GitHub Copilot atualiza o HydraFusion com novos modelos e lança o HydraFusion Max em research preview

Fala aí, beleza? O Copilot ganhou mais um motivo pra você parar de ficar escolhendo modelo na mão 😀

Em 14/10/2026 o GitHub anunciou no changelog oficial uma atualização do HydraFusion, com novo pool de modelos e workflows de orquestração revisados, e lançou o HydraFusion Max

As duas opções estão no VS Code, no app GitHub Copilot e no Copilot CLI, ainda em research preview

O acesso vale para os planos Pro, Pro+, Business e Enterprise com recursos experimentais ou de preview habilitados, sujeito às políticas de modelos da organização

O que é o HydraFusion no GitHub Copilot?

O HydraFusion orquestra vários modelos para gerar uma única resposta, então você não precisa escolher um modelo para cada tarefa

Ele aparece no seletor de modelos do GitHub Copilot como assistente, mas não é um modelo

Então é o quê? 🤔

Segundo a documentação do HydraFusion, é um orquestrador em tempo de execução: ele escolhe o padrão de execução e os modelos que vão rodar a tarefa

É como ter um tech lead que decide quem do time pega cada parte do trabalho e quem revisa no final

A documentação descreve três padrões de execução:

• Single: um modelo resolve a tarefa direto
• Cascade: um modelo eficiente faz o rascunho e um juiz (judge) inspeciona o resultado e decide se aceita ou escala para um modelo mais forte
• Critique: um modelo rascunha enquanto vários modelos o criticam de forma independente e em paralelo; o feedback é agregado e o modelo original revisa a resposta uma vez

Novidades da atualização: modelos, esforço de raciocínio, Cascade e Critique

A atualização mexe em quatro pontos, e vale olhar cada um no formato antes e agora, beleza?

Novo pool de modelos

As duas opções agora sorteiam de um pool que inclui Claude Opus 5.5, GPT-6 Astra, GPT-6.1 Sol e GPT-6 Luna

Os modelos usados em cada tarefa variam conforme o workflow de orquestração

Não existe lista fixa: a mistura muda conforme novos modelos ficam disponíveis e o GitHub avalia o desempenho, e você não escolhe quais modelos entram em cada etapa. No VS Code e no app, dá pra ver quais modelos foram usados passando o mouse sobre a resposta

Esforço de raciocínio por etapa

Antes, o HydraFusion usava só o esforço de raciocínio padrão de cada modelo

Agora ele ajusta o esforço por etapa: médio nos rascunhos iniciais e alto na revisão

A lógica é economizar onde dá (o rascunho) e gastar raciocínio onde importa (conferir e melhorar o trabalho)

Cascade com etapa de julgamento

Antes, o Cascade usava um modelo inicial para resolver a tarefa e escalava para um modelo mais forte quando necessário

Agora ele pode incluir uma etapa de julgamento que inspeciona o trabalho inicial e só pede reparo quando necessário

Critique olhando o workspace de verdade

Antes, o Critique dependia muito de resumos em texto

Agora ele usa mais ferramentas para inspecionar o workspace diretamente e passou a usar modelos críticos em paralelo

Ou seja, o crítico deixa de revisar só a descrição do que foi feito e passa a olhar os arquivos em si

HydraFusion Max: o que é e como difere do HydraFusion?

O Max usa a mesma arquitetura e as mesmas técnicas de workflow do HydraFusion, mas é ajustado para capacidade de fronteira em tarefas mais exigentes

Na prática, ele aplica esforço de raciocínio maior onde profundidade e cuidado contam MAIS, e continua usando a orquestração para considerar a eficiência de tokens

O posicionamento oficial do changelog fica assim:

Se liga: este changelog específico não traz nenhum percentual de economia de tokens, nem para a atualização nem para o Max: só a expressão qualitativa "moderate token savings"

Vale lembrar que o lançamento original do HydraFusion, em setembro de 2026, chegou a divulgar números de economia de tokens; a ressalva aqui vale só para este anúncio de outubro

Então se tu vir por aí um percentual atribuído a esta atualização de outubro, desconfia, porque não está neste anúncio oficial

Quem pode usar, onde funciona e quanto custa?

As duas opções funcionam em três clientes:

• VS Code
• app GitHub Copilot
• GitHub Copilot CLI

Os planos liberados são Copilot Pro, Pro+, Business e Enterprise, desde que os recursos experimentais ou de preview estejam habilitados

No Business e no Enterprise, tem mais uma camada: tudo fica sujeito às políticas de modelos da organização, então depende do que o admin liberou

E o custo?

Pela documentação, cada modelo usado pelo HydraFusion é cobrado pela tarifa padrão dele

Não existe cobrança separada pelo HydraFusion, mas o desconto da seleção automática de modelo também não se aplica

Como ele pode rodar mais de um modelo na mesma tarefa, ela pode consumir mais créditos de IA do que se você usasse um modelo só

Tome cuidado aqui: orquestrar não significa automaticamente gastar menos 😛

A documentação consultada fala do HydraFusion de forma geral e não detalha regras de cobrança próprias do Max

HydraFusion ou HydraFusion Max: qual escolher?

Depende do tipo de tarefa, e o próprio GitHub dá a pista

• HydraFusion: para tarefas agênticas do dia a dia, em que velocidade e custo pesam junto com o desempenho
• HydraFusion Max: para análises mais profundas e tarefas mais exigentes, em que você quer o raciocínio mais completo possível

A documentação recomenda o HydraFusion para tarefas de código substanciais e bem delimitadas, como corrigir um bug complexo ou fazer uma mudança em vários arquivos

E pra tarefa pequena?

Aí um modelo único pode sair mais barato, já que a cobrança é por modelo usado e o HydraFusion pode acionar mais de um; pra isso, a própria documentação indica selecionar Auto

Pelos dados oficiais disponíveis, a recomendação é escolher pelo perfil da tarefa: HydraFusion para o dia a dia agêntico, Auto para tarefas rápidas ou rotineiras, e HydraFusion Max quando o trabalho pede o raciocínio mais profundo e a análise mais completa

Limitações do research preview

As duas opções continuam em research preview, e isso pesa na decisão

Segundo a documentação, o HydraFusion está sujeito a mudanças, não tem SLA e não é indicado para cargas de produção

O pool de modelos e o comportamento dos workflows também podem mudar durante o preview, então o que você lê hoje sobre quais modelos entram pode não valer na semana seguinte

O consumo de créditos também pode variar bastante de uma tarefa pra outra, dependendo do padrão de execução escolhido

Nas páginas oficiais consultadas, não encontramos previsão de saída do preview nem de disponibilidade geral

Orquestrador de modelos na prática

Se a ideia de orquestrar vários modelos numa resposta só é nova pra você, vale ver esse tipo de orquestração funcionando na prática

Bora ver no vídeo abaixo? =)

Próximo passo

Antes de tudo, confere se o teu plano e a política de modelos da tua organização liberam recursos experimentais ou de preview

Depois, separa uma tarefa substancial e bem delimitada, fora de produção, tipo aquele bug chato que mexe em vários arquivos, e roda com o HydraFusion

Acompanha o consumo de créditos nessa tarefa antes de partir pro Max, porque mais raciocínio tende a puxar mais modelo

A documentação do HydraFusion é o lugar pra checar mudanças durante o preview, e o feedback vai na discussão oficial do HydraFusion citada no changelog

Até o próximo post! 🙂

Quer aprender mais sobre inteligência artificial e programação na prática? Conheça o canal Hora de Codar no YouTube e acompanhe os próximos vídeos.