GitHub представил Copilot Fusion — систему, которая сама выбирает ИИ-модели для задач разработки и при необходимости подключает несколько моделей к одной задаче. В тестах новая платформа почти сравнялась с Claude Code на Claude Opus 5.5, но потребовала примерно вдвое меньше затрат на программный интерфейс. Разбираемся, как устроен Fusion, за счёт чего достигается экономия и что фактически показывают результаты тестирования.

Что такое Copilot Fusion

28 октября на конференции GitHub Universe организация представила Copilot Fusion — свежий алгоритм автоматического выбора и координации ИИ-моделей внутри GitHub Copilot.

Идея довольно простая: разработчику больше не нужно самостоятельно решать, какую схема использовать для написания кода, отладки или работы со сложной задачей. В достаточной степени выбрать Copilot Fusion, а платформа определит, какие модели подключить и как распределить между ними работу.

В основе Fusion лежат две ранее существовавшие технологии GitHub: Project HydraFusion, отвечающий за совместную работу нескольких моделей, и Copilot Auto Model Selection — алгоритм их автоматического выбора.

Например, для простой задачи может хватить одной по сравнению с недорогой модели. Если задача сложнее, система может задействовать более мощную модель или поручить проверку результата иной. При этом переключение происходит автоматически, в том числе в контексте одной задачи.

В Fusion используются модели разных разработчиков, в том числе Anthropic и OpenAI. Среди них — Claude Opus 5.5, Claude Sonnet 5.5, GPT-6 Astra и GPT-6 Sol. Определённый набор моделей может меняться.

Как работает Fusion: три сценария

Copilot Fusion анализирует запрос и выбирает подходящий способ его выполнения. Всего предусмотрено три сценария.

• Single — одна схема. Самый простой вариант: система выбирает модель, которая должна справиться с задачей, и передаёт ей запрос. Дополнительной проверки другими моделями нет.

• Cascade — последовательное подключение моделей. Сначала задача передаётся более экономичной модели. Затем отдельная тест определяет, в достаточной степени ли хорош итог. Если нет, проблема передаётся более мощной модели для повторного решения.

• Critique — тест результата другими моделями. Одна модель готовит первоначальный ответ, после чего другие модели независимо оценивают его. На основе замечаний исходная модель дорабатывает решение.

Разработчику не нужно вручную выбирать скрипт: Fusion делает это для каждого запроса. Даже в рамках одного диалога способы обработки могут различаться.

Логика понятна: нет смысла запускать некоторое количество дорогостоящих моделей ради простой правки, но при решении сложной задачи дополнительные проверки могут оказаться полезными.

Что показало сравнение с Claude Code

Самая интересная часть анонса — результаты тестирования в Artificial Analysis Coding Agent Index v2.0. Это набор испытаний, оценивающих работу ИИ-агентов с задачами программирования.

В максимальном режиме Copilot Fusion набрал 60 баллов против 62 у Claude Code с Opus 5.5 Max. При этом средняя стоимость api-запросов на выполнение одной задачи оказалась заметно ниже.

Таким образом, при разнице всего в два балла Copilot Fusion оказался около на 51% дешевле по средней стоимости программный оболочку на задачу. GitHub также говорит, что Fusion выполнял задачи около на 40% быстрее.

Тем не менее близкие итоговые оценки ещё не означают одинаковую эффективность во всех сценариях. В частности, в Terminal-Bench 4.0 Fusion набрал 71 балл, а в FrontierCode — 51 против 56 у Claude Code с Opus 5.5. То есть преимущество зависит от конкретного типа задач.

Есть и важная оговорка по стоимости. $5,59 и $11,42 — расходы на api в контексте тестирования, а не цена использования Copilot для конечного пользователя. Эти цифры нельзя напрямую переносить на стоимость подписки или реальные расходы команды. В дополнение к этого, показатель ускорения на 40% приводит GitHub: в опубликованном разборе Artificial Analysis нет отдельных данных, позволяющих независимо проверить именно это сравнение по времени.

Тем не менее результаты показывают, что автоматический выбор моделей и распределение задач между ними позволяют приблизиться к качеству наиболее мощных решений при меньшем расходе ресурсов.

Что доступно разработчикам

Потребитель Copilot Fusion выбирает уровень сложности обработки запроса:

• Fusion Standard — повседневные задачи программирования с акцентом на экономию ресурсов.

• Fusion High — более сложные задачи, для которых может потребоваться вспомогательный аналитика и тест.

• Fusion Max — наиболее требовательные задачи, где приоритет отдаётся возможностям мощных моделей.

Выбор конкретной модели и сценария её использования остаётся за системой.

Для корпоративных пользователей предусмотрены дополнительные настройки. Администраторы могут ограничивать список моделей, доступных Fusion, управлять политиками их использования и назначать Fusion вариантом по умолчанию.

Что это меняет

Интересен здесь в первую очередь сам подход. GitHub предлагает выбирать не конкретную ИИ-модель, а нужный уровень качества решения. Всё остальное — выбор модели, распределение запросов и дополнительные проверки — берёт на себя система.

Похожий подход уже используют и другие авторы инструментов для программирования. В частности, Replit внедрил автоматический выбор моделей, а Ramp добавила такую возможность в своего ИИ-агента Open SWE.

Для разработчиков это потенциально означает меньше ручных переключений между моделями и более рациональный расход токенов. Правда, производительность такого подхода ещё предстоит проверять на реальных проектах: результаты бенчмарков не гарантируют аналогичного выигрыша на конкретной кодовой базе.

Но направление выглядит довольно определённым: инструменты для ИИ-разработки постепенно переходят от работы с одной выбранной моделью к системам, которые самостоятельно решают, какие модели подключать и когда нужна дополнительная тест.

Продолжить знакомство с возможностями ИИ-агентов в разработке можно на бесплатных вебинарах Otus, которые проведут практикующие специалисты:

• 11 ноября, 20:00. «ИИ-агент по расписанию: как заставить Claude Code функционировать, пока вы заняты другим». Записаться

• 23 ноября, 20:00. «Команда ИИ-агентов в разработке Python-проекта: как организовать совместную работу специализированных агентов». Записаться

Больше открытых уроков по ИИ, разработке и не только смотрите в календаре.