GitHub Copilot Fusion 上线：自动调度多家大模型，让写代码更聪明也更省钱
GitHub 在 Universe 2026 大会上发布了 Copilot Fusion。它并不是一个单独的编码模型，而更像是一层“智能调度中枢”：开发者不必再手动判断该用 OpenAI、Anthropic 还是 Google 的模型，系统会根据任务本身自动选择、组合并调度合适的模型来完成工作。
这项能力整合了 GitHub 此前已有的自动模型选择机制，以及今年 9 月以研究预览形式出现的 Project HydraFusion 多模型编排能力。换句话说，Copilot Fusion 的目标不是简单地把更多模型堆在一起，而是让不同模型在合适的场景下各司其职。
不再手动选模型，系统决定怎么跑
开发者只需要在模型选择器中启用 Copilot Fusion，后续工作就会由系统自动判断。根据任务复杂度和目标不同，它可能采用几种执行方式：
- 单一模型：适合相对直接、轻量的编码任务。
- 级联模式（Cascade）：将复杂任务拆解或分阶段推进，让不同模型接力完成。
- 评审模式（Critique）：在生成结果之外引入审查与修正机制，提高输出质量。
与此同时，Copilot Fusion 还提供三档“努力等级”：
| 等级 | 定位 |
|---|---|
| Standard | 更看重效率与成本 |
| High | 强化推理能力 |
| Max | 追求最强表现 |
这意味着，简单的代码补全或常规任务不会被迫消耗高价模型资源；而在复杂重构、疑难 Bug 修复或高要求开发场景中，系统则可以调用更强的组合策略。
性能接近顶级方案，成本明显更低
在 Artificial Analysis Coding Agent Index 评测中，Copilot Fusion Max 获得了 60 分，仅比运行 Opus 5.5 Max 的 Claude Code 低 2 分。
更值得关注的是性价比表现：
- 平均 API 成本约为对比方案的一半；
- Token 消耗减少约一半；
- 任务完成速度提升约 40%。
对于频繁调用 AI 编码能力的开发者和团队来说，这种“接近顶级表现，但更低成本、更快完成”的组合，显然比单纯追求某一个模型的极限能力更有吸引力。
已全面开放，编排本身不额外收费
GitHub 表示，Copilot Fusion 现已在所有 GitHub Copilot 计划中可用，覆盖：
- Visual Studio Code；
- GitHub CLI；
- GitHub 应用；
- JetBrains IDE。
计费方式上，GitHub 不额外收取“编排费用”，开发者只需要为实际调用的模型付费。此外，官方还提供限时优惠：在 2026 年 11 月 30 日 前，模型费用可享受 30% 折扣。
对企业用户来说，管理员也可以控制团队可使用的模型范围，并将 Copilot Fusion 设置为默认体验，便于统一管理开发环境中的 AI 调用策略。
本地模型路由也在尝试中
除了云端多家模型调度，Copilot Fusion 还支持实验性的本地模型路由能力。例如，在 Windows 设备上，系统可以调用微软的 MAI Code 1.1 Flash。这为未来结合云端大模型与本地轻量模型留下了更多想象空间。
微软同步推出 Copilot harness
除了 Copilot Fusion，微软还发布了由 GitHub 团队开发的 Copilot harness。这套能力已经被用于多款产品，包括 Copilot Studio 和 VS Code，并通过 Microsoft Foundry 向开发者开放。
从更大的趋势来看，AI 编程工具正在从“单一模型比拼”走向“多模型智能编排”。Copilot Fusion 的出现，也代表了一种更务实的方向：不再执着于让用户选择最强模型，而是让系统在性能、速度和成本之间自动找到更优解。
