GitHub представила Copilot Fusion для автоматического выбора ИИ-моделей

GitHub представила Copilot Fusion — механизм автоматического выбора и координации ИИ-моделей внутри GitHub Copilot. Система должна избавить разработчиков от необходимости самостоятельно решать, какую модель использовать для написания кода, отладки или выполнения сложных задач.

Fusion объединяет две технологии GitHub: Project HydraFusion, отвечающий за совместную работу нескольких моделей, и Copilot Auto Model Selection, который подбирает модель под конкретный запрос. Для простой задачи система может выбрать одну недорогую модель, а для более сложной — подключить мощное решение или поручить проверку результата другой модели.

Три сценария работы

Copilot Fusion самостоятельно определяет схему обработки каждого запроса. Даже в рамках одного диалога для разных задач могут использоваться разные подходы.

• Single — запрос передаётся одной выбранной модели без дополнительной проверки.
• Cascade — сначала работает более экономичная модель, а при неудовлетворительном результате задача передаётся более мощной.
• Critique — одна модель готовит решение, другие независимо оценивают его, после чего первоначальный результат дорабатывается.

В системе могут использоваться модели разных разработчиков, включая Anthropic и OpenAI. В представленном наборе упоминаются Claude Opus 5.5, Claude Sonnet 5.5, GPT-6 Astra и GPT-6 Sol, однако конкретный перечень моделей может изменяться.

Результаты тестирования

GitHub сравнила Fusion с Claude Code на Claude Opus 5.5 в Artificial Analysis Coding Agent Index v2.0 — наборе испытаний для ИИ-агентов, решающих задачи программирования. В максимальном режиме Copilot Fusion получил 60 баллов против 62 у Claude Code с Opus 5.5 Max.

При этом средняя стоимость API-запросов на одну задачу составила $5,59 для Fusion против $11,42 для Claude Code. Таким образом, при разнице в два балла GitHub сообщает примерно о 51% меньших расходах Fusion на API. Компания также заявляет, что система выполняла задачи примерно на 40% быстрее.

Эти показатели зависят от выбранного набора задач. В Terminal-Bench 4.0 Fusion набрал 71 балл, а в FrontierCode — 51 против 56 у Claude Code с Opus 5.5. Поэтому близкие средние результаты не означают одинаковой эффективности во всех сценариях.

Есть и ограничения в интерпретации цифр. Указанные $5,59 и $11,42 — расходы на API во время тестирования, а не стоимость подписки Copilot и не прямой прогноз затрат для команды. Кроме того, заявленное GitHub ускорение на 40% нельзя независимо проверить по опубликованным материалам Artificial Analysis, где нет отдельных данных для такого сравнения.

Уровни сложности и корпоративные настройки

Пользователь может выбрать общий уровень обработки запроса: Fusion Standard предназначен для повседневных задач с акцентом на экономию ресурсов, Fusion High — для более сложных запросов с дополнительным анализом, а Fusion Max — для задач, где приоритетом становятся возможности наиболее мощных моделей.

При этом конкретную модель и схему её работы выбирает сама система. Корпоративные администраторы смогут ограничивать список доступных моделей, задавать политики их использования и назначать Fusion вариантом по умолчанию.

Главная идея Copilot Fusion — предлагать разработчику выбирать не отдельную модель, а нужный уровень качества и сложности обработки. Распределение работы, переключение между моделями и дополнительные проверки при таком подходе выполняются автоматически.

Похожую стратегию уже внедряют другие разработчики инструментов для программирования, включая Replit и ИИ-агента Open SWE от Ramp. Для пользователей это может означать меньше ручных переключений и более рациональное расходование токенов. Однако реальная эффективность будет зависеть от конкретного проекта: результаты бенчмарков не гарантируют такого же выигрыша на любой кодовой базе.