GitHub Copilot Fusion: 모델이 아니라 Anthropic과 OpenAI 사이에서 고르는 감독

GitHub는 10월 28일 Universe 콘퍼런스 기간에 자사 changelog를 통해 Copilot Fusion을 모든 사용자에게 제공한다고 발표했다. 모델 선택 목록에서는 여느 항목처럼 보이지만 사실은 모델이 아니다. 프롬프트마다 어떤 모델을 투입하고 어떻게 조합할지를 고른다. 사용자가 정하는 것은 Standard, High, Max 중 노력 수준뿐이다.

GitHub에 따르면 작동 방식은 세 가지다. Single에서는 모델 하나가 작업을 처리한다. Cascade에서는 저렴한 모델이 초안을 만들고, 품질 검사가 이를 승인하거나 더 강력한 모델로 넘긴다. Critique에서는 한 모델이 작성하고, 두 번째 모델이 검토하고, 첫 번째 모델이 수정한다. Let's Data Science가 인용한 GitHub의 최고제품책임자는 이를 “It's not a model. It's an orchestration engine at runtime”이라고 요약했다. 모델이 아니라 실행 중에 조율하는 엔진이라는 뜻이다.

Fusion은 9월에 시작된 연구 프리뷰 Project HydraFusion과 Copilot이 이미 제공하던 자동 모델 선택을 합친 것이다. auto, HydraFusion, HydraFusion Max를 쓰던 사용자는 해당하는 Fusion 수준으로 자동 전환된다.

changelog에는 어떤 모델이 후보에 포함되는지 나와 있지 않다. Artificial Analysis에 따르면 Claude Opus 5.5, Claude Sonnet 5.5, GPT-6 Astra, GPT-6 Sol이 들어 있으며, 즉 Anthropic과 OpenAI의 모델이다. 이 회사는 GitHub Copilot CLI에서 Max 수준의 Fusion을 Coding Agent Index v2.0으로 테스트했다. 결과는 Opus 5.5(max)를 쓰는 Claude Code보다 2점 낮았다. GitHub는 Fusion Max의 점수를 60으로 제시하지만, 이 절대값은 Artificial Analysis의 글에 나오지 않는다. 우리가 지수의 인터랙티브 페이지를 확인했을 때 Fusion 항목은 없었다. 같은 분석에서 Opus 5.5(max)와 GPT-6 Luna(high)를 조합하는 Devin Fusion은 62점을 받았다. 개별 테스트에서 Fusion은 Terminal-Bench 4.0에서 71점으로 그래프상 최고치를 기록했다. FrontierCode에서는 51점에 그쳐 Opus 5.5(max)를 쓰는 Claude Code(56점)와 Devin Fusion(54점)에 이어 3위였다. SWE-Atlas-QnA-AA에서는 57점을 받았다.

진짜 강점은 비용이다. Artificial Analysis는 작업당 평균 API 비용을 Copilot Fusion 5.59달러, Opus 5.5(max)를 쓰는 Claude Code 11.42달러, Devin Fusion 8.00달러로 추정한다. Fusion은 작업당 약 720만 토큰을 쓴다. Opus 5.5를 쓰는 Claude Code의 대략 절반이고 Devin Fusion보다 30% 적다. GitHub는 시간에 관한 수치도 덧붙였는데, Opus 5.5 Max를 쓰는 Claude Code보다 작업당 약 40% 짧다는 것이다. 이 수치는 Artificial Analysis에는 나오지 않는다. GitHub는 AT&T의 수석 소프트웨어 엔지니어도 인용했는데, 그에 따르면 Fusion Standard가 회사의 토큰 효율을 높였다고 한다. 그러나 5.59달러는 벤치마크의 API 비용이지 구독자가 실제로 쓰는 돈이 아니다. 월 구독료, 실패한 작업, 사람이 검토하는 시간은 빠져 있다. 사용자에게는 Fusion이 쓰는 각 모델이 해당 모델의 표준 요금으로 청구된다. changelog는 유료 요금제에 Fusion으로 사용하는 모델 30% 할인을 공지했지만, 기간 한정이며 그 기간이 얼마인지는 알려지지 않았다.

Fusion은 모든 Copilot 요금제에서 Visual Studio Code, GitHub Copilot 앱, Copilot CLI, JetBrains IDE로 쓸 수 있다. 다른 클라이언트 지원도 곧 나올 예정이라고 한다. 기업 관리자는 Fusion이 어떤 모델 중에서 고르는지 볼 수 있고, 특정 모델을 Fusion에서만 제외하거나 Fusion을 기본 모델로 지정할 수 있다. changelog는 분명히 밝힌다. Fusion은 기업과 조직의 정책에서 허용된 모델만 사용한다. 따라서 실제 후보는 조직마다, 요청마다 달라지며 전체 목록은 공개되어 있지 않다. Let's Data Science에 따르면 로컬 모델과 클라우드 모델 사이의 선택은 실험 기능이며 사용자가 직접 켜야 한다. 관리형 로컬 모델인 MAI Code 1.1 Flash는 Windows에서만 내려받을 수 있다. 로컬 모델을 써도 세션은 오프라인에서 작동하지 않는다. 어떤 모델을 쓸지에 대한 결정이 클라우드에서 내려지기 때문이다. 작은 부분이지만 많은 것을 말해 준다. 모델은 내 컴퓨터에서 돌아갈 수 있어도, 어떤 모델을 쓸지는 여전히 클라우드에서 정해진다.

내 눈에 띄는 것은 이번 가을 가장 흥미로운 제품이 새 모델이 아니라 이미 있는 모델들 사이에 일을 나누는 방식이라는 점이다. 수치가 유지된다면 가장 강한 모델을 가진 쪽보다, 어떤 모델을 언제 부를지 정하는 쪽이 점점 더 중요해질 것이다. 다만 판단하려면 지금은 없는 데이터가 필요하다. 제3자가 검증한 절대 점수, 독립적으로 측정한 소요 시간, 그리고 벤치마크가 빼놓은 것까지 포함한 비용 계산이다. 그때까지 나는 Fusion을 문서로 확인된 만큼만 평가하겠다. 최고 수준에 거의 근접하면서, API 비용은 Opus 5.5를 쓰는 Claude Code의 약 절반이다.

— Olya