Principe de fonctionnement

HydraFusion se présente comme un point d’accès unique qui, à chaque requête, construit un plan d’exécution en sélectionnant des modèles provenant de différents fournisseurs. Le moteur traite la sélection comme un problème d’optimisation, en évaluant des signaux de capacité (raisonnement, génération de code, débogage, usage d’outils) afin de choisir le workflow le moins coûteux capable d’atteindre le seuil de qualité fixé.

Patrons d’exécution et optimisation

Trois schémas sont disponibles : Single, où un seul modèle résout la tâche ; Cascade, qui utilise un modèle rapide pour un premier jet puis, si un gate d’acceptation échoue, escalade vers un modèle plus puissant ; Critique, où un modèle rédige, un second modèle, isolé, évalue le résultat, et le premier modèle effectue une révision. Chaque branche implique un calcul de coût estimé, de latence et de probabilité de succès, ce qui permet à HydraFusion de privilégier la configuration la plus économique tout en respectant le critère de qualité.

Résultats d’évaluation

Les performances ont été mesurées hors ligne sur trois benchmarks d’agents de codage : TerminalBench 2.1, DeepSWE et CheckpointBench. Sur TerminalBench 2.1, HydraFusion a augmenté la qualité vérifiée de 4,9 points de pourcentage tout en réduisant le coût estimé de 67 % comparé à Claude Opus 5. Sur DeepSWE, l’écart de qualité est limité à 1,5 pp avec une réduction de coût de 36 %. Les mesures incluent chaque étape du workflow (draft, critique, révision, escalade, retry, fallback), assurant une comptabilité complète des dépenses.

Contraintes et perspectives

HydraFusion repose sur cinq principes opérationnels : comptabilité complète, exécution bornée, revue isolée, application en mode fail‑safe et routage validé. Ces règles imposent des limites de temps et de cancellation pour chaque « leg », garantissant que les coûts restent prévisibles et que les changements ne sont appliqués que si le workflow aboutit sans erreur. L’isolation des revues empêche toute modification du dépôt pendant l’évaluation, renforçant la sécurité du code généré. Toutefois, les résultats restent spécifiques aux configurations de benchmark, aux modèles disponibles au moment du test et aux hypothèses de tarification. La transposition de ces gains dans des charges de travail réelles nécessitera une validation continue, notamment pour la latence perçue par les développeurs et la robustesse face à des modèles nouveaux ou instables.