモデルを使い続ける | 簡単なタスクは廉価モデルのSingleで即処理 |
| 難しいタスクで手戻りが起きても気づきにくい | 品質ゲートが不合格なら上位モデルへ格上げ |
| 課金は選んだモデルの単価のみ | 使ったモデルそれぞれの標準単価で従量課金 |
Cascadeは「下書き→合否判定」で
コストを組み替える
3パターンのうち実務で最も効くのがCascade。廉価モデルの下書きを、品質ゲートが基準未達と判断したときだけ上位モデルへ回します。
下書き
Haiku 4.5やSonnet 5など廉価なモデルがまずタスクを解いてみます。
品質ゲート
出力がタスクの合格基準を満たすかを自動判定します。ここで基準を満たせばそのまま完了です。
格上げ（不合格時のみ）
基準未達のときだけ、より強力なモデルが最初からやり直します。中間結果は表示されず最終結果だけが返ります。
3つのベンチマークで
見えた効果
GitHubが公開したオフライン評価では、ベンチマークによって結果の出方に差がありました。
TerminalBench 2.1（実際のターミナル操作を模した約89タスクのエージェント型ベンチマーク）では、HydraFusionの推定コストがClaude Opus 5単体より67%低く、正答率は4.9ポイント上回ったとGitHubは報告しています。今回の担当item「Copilot、複数モデルで賢く安く」はこの結果が根拠です。一方で同じ評価表のDeepSWEではコストは36%下がったものの品質は1.5ポイント下回り、CheckpointBenchではコスト65%減の一方で品質はOpus 5にわずかに届いていません。3本中「品質で上回った」のはTerminalBench 2.1の1本だけ、という点は本文後半の論点にもつながります。
誰に、どう効くか
同じ機能でも、立場によって効き方は変わります。
エンジニア
複数ファイルにまたがる複雑なタスクや、要件の曖昧なタスクほど恩恵が出やすい設計です。ただし単発の簡単な1行修正のようなタスクでは、そもそもエスカレーションが起きないため体感差は小さめになりそうです。中間の思考過程は見えず最終結果のみ返る点も、デバッグ時は意識しておきたいところです。
PM
「モデル選定」という開発チームの意思決定コストが一段減り、機能の見積もりや優先順位づけに集中しやすくなります。一方で品質はタスクの種類次第でばらつくため、リリース判断を「HydraFusionが自動で選んだから安心」と丸投げしない運用ルールが要りそうです。
経営・意思決定層
Copilotの追加課金なしで、既存のトークン従量課金の枠内にコスト削減効果を織り込める点は魅力です。ただし後述の通り、タスクの性質次第では見込みほど下がらない、あるいは逆に上がるケースもあるため、月次の利用実績を見てから予算判断するのが安全です。
コスト削減は、エスカレーション率次第で消える。
手放しでは喜べない理由
GitHub自身が「フロンティア級の品質」と打ち出す一方、VentureBeatの分析記事はGitHubが公開した3本のベンチマークのうち、品質がOpus 5に並ぶか上回ったのはTerminalBench 2.1の1本だけだと指摘しています。コストは3本とも下がっていますが、「速くて安くて賢い」がいつも同時に成り立つわけではない、というのが実態に近いようです。
同記事が引く開発者Awan Farz氏の分析はさらに具体的です。Cascadeパターンは「合格すれば廉価モデル1回分」で済む一方、「不合格になった分だけ廉価モデル＋上位モデルの2回分」の課金が発生する構造のため、エスカレーション率が一定の損益分岐点を超えると、最初からOpus 5単体に投げるより高くつく可能性があります。分析ではその分岐点は、下書きにSonnet 5を使う構成でおよそ60%、Haiku 4.5を使う構成でおよそ80%のエスカレーション率と見積もられています。難易度の高いタスクが多いチームほど、この分岐点に近づきやすい点は注意が必要です。
次にすべきこと
まず /experimental で試す
現時点ではCopilot CLIのみが対応。`/update` で最新版にし、`/experimental on` → `/model` からHydraFusionを選べば、追加費用なしで試せます。
自チームのタスクで実測する
ベンチマークの結果はタスク傾向次第でばらつきます。実際の1〜2週間分の利用でエスカレーション率とコスト推移を確認してから、本格運用を判断するのが安全です。
VS Code／アプリ展開を待つ
GitHubはVS CodeとCopilotアプリへの展開を9月中の追随として予告しています。CLI以外での利用を前提にするチームは、この展開時期も踏まえて導入時期を決めるとよさそうです。