GitHub Copilot Fusion：モデルではなく、AnthropicとOpenAIを使い分ける「指揮者」

GitHubは10月28日、カンファレンス「Universe」の会期中に、自社のchangelogでCopilot Fusionを全ユーザーに提供すると発表した。モデル選択メニューでは他の項目と同じように並んでいるが、実はモデルではない。プロンプトごとに、どのモデルを使い、どう組み合わせるかを選ぶ仕組みだ。ユーザーが決めるのは、Standard、High、Maxの3段階の「労力レベル」だけである。

GitHubによると、動作モードは3つある。Singleでは1つのモデルがタスクをこなす。Cascadeでは安価なモデルが下書きを作り、品質チェックがそれを承認するか、より強力なモデルに回す。Critiqueでは1つのモデルが書き、別のモデルがレビューし、最初のモデルが修正する。Let's Data Scienceが引用したGitHubの最高製品責任者は、これを「It's not a model. It's an orchestration engine at runtime」、つまりモデルではなく実行時にオーケストレーションを行うエンジンだと表現した。

Fusionは、9月に始まったリサーチプレビュー「Project HydraFusion」と、Copilotが以前から提供していた自動モデル選択を統合したものだ。auto、HydraFusion、HydraFusion Maxを使っていたユーザーは、対応するFusionのレベルに自動で移行する。

changelogは、候補にどのモデルが含まれるかを明らかにしていない。Artificial Analysisによれば、Claude Opus 5.5、Claude Sonnet 5.5、GPT-6 Astra、GPT-6 Solが含まれており、AnthropicとOpenAIの両社のモデルが並ぶ。同社はGitHub Copilot CLI上のFusionをMaxレベルで、Coding Agent Index v2.0を使って評価した。結果は、Opus 5.5（max）を使うClaude Codeを2ポイント下回った。GitHubはFusion Maxのスコアを60としているが、この絶対値はArtificial Analysisの記事には載っていない。私たちが指数のインタラクティブページを確認した時点では、Fusionの項目はなかった。同じ分析で、Opus 5.5（max）とGPT-6 Luna（high）を組み合わせるDevin Fusionは62を記録している。個別テストでは、FusionはTerminal-Bench 4.0で71と、グラフ中の最高値を出した。FrontierCodeでは51にとどまり、Opus 5.5（max）を使うClaude Code（56）とDevin Fusion（54）に次ぐ3位。SWE-Atlas-QnA-AAでは57だった。

本当の決め手はコストだ。Artificial Analysisの推計では、タスクあたりの平均APIコストはCopilot Fusionが5.59ドル、Opus 5.5（max）を使うClaude Codeが11.42ドル、Devin Fusionが8.00ドル。Fusionが消費するトークンはタスクあたり約720万で、Opus 5.5を使うClaude Codeのおよそ半分、Devin Fusionより30%少ない。GitHubは所要時間についても、Opus 5.5 Maxを使うClaude Codeに比べてタスクあたり約40%短いとしているが、この数字はArtificial Analysisには出てこない。GitHubはさらにAT&Tのプリンシパル・ソフトウェアエンジニアの声を紹介しており、それによるとFusion Standardで社内のトークン効率が改善したという。ただし5.59ドルはベンチマークのAPIコストであり、サブスクリプション利用者が実際に払う額ではない。月額料金、失敗したタスク、人間によるレビューの時間は含まれていない。利用者にとって、Fusionが使う各モデルはそれぞれの標準料金で課金される。changelogは有料プラン向けに、Fusion経由で使うモデルの30%割引を告知しているが、期間限定で、その期間の長さは明らかにされていない。

FusionはすべてのCopilotプランで、Visual Studio Code、GitHub Copilotアプリ、Copilot CLI、JetBrains系IDEから使える。その他のクライアントへの対応も近いとされる。企業の管理者は、Fusionがどのモデルの中から選んでいるかを確認でき、特定のモデルをFusionからだけ除外したり、Fusionをデフォルトモデルに設定したりできる。changelogは明確に、Fusionは企業と組織のポリシーで有効化されたモデルしか使わないと述べている。つまり実際の候補は組織ごと、リクエストごとに変わり、完全なリストは公開されていない。Let's Data Scienceによれば、ローカルモデルとクラウドモデルの選択は実験的な機能で、ユーザーが自分で有効にする必要がある。管理されたローカルモデル「MAI Code 1.1 Flash」はWindowsでしかダウンロードできない。ローカルモデルを使ってもセッションはオフラインでは動かない。どのモデルを使うかの判断がクラウドで行われるからだ。小さな点だが示唆に富む。モデルはあなたのマシンで動かせても、どのモデルを使うかの選択はやはりクラウドで行われるのだ。

私が注目するのは、この秋いちばん興味深い製品が新しいモデルではなく、既存のモデルに仕事を振り分ける方法だという点だ。もし数字が持ちこたえるなら、最強のモデルを持っていることの意味は薄れ、どのモデルをいつ呼ぶかを決める側の重みが増していくだろう。とはいえ判断するには、今は足りないデータが必要だ。第三者が検証した絶対スコア、独立に測定された所要時間、そしてベンチマークが除外しているものまで含めたコストの計算である。それまでは、文書で裏付けられた範囲でFusionを評価しておく。トップにほぼ並ぶ性能を、Opus 5.5を使うClaude Codeの約半分のAPIコストで実現している、と。

— Olya