깃허브가 이번 주 Copilot CLI에 Project HydraFusion을 연구 프리뷰로 공개했습니다. 모든 Copilot 플랜에서 `/experimental`로 켜볼 수 있는데, 핵심은 간단합니다 — 이제 요청 하나를 처리할 때 모델 하나만 쓰는 게 아니라, 상황에 맞춰 여러 모델을 한 턴 안에서 조합해서 씁니다.
뭐가 달라졌나
지금까지 AI 코딩 도구는 대부분 "이 세션엔 어떤 모델을 쓸지"를 사람이 골랐습니다. Claude 쓸지 GPT 쓸지 Gemini 쓸지 직접 고르고, 비싸면 싼 모델로 바꾸고, 답이 부실하면 다시 좋은 모델로 바꾸는 식이었죠. HydraFusion은 이 판단 자체를 자동화합니다. 요청이 들어오면 세 가지 방식 중 하나를 알아서 고릅니다.
- Single: 간단한 작업이면 모델 하나가 바로 처리
- Cascade: 효율적인 모델이 먼저 초안을 짜고, 품질 게이트를 통과 못 하면 더 강한 모델로 에스컬레이션
- Critique: 한 모델이 초안을 쓰면 다른 계열의 모델이 검증(읽기 전용)하고, 원래 모델이 그 피드백을 반영해 한 번 더 고침
즉 모델 하나에 묻고 끝내는 게 아니라, 모델끼리 서로 검증시키는 구조입니다.
성능은 실제로 어떤가
깃허브가 공개한 오프라인 벤치마크 기준으로, TerminalBench 2.1에서 Claude Opus 5 단독 사용 대비 정답률은 4.9%p 올라가고 예상 비용은 67% 낮아졌다고 합니다. 과금은 별도 프리미엄 없이, 실제로 쓰인 모델들의 표준 토큰 요금을 합산하는 방식이라 워크플로가 복잡해질수록 비용도 그만큼 늘어나는 구조입니다.
왜 신경 써야 하나
지금까지 "어떤 모델을 언제 쓸지"는 바이브코더들이 경험으로 감을 잡아야 하는 영역이었습니다. HydraFusion이 자리 잡으면 이 판단을 도구가 대신 해주는 흐름으로 바뀔 수 있습니다. 모델 라우팅을 자동화하려는 시도 자체는 다른 도구들도 하고 있지만(자동 모델 선택 기능 등), 여러 모델이 서로의 결과물을 실제로 검증하고 고쳐가는 방식까지 붙인 건 눈에 띄는 지점입니다.
다만 아직 "연구 프리뷰" 단계라 정식 기능이 아니고, 모델을 여러 번 거치는 Cascade·Critique 방식은 그만큼 응답이 느려질 수 있습니다. 벤치마크 수치도 깃허브 자체 오프라인 테스트 기준이라 실제 리포지토리에서 체감이 얼마나 다를지는 더 지켜봐야 합니다.
댓글 0
첫 댓글을 남겨보세요!