GitHub har stoppet med at lade udviklere vælge én AI-model til deres kode. Med Project HydraFusion, som blev annonceret 4. september 2026 og udvidet til VS Code og Copilot-appen 30. september, sender GitHub Copilot nu en opgave gennem flere modeller på samme tid. En billig model udkaster et svar, en anden tjekker det, og kun hvis kvaliteten halter, trækkes en dyrere model ind. GitHub siger selv, at metoden kan skære op til 67 procent af omkostningerne på visse opgavetyper uden at gå på kompromis med kvaliteten. Det er et markant skifte fra kapløbet om flest modelnavne, som har domineret Copilot-opdateringerne hele 2026, og det rammer direkte ind i konkurrencen med Cursor og Anthropics Claude Code.
Hvad er GitHub Copilot HydraFusion
HydraFusion er ikke en ny AI-model. Det er et lag af logik, som GitHub kalder en runtime-orkestrator, der sidder mellem udviklerens prompt og de faktiske sprogmodeller. Ifølge GitHub’s officielle annoncering bygger systemet en fuld eksekveringsplan for hver opgave og vælger derefter, hvilke modeller fra hvilke udbydere der skal udkaste, kritisere, revidere eller eskalere arbejdet.
Tidligere havde en Copilot-bruger to muligheder: vælge en model manuelt, eller lade Copilots auto-valg finde den bedste model til hver enkelt prompt. HydraFusion tilføjer et tredje lag. Det vælger ikke bare en model, det vælger en hel arbejdsgang, hvor flere modeller kan arbejde på den samme opgave i sekvens. GitHub fremhæver selv, at funktionen behandler valget af arbejdsgang som et optimeringsproblem baseret på signaler om opgavens kompleksitet, såsom behov for flertrins-ræsonnement, kodegenerering, fejlfinding og værktøjsbrug.
Funktionen dukkede første gang op 1. september 2026 som en skjult /experimental-kommando i GitHub Copilot CLI, ifølge en tråd på GitHub’s community-forum. Den formelle lancering kom tre dage senere, og i løbet af september voksede HydraFusion fra et CLI-eksperiment til en bredt tilgængelig preview-funktion.
Tre arbejdsgange afgør, hvor mange modeller der bruges
GitHub har offentliggjort tre faste mønstre, som HydraFusion vælger mellem. Det enkleste mønster, Single, bruger kun én model og ligner dermed almindeligt auto-valg. Cascade lader en billig model skrive et udkast først, og kun hvis en kvalitetskontrol afviser svaret, eskaleres opgaven til en kraftigere model. Critique går et skridt videre: en model skriver udkastet, en anden model fra en helt anden modelfamilie læser det kritisk igennem, og den oprindelige model reviderer sit svar én gang baseret på kritikken.
| Mønster | Hvordan det fungerer | Typisk brug |
|---|---|---|
| Single | En model besvarer opgaven direkte, uden ekstra trin | Simple, afgrænsede opgaver med lav risiko for fejl |
| Cascade | Billig model udkaster, dyrere model tager over kun ved behov | Opgaver hvor kvaliteten er svær at forudsige på forhånd |
| Critique | En model skriver, en anden kritiserer, originalen reviderer | Komplekse opgaver med høj risiko for subtile fejl |
Ifølge GitHub’s egen dokumentation vælges HydraFusion i modelvælgeren på samme måde som enhver anden model, men bag kulissen er det altså aldrig kun én model, der svarer. GitHub præciserer samtidig, at HydraFusion under preview-perioden ikke har en service level agreement og ikke er tiltænkt produktionsmiljøer.
Tidslinjen: fra CLI-eksperiment til VS Code og Copilot-appen
September 2026 blev en måned med næsten ugentlige Copilot-opdateringer, og HydraFusion kørte parallelt med flere andre ændringer. Den 14. september introducerede GitHub tre nye niveauer til auto-modelvalg: efficiency, balance og intelligence. Den 21. september fik Pro+, Max, Business og Enterprise-brugere adgang til Claude Opus 5.5, GPT-6 Sol, GPT-6 Luna og Grok 4.7. En uge senere, den 28. september, landede Claude Sonnet 5.5 og GPT-6.1 Sol i Copilot for Pro, Pro+, Max, Business og Enterprise.
