GitHub laat meerdere AI-modellen samenwerken bij softwareontwikkeling
GitHub heeft Project HydraFusion als onderzoekspreview toegevoegd aan Copilot. In plaats van één taalmodel voor een programmeertaak te kiezen, maakt de technologie een uitvoeringsplan en verdeelt zij werk dynamisch over verschillende modellen. De ontwikkeling raakt Nederland concreet: TomTom gebruikt GitHub met meer dan 2.500 seats en DEPT heeft Copilot naar ongeveer 4.000 developers uitgerold.
GitHub maakte HydraFusion op 4 september 2026 beschikbaar als research preview binnen Copilot. De technologie kiest tijdens een programmeertaak verschillende modellen voor afzonderlijke stappen. Een model kan bijvoorbeeld een eerste oplossing maken, waarna een ander model de code bekritiseert of verbetert.
Dat verschilt van de bestaande automatische modelkeuze van Copilot. Die selecteert één geschikt model voor een taak. HydraFusion kan binnen dezelfde workflow meerdere modellen achter elkaar of naast elkaar inzetten.
GitHub stelt dat de aanpak in gecontroleerde interne tests bij bepaalde codingworkflows vergelijkbare of betere resultaten behaalde dan de gebruikte Opus 5-baseline, terwijl de geschatte workflowkosten lager waren. Dit zijn resultaten van GitHub zelf en geen onafhankelijk benchmarkonderzoek.
TomTom en DEPT gebruiken Copilot al op grote schaal
De Nederlandse relevantie is direct meetbaar. GitHub noemt TomTom uit Amsterdam als klant met meer dan 2.500 seats. Volgens de officiële klantcase zegt 85 procent van de ontwikkelaars productiever te zijn met GitHub Copilot.
Ook digitaal bureau DEPT heeft GitHub Enterprise Cloud als centraal ontwikkelplatform ingevoerd en Copilot beschikbaar gemaakt voor ongeveer 4.000 developers wereldwijd. De implementatie werd samen met het Nederlandse Xebia uitgevoerd.
HydraFusion is een research preview en hoeft dus nog niet automatisch in deze Nederlandse omgevingen actief te zijn.
AI-coding verschuift van modelkeuze naar modelorkestratie
De productontwikkeling laat zien dat de concurrentie tussen taalmodellen een nieuwe laag krijgt. Ontwikkelaars hoeven mogelijk steeds minder zelf te bepalen of een programmeertaak beter door een model van OpenAI, Anthropic of een andere leverancier wordt uitgevoerd. De softwarelaag erboven kan die selectie gaan automatiseren.
Daarmee wordt de orkestrator belangrijker. Die bepaalt welk model wordt ingezet, hoeveel stappen worden uitgevoerd en hoeveel compute een taak uiteindelijk kost.
Duiding: Nederlandse SaaS-teams kunnen minder afhankelijk worden van één model
Een concrete kans voor Nederlandse softwarebedrijven is dat zij betere resultaten kunnen krijgen zonder voor iedere taak handmatig modellen te vergelijken. Een ontwikkelplatform kan goedkope modellen gebruiken voor eenvoudige stappen en krachtigere modellen alleen inzetten wanneer dat nodig is. Dat kan vooral bij honderden developers invloed hebben op totale AI-kosten.
Het risico is minder transparantie. Wanneer verschillende modellen samen één codewijziging produceren, wordt het lastiger vast te stellen welk model een fout of licentieprobleem introduceerde. Nederlandse organisaties met strikte security- en auditregels zullen daarom logging, modelbeleid en menselijke review moeten behouden, ook wanneer de orkestratie automatisch gebeurt. Dit is redactionele duiding.