HydraFusion的Single、Cascade与Critique如何落到工程门禁
内容提要
GitHub推出HydraFusion研究预览，提供Single、Cascade、Critique三种工作流，分别对应直接回答、失败升级和异源模型复核。官方数据显示可降低成本36%至67%。开发者应按风险设置门禁，优先使用确定性验证，以批评补盲，强模型兜底，并按任务类别评估质量、成本与延迟。
延伸解读
工作流选择的核心逻辑
HydraFusion将路由对象从模型升级为工作流，选择依据包括任务风险、验证器可靠性和独立复核需求。低风险可回滚任务适合Single以避免延迟；有强单元测试时Cascade更经济；涉及权限、迁移或资金的高风险改动则需Critique。这种分层策略让成本与风险匹配，而非一刀切。
官方数据的适用边界
官方研究显示，最佳配置在TerminalBench 2.1上成本低67%、质量高4.9个百分点，但在DeepSWE上质量低1.5个百分点。这些数字依赖特定模型池、价格和基准版本，且GitHub明确为研究预览。开发者不应直接外推至自身仓库，尤其缺乏稳定测试的遗留系统。
工程落地的关键风险
异源批评不自动等于独立证据，模型可能共享训练数据或错误假设。若质量门仅依赖另一模型的主观评分，Cascade可能将幻觉包装成优化。可靠顺序应是确定性验证优先、异源批评补盲、强模型升级兜底。同时需记录每段调用、模型版本和批准人，以应对生产变更。
建立对照实验的方法
不要用所有任务的平均数评估。应分为小改动、跨文件修复、测试失败诊断和高风险安全变更四组，冻结代码、提示和工具权限。Single作为成本基线，Cascade记录首次通过率和升级率，Critique记录有效问题与误报。完整成本需包含草稿、批评、修订、升级和失败重跑，并单列尾延迟。
Q&A
HydraFusion 的 Single、Cascade 和 Critique 三种工作流分别是什么？
Single 由一个模型直接完成；Cascade 先让高效率模型起草，质量门不通过才升级到更强模型；Critique 让不同模型家族的只读批评者检查草稿，再由原模型修订一次。
HydraFusion 和 Auto 模式有什么区别？
Auto 为每次请求选模型，而 HydraFusion 还会选择并协调一个回合内的复合工作流。
HydraFusion 官方研究数据中，最佳调优配置相比 Opus 5 基线在成本和质量的对比如何？
在 TerminalBench 2.1 上成本低 67%、质量高 4.9 个百分点；在 DeepSWE 上成本低 36%、质量低 1.5 个百分点；在内部 CheckpointBench 上成本低 65%、质量低 0.1 个百分点。
如何根据任务风险选择 HydraFusion 的工作流？
若单元测试足够强，Cascade 很划算；若改动涉及权限、迁移或资金，Critique 更合适；若任务低风险且可回滚，Single 能避免额外延迟。
HydraFusion 对开发者有哪些主要影响？
第一，提示词工程不再是唯一控制面，任务分类、验证器和升级规则会直接决定成本；第二，延迟预算要按完整工作流计算，批评、修订、回退都应计费和计时；第三，异源批评并不自动等于独立证据，最终仍需测试、类型检查、静态分析和人工审批。
如何为 HydraFusion 建立自己的对照实验？
至少分成小改动、跨文件修复、测试失败诊断和高风险安全变更四组，每组冻结代码提交、提示、工具权限与时间上限。Single 作为最低成本基线，Cascade 记录首次草稿通过率和升级率，Critique 记录批评者发现的有效问题与误报。完整成本要包含草稿、批评、修订、升级、失败重跑和缓存；质量要由可执行测试与人工盲审共同决定。
HydraFusion 的边界与风险有哪些？
研究预览的模型、工作流和计费可能变化；官方说明当前更适合单轮、范围明确的编码任务。涉及生产变更时，还应记录每一段调用、使用的模型版本、测试产物与最终批准人。不要把离线基准直接外推到自己的仓库，尤其是缺少稳定测试的大型遗留系统。