HydraFusion fulgte sit eget spor gennem den samme periode. Den 30. september bekræftede GitHub i et changelog-indlæg, at preview-funktionen nu var tilgængelig i VS Code og i selve Copilot-appen, ikke kun i terminalen. Business- og Enterprise-administratorer skal selv aktivere preview-funktioner for deres organisationer, mens Pro- og Pro+-brugere kan slå den til direkte i indstillingerne.
| Dato i 2026 | Begivenhed |
|---|---|
| 1. september | HydraFusion dukker op som skjult /experimental-kommando i Copilot CLI |
| 4. september | GitHub annoncerer HydraFusion officielt som research preview |
| 14. september | Auto-modelvalg får tre niveauer: efficiency, balance, intelligence |
| 21. september | Claude Opus 5.5, GPT-6 Sol, GPT-6 Luna og Grok 4.7 tilføjes Copilot |
| 22. september | GitHub Copilot for JetBrains 1.18.0 får delte organisations-skills |
| 28. september | Claude Sonnet 5.5 og GPT-6.1 Sol tilføjes Copilot |
| 30. september | HydraFusion udvides til VS Code og Copilot-appen |
Tallene bag besparelsen på 67 procent
GitHub har offentliggjort egne benchmark-tal for HydraFusion, og de er værd at læse med en kritisk pen, fordi de kommer fra virksomheden selv og ikke fra en uafhængig tredjepart. På TerminalBench 2.1 hævder GitHub, at HydraFusions udvalgte arbejdsgange forbedrede den verificerede opgavekvalitet med 4,9 procentpoint i forhold til en Claude Opus 5-baseline, samtidig med at de anslåede omkostninger faldt med op til 67 procent. På DeepSWE-benchmarken faldt omkostningerne 36 procent, mens kvaliteten lå 1,5 point under baseline. På CheckpointBench var besparelsen 65 procent, med en kvalitetsforskel på blot 0,1 point.
| Benchmark | Omkostningsændring | Kvalitetsændring vs. baseline |
|---|---|---|
| TerminalBench 2.1 | Op til -67% | +4,9 procentpoint |
| DeepSWE | -36% | -1,5 point |
| CheckpointBench | -65% | -0,1 point |
Mønsteret går igen i alle tre tal: store besparelser, men kun i to af tre tilfælde en reel kvalitetsgevinst. Det matcher logikken i Cascade-mønsteret, hvor en billig model ofte løser opgaven alene, og den dyre model kun bruges, når det er strengt nødvendigt. GitHub oplyser ikke den fulde metode bag tallene, herunder hvilke konkrete modelversioner der blev testet mod hinanden, eller hvor mange opgaver testen omfattede. Branchemediet InfoQ beskrev lanceringen som en avanceret research preview, der bygger videre på Copilots tidligere automatiske modelvalg, uden selv at kunne bekræfte tallene uafhængigt.
HydraFusion vs. de nye effort-niveauer: hvad er forskellen
De tre niveauer, GitHub indførte 14. september, lader brugeren bestemme, hvordan Copilot skal afveje pris, kvalitet og svartid, når den vælger én model til en given prompt. Efficiency prioriterer lav pris til hurtige, afgrænsede opgaver. Balance forsøger at finde en middelvej. Intelligence prioriterer kvalitet til komplekse opgaver, uanset pris. Alle tre niveauer trækker fra den samme pulje af tilgængelige modeller, de vælger bare forskelligt.
HydraFusion løser et andet problem. Hvor effort-niveauerne optimerer, hvilken model der skal svare, optimerer HydraFusion hvordan opgaven skal løses, og hvor mange modeller der skal deltage i løsningen. En udvikler, der manuelt vælger en kraftig ræsonneringsmodel, betaler og venter på den model for hver eneste prompt. Med Cascade-mønsteret kan en billigere model løse de lette dele af samme opgave, så den dyre model kun aktiveres, når det faktisk er nødvendigt. De to funktioner er ikke konkurrenter. De er lag på lag af samme automatiseringsidé, og de kan i teorien bruges sammen.
