GitHub Copilot Fusion: to nie model, tylko reżyser, który wybiera między Anthropic a OpenAI

GitHub ogłosił 28 października w swoim changelogu, podczas konferencji Universe, że Copilot Fusion jest dostępny dla wszystkich. W selektorze modeli wygląda jak zwykła pozycja, ale nią nie jest. Dla każdego promptu wybiera, których modeli użyć i jak je połączyć. Użytkownik decyduje jedynie o poziomie wysiłku: Standard, High albo Max.

Według GitHuba są trzy tryby pracy. W trybie Single zadanie wykonuje jeden model. W trybie Cascade tani model przygotowuje szkic, a kontrola jakości go zatwierdza albo przekazuje mocniejszemu modelowi. W trybie Critique jeden model pisze, drugi sprawdza, a pierwszy poprawia. Chief product officer GitHuba, cytowany przez Let's Data Science, podsumował to tak: „It's not a model. It's an orchestration engine at runtime”, czyli nie model, lecz silnik, który orkiestruje w trakcie działania.

Fusion łączy Project HydraFusion, wersję badawczą uruchomioną we wrześniu, z automatycznym wyborem modelu, który Copilot już oferował. Kto korzystał z auto, HydraFusion lub HydraFusion Max, zostaje automatycznie przeniesiony na odpowiedni poziom Fusion.

Changelog nie podaje, które modele wchodzą w skład puli. Według Artificial Analysis są to Claude Opus 5.5, Claude Sonnet 5.5, GPT-6 Astra i GPT-6 Sol, czyli modele Anthropic i OpenAI. Firma przetestowała Fusion na poziomie Max w GitHub Copilot CLI za pomocą Coding Agent Index v2.0. Wynik jest o 2 punkty niższy niż Claude Code z Opus 5.5 (max). GitHub podaje dla Fusion Max wynik 60, ale ta wartość bezwzględna nie pojawia się w artykule Artificial Analysis. Kiedy sprawdziliśmy interaktywną stronę indeksu, Fusion na niej nie było. W tej samej analizie Devin Fusion, który łączy Opus 5.5 (max) i GPT-6 Luna (high), uzyskuje 62. W poszczególnych testach Fusion osiąga 71 w Terminal-Bench 4.0, najwyższą wartość na wykresie. W FrontierCode zatