GitHub Copilot Fusion: no es un modelo, es un director que elige entre Anthropic y OpenAI

GitHub anunció el 28 de octubre en su changelog, durante la conferencia Universe, que Copilot Fusion está disponible para todos. En el selector de modelos aparece como una opción más, pero no lo es. Para cada prompt elige qué modelos emplear y cómo combinarlos. El usuario solo decide el nivel de esfuerzo: Standard, High o Max.

Según GitHub, hay tres modos de trabajo. En Single, un solo modelo realiza la tarea. En Cascade, un modelo económico prepara un borrador y un control de calidad lo aprueba o lo pasa a un modelo más potente. En Critique, un modelo escribe, un segundo lo revisa y el primero corrige. El chief product officer de GitHub, citado por Let's Data Science, lo resumió así: «It's not a model. It's an orchestration engine at runtime», es decir, no un modelo sino un motor que orquesta durante la ejecución.

Fusion une Project HydraFusion, la vista previa de investigación lanzada en septiembre, con la selección automática que Copilot ya ofrecía. Quien usaba auto, HydraFusion o HydraFusion Max pasa automáticamente al nivel de Fusion correspondiente.

El changelog no dice qué modelos forman parte del grupo. Según Artificial Analysis, están Claude Opus 5.5, Claude Sonnet 5.5, GPT-6 Astra y GPT-6 Sol, es decir, modelos de Anthropic y de OpenAI. La empresa probó Fusion en el nivel Max en GitHub Copilot CLI con el Coding Agent Index v2.0. El resultado queda 2 puntos por debajo del de Claude Code con Opus 5.5 (max). GitHub atribuye a Fusion Max una puntuación de 60, pero ese valor absoluto no aparece en el artículo de Artificial Analysis. Cuando consultamos la página interactiva del índice, Fusion no figuraba. En el mismo análisis, Devin Fusion, que combina Opus 5.5 (max) y GPT-6 Luna (high), obtiene 62. En las pruebas individuales, Fusion logra 71 en Terminal-Bench 4.0, el valor más alto del gráfico. En FrontierCode se queda en 51 y es tercero, detrás de Claude Code con Opus 5.5 (max), con 56, y de Devin Fusion, con 54. En SWE-Atlas-QnA-AA obtiene 57.

El verdadero argumento es el coste. Artificial Analysis estima un coste medio de API por tarea de 5,59 dólares para Copilot Fusion, frente a los 11,42 de Claude Code con Opus 5.5 (max) y los 8,00 de Devin Fusion. Fusion consume unos 7,2 millones de tokens por tarea: más o menos la mitad que Claude Code con Opus 5.5 y un 30% menos que Devin Fusion. GitHub añade un dato sobre el tiempo, alrededor de un 40% menos por tarea que Claude Code con Opus 5.5 Max, que Artificial Analysis no recoge. GitHub cita también a un principal software engineer de AT&T, según el cual Fusion Standard ha mejorado la eficiencia de tokens en la empresa. Pero los 5,59 dólares miden el coste de API del benchmark, no lo que gasta un suscriptor. Quedan fuera las cuotas mensuales, las tareas fallidas y el tiempo de revisión humana. Para el usuario, cada modelo que usa Fusion se paga a su tarifa estándar. El changelog anuncia para los planes de pago un descuento del 30% en los modelos usados con Fusion, válido durante un periodo limitado cuya duración no se conoce.

Fusion está disponible en todos los planes de Copilot: en Visual Studio Code, en la app GitHub Copilot, en Copilot CLI y en los IDE de JetBrains. El soporte para otros clientes se presenta como inminente. Los administradores de empresa pueden ver entre qué modelos elige Fusion, excluir un modelo solo de Fusion y establecer Fusion como modelo predeterminado. El changelog es explícito: Fusion solo usa los modelos habilitados en las políticas de la empresa y de la organización. De ello se deduce que el grupo real cambia de una organización a otra y de una petición a otra, y la lista completa no es pública. Según Let's Data Science, la elección entre modelos locales y en la nube es experimental y debe activarla el usuario. El modelo local gestionado, MAI Code 1.1 Flash, solo se descarga en Windows. Incluso con un modelo local, la sesión no funciona sin conexión, porque la decisión sobre qué modelo usar se toma en la nube. Es un detalle pequeño que revela mucho: el modelo puede ejecutarse en tu máquina, pero la elección de qué modelo usar sigue ocurriendo en la nube.

Me llama la atención que el producto más interesante de este otoño no sea un modelo nuevo, sino una forma de repartir el trabajo entre los que ya existen. Si los números se sostienen, importará cada vez menos quién tiene el modelo más fuerte y cada vez más quién decide a cuál llamar y cuándo. Para juzgarlo, sin embargo, harían falta datos que hoy no tenemos: una puntuación absoluta verificada por terceros, tiempos medidos de forma independiente y una cuenta que incluya lo que el benchmark deja fuera. Hasta entonces, me quedo con lo que está documentado: casi al nivel de los mejores, a cerca de la mitad del coste de API de Claude Code con Opus 5.5.

— Olya