Historisk kontekst: fra enkelt-model til et orkester af modeller
For bare to år siden valgte stort set alle AI-kodeassistenter én fast model til alle opgaver. GitHub Copilot lancerede sit første auto-modelvalg i 2025, og det blev hurtigt kopieret af konkurrenter. 2026 har så bragt en ny bølge, hvor selve ideen om “en model” er under opbrud. Cursor byggede sin egen model, Composer, fra grunden for at få kontrol over pris og hastighed i stedet for at være afhængig af tredjeparts-modeller. GitHub har i stedet valgt at blive bedre til at dirigere trafik mellem andres modeller.
Det er en klassisk skillevej i software: byg selv, eller orkestrer det, andre har bygget. Begge strategier forsøger at løse samme kerneproblem, nemlig at frontier-modeller er dyre og langsomme, mens billigere modeller ofte er gode nok til de fleste opgaver, hvis man kan identificere hvornår. Branchen har ventet på et konkret svar på dette spørgsmål, siden de første agentiske kodeassistenter dukkede op, og HydraFusion er GitHub’s forsøg på netop det.
Konkurrencen: Cursor Composer 2.5 og Claude Code
Cursor satser på én hurtig model i stedet for flere
Cursor lancerede Composer 2.5 den 18. maj 2026, bygget på samme Moonshot Kimi K2.5 åbne modelgrundlag som sin forgænger. Modellen scorer 79,8 procent på SWE-bench Multilingual, hvilket ligger tæt på Claude Opus 4.7 (80,5 procent) og over GPT-5.5 (77,8 procent). På Terminal-Bench 2.0 scorer Composer 2.5 69,3 procent, et stykke under GPT-5.5’s 82,7 procent på samme test. Prisen er til gengæld markant lavere: 0,50 dollar per million input-tokens og 2,50 dollar per million output-tokens, mod flere dollar per million tokens for frontier-modeller.
Cursors strategi er med andre ord det modsatte af GitHub’s. Hvor HydraFusion forsøger at kombinere flere dyre og billige modeller dynamisk, har Cursor bygget én model, der i sig selv er billig og hurtig nok til de fleste opgaver. Begge veje fører mod samme mål: lavere omkostning per løst opgave uden at opgive for meget kvalitet.
Claude Code holder fast i manuelt modelvalg
Anthropics Claude Code har ikke offentliggjort en sammenlignelig orkestreringsfunktion, der automatisk fordeler en opgave mellem flere modeller fra forskellige leverandører. Værktøjet læner sig i stedet op af Anthropics egne modeller og et mere traditionelt setup, hvor brugeren vælger model til sessionen. Det gør HydraFusion til den første brede implementering af tværleverandør-orkestrering i en stor, kommerciel kodeassistent, så vidt det kan dokumenteres i offentligt tilgængeligt materiale.
| Produkt | Tilgang | Prismodel | Status |
|---|---|---|---|
| GitHub Copilot HydraFusion | Dynamisk orkestrering af flere leverandørers modeller | Standard token-pris for de modeller, der faktisk bruges | Research preview, ingen SLA |
| Cursor Composer 2.5 | Én egenudviklet model optimeret til pris og hastighed | 0,50$ / 2,50$ per mio. input/output-tokens | Generelt tilgængelig siden maj 2026 |
| Manuelt modelvalg (standard Copilot) | Brugeren vælger én model for hele opgaven | Fast pris for den valgte model | Generelt tilgængelig |
Markedet: hvem vinder kampen om billigere AI-kode
Cursor er efter en Series D-runde på 2,3 milliarder dollar i november 2025 værdisat til omkring 29,3 milliarder dollar, ifølge analyser fra Sacra. Virksomheden angiver selv, at over 70 procent af Fortune 1000-virksomhederne bruger Cursor, en oplysning fra maj 2026. GitHub offentliggør ikke tilsvarende abonnementstal for Copilot i de kilder, der er brugt til denne artikel, men selskabets tempo af opdateringer, flere om ugen gennem hele september, tyder på et selskab, der forsvarer sin position som markedets mest brugte AI-kodeassistent snarere end et selskab, der læner sig tilbage.
Den egentlige kamp handler ikke længere kun om, hvilken model der er klogest. Den handler om, hvilken strategi der leverer det bedste forhold mellem kvalitet og pris i praksis, for almindelige udviklere og for virksomheder, der betaler for tusindvis af sæder. Med HydraFusion forsøger GitHub at konkurrere på begge dele samtidig, i stedet for at vælge mellem dem.
Hvad betyder det for danske og nordiske virksomheder
For danske og nordiske IT-afdelinger, der allerede betaler for GitHub Copilot Business eller Enterprise, kommer HydraFusion uden ekstra licensomkostning, fordi preview-funktionen bruger de samme standard token-priser som de underliggende modeller. Det gør den relevant at teste for teams, der i dag bruger en dyr model til alt, fordi de ikke har tid til at vurdere hver opgaves kompleksitet manuelt.
Samtidig er ordet research preview vigtigt at tage alvorligt. En virksomhed, der bruger Copilot til kode i produktionsmiljøer med krav om sporbarhed, bør ikke basere sig på en funktion uden service level agreement, før den når en stabil version. For organisationer underlagt NIS2 eller lignende krav om dokumenterede udviklingsprocesser er det værd at vente på en generelt tilgængelig udgave, inden HydraFusion bliver en fast del af teamets arbejdsgang.
Prisen: sådan rammer orkestrering kreditforbruget
Fordi HydraFusion ikke er en fast-prissat model, afregnes brugen efter standardpriserne for de modeller, der faktisk bliver aktiveret i den valgte arbejdsgang. Det betyder, at en opgave, der kører gennem Cascade-mønsteret og aldrig eskalerer, typisk bliver billigere end at køre den samme opgave på en dyr model direkte. Men en opgave, der ender i Critique-mønsteret med to modeller og en revision, kan i princippet forbruge flere tokens samlet end et enkelt kald til én model, selv hvis det endelige svar er bedre.
Det skaber en vigtig nuance: GitHub’s tal om 67 procent besparelse er et gennemsnit på tværs af testede opgaver, ikke en garanti for hver enkelt faktura. Teams, der har oplevet pludselige stigninger i deres Copilot-kreditforbrug tidligere i 2026, bør derfor overvåge forbruget tæt i de første uger, hvis de aktiverer HydraFusion i stor skala.
copilot
> /experimental
> vælg model: HydraFusion
> opgave: "ret fejlen i betalingsmodulet og tilføj en test"Ovenfor er et forenklet eksempel på, hvordan HydraFusion aktiveres gennem den dokumenterede /experimental-kommando i Copilot CLI. Selve udvælgelsen af model og arbejdsgang sker herefter automatisk, uden at udvikleren ser, hvilke modeller der har deltaget, før svaret er klart.
Begrænsninger og det, GitHub ikke har svaret på
Flere spørgsmål står stadig åbne efter en måneds offentlig information om HydraFusion. GitHub har ikke offentliggjort en fast liste over, hvilke modeller fra hvilke leverandører der reelt kan indgå i en arbejdsgang, kun at det sker “across multiple providers”. Det gør det svært for en virksomhed at vurdere databehandling og compliance, fordi man ikke på forhånd kan vide, om en opgave bliver behandlet af én bestemt udbyders model eller flere på samme tid.
GitHub har heller ikke offentliggjort den fulde testmetode bag de omtalte benchmark-tal, herunder antal testopgaver og hvilke konkrete modelversioner der blev brugt som sammenligningsgrundlag. Det er ikke ensbetydende med, at tallene er forkerte, men det betyder, at de bør læses som et producentoplyst resultat, indtil en uafhængig part har kunnet gentage testen. Og fordi funktionen fortsat er en research preview uden service level agreement, kan GitHub til enhver tid ændre, hvordan arbejdsgangene vælges, uden varsel på samme niveau som for en generelt tilgængelig funktion.
