GitHub发布Copilot Fusion：全新模型选择与编排系统，以一半API成本超越Claude Code
内容提要
GitHub在旧金山Universe大会上发布GitHub Copilot Fusion，可自动选择并编排编码模型，开发者无需逐项权衡性能与成本。系统支持中途切换模型，并提供标准、高、最高三档投入级别。GitHub称Fusion Max在编码智能体基准上接近Claude Code Opus 5.5 Max，成本约减半、耗时少约40%。企业管理员可限制可用模型并设默认策略。
延伸解读
自动编排如何工作
Copilot Fusion 不仅自动选模型，还能在任务中途切换。它支持三种编排方式：单一模型完成全部工作、级联流程（先由模型生成，再由质量检查决定接受或升级）、以及评审流程（一个模型审查另一个模型的输出）。这种设计旨在减少开发者因注意力分散而误选低效模型的情况。
投入级别与成本权衡
开发者需选择投入级别：Fusion Standard 用于日常编码，Fusion High 应对更复杂任务，Fusion Max 面向最 demanding 的工作。GitHub 称 Fusion Max 在编码智能体基准上得分 60，接近 Claude Code Opus 5.5 Max 的 62 分，但平均 API 成本约减半、令牌用量约减半、每任务耗时少约 40%。
企业管控与默认策略
企业管理员可限制 Copilot Fusion 可选的模型范围，单独禁用某些模型而不影响整个团队使用，还能为每个模型独立调整策略状态，并决定 Fusion 是否作为 Copilot 用户的默认模型。这为组织在享受自动化的同时保留了治理灵活性。
行业趋势与定位
GitHub 将 Fusion 视为其“全球最全面软件交付系统”愿景的一部分，与 Copilot 应用、Copilot Projects 等一同发布。文章提到 Ramp 和 Replit 也在将模型选择自动化，表明将模型路由交给系统正成为编码智能体领域的共同方向。
Q&A
GitHub Copilot Fusion 是什么？它主要解决什么问题？
GitHub Copilot Fusion 是 GitHub 推出的模型选择与编排系统，可自动为编码任务选择并编排模型，开发者无需逐项权衡性能与成本。它结合了 Project HydraFusion 的运行时模型编排与 Copilot Auto Model Selection，旨在减少开发者的认知负担。
Copilot Fusion 如何在工作流中切换模型？有哪些编排方式？
系统分析任务需求后选择模型，并基于后续步骤编排：可能由单一模型完成所有工作，或采用“级联”工作流（一个模型评估另一模型的响应，决定接受或升级），或采用“评审”工作流（一个模型审查另一个模型的工作）。开发者也可在流程中途切换模型。
Copilot Fusion 提供哪些投入级别？分别适用于什么场景？
提供三档投入级别：Fusion Standard 用于日常编码；Fusion High 用于更具挑战性的任务和深度推理；Fusion Max 用于最严苛、复杂的工作。开发者可根据任务需求选择。
Copilot Fusion Max 在基准测试中的表现和成本如何？
在 Artificial Analysis Coding Agent Index 上，Fusion Max 得分 60，与 Claude Code 搭配 Opus 5.5 Max 相差不到两分。GitHub 称其平均每任务 API 成本约为后者一半，使用约一半的 token，每任务耗时少约 40%。
企业管理员可以对 Copilot Fusion 进行哪些控制？
企业管理员可以控制 Copilot Fusion 可选择的模型范围，单独禁用某些模型而不影响整个团队；还可以独立调整每个模型的政策状态，并设置 Copilot Fusion 是否为 Copilot 用户的默认模型。
Copilot Fusion 与 GitHub 的其他新产品有什么关系？
Copilot Fusion 是 GitHub 在 Universe 大会上发布的多款产品之一，同期发布的还有 GitHub Copilot 应用、Copilot Projects 和 Copilot Automations。它属于 GitHub 打造“全球最全面软件交付系统”愿景的一部分。