Branchens reaktion efter de første uger
Teknologimediet InfoQ kaldte lanceringen en avanceret research preview, der bygger videre på Copilots tidligere arbejde med automatisk modelvalg, og fremhævede de tre eksekveringsmønstre som den vigtigste nyhed. Den brede dækning i ugerne efter 4. september har i høj grad handlet om de konkrete benchmark-tal frem for arkitekturen i sig selv, hvilket afspejler, at omkostningsbesparelsen på op til 67 procent er det tal, der har skabt mest opmærksomhed. Ingen af de offentligt tilgængelige kilder dokumenterer endnu en bred, uafhængig brugerundersøgelse af, hvordan udviklere oplever funktionen i praksis.
Fem forudsigelser for multi-model-orkestrering
- HydraFusion forlader sandsynligvis research preview-status i løbet af første halvdel af 2027, hvis GitHub følger samme mønster som tidligere Copilot-funktioner, der typisk har brugt tre til seks måneder i preview.
- Cursor vil svare med sin egen form for arbejdsgangsstyring omkring Composer snarere end at opgive sin enkelt-model-strategi, fordi kontrol over egen model er en central del af selskabets forretningsmodel.
- Flere virksomheder vil kræve gennemsigtighed om, hvilke modeller og leverandører der behandler deres kode, hvilket kan tvinge GitHub til at offentliggøre en fast liste over deltagende modeller i stedet for den nuværende brede formulering.
- Prissætningen på orkestrerede arbejdsgange bliver en tilbagevendende kilde til overraskelser på fakturaer, indtil GitHub tilføjer bedre forbrugsoverblik specifikt for HydraFusion-opgaver.
- Andre store kodeassistenter, herunder potentielt Anthropics Claude Code, vil eksperimentere med lignende cascade- eller kritik-mønstre inden udgangen af 2027, fordi besparelsespotentialet er for stort til at ignorere for konkurrenter med adgang til flere modelfamilier.
Ofte stillede spørgsmål om GitHub Copilot HydraFusion
Er HydraFusion en ny AI-model?
Nej. HydraFusion er et orkestreringslag, der vælger og kombinerer eksisterende modeller fra flere leverandører for hver enkelt opgave, i stedet for selv at være en model.
Hvordan aktiverer jeg HydraFusion i GitHub Copilot?
Funktionen er tilgængelig gennem /experimental i GitHub Copilot CLI for alle Copilot-planer, og siden 30. september 2026 også i VS Code og Copilot-appen for Pro, Pro+, Business og Enterprise, hvor Business- og Enterprise-administratorer selv skal slå preview-funktioner til.
Koster HydraFusion ekstra ud over mit almindelige Copilot-abonnement?
Der er ikke oplyst en separat pris for selve funktionen. Forbruget afregnes efter standard token-priser for de underliggende modeller, som bliver aktiveret i den valgte arbejdsgang for hver opgave.
Er HydraFusion klar til brug i produktion?
Ikke endnu. GitHub betegner funktionen som en research preview uden service level agreement, og virksomheden fraråder selv, at den bruges til produktionsarbejde på nuværende tidspunkt.
Hvordan er HydraFusion forskellig fra Copilots auto-modelvalg?
Auto-modelvalg, inklusive de tre niveauer efficiency, balance og intelligence fra 14. september 2026, vælger én model til hele opgaven. HydraFusion kan i stedet lade flere modeller deltage i samme opgave gennem mønstrene Single, Cascade og Critique.
Kan jeg se, hvilke modeller der har arbejdet på min opgave?
De offentligt tilgængelige kilder beskriver ikke et brugervendt overblik, der viser, præcis hvilke modeller der deltog i en given opgave. GitHub oplyser kun, at valget sker “across multiple providers”, uden en fast, offentliggjort liste.
Er Cursor Composer 2.5 det samme som HydraFusion?
Nej. Composer 2.5 er Cursors egen, enkeltstående model, lanceret 18. maj 2026 og bygget på et åbent Moonshot Kimi K2.5-grundlag. HydraFusion er derimod et lag, der dirigerer opgaver mellem flere forskellige leverandørers modeller.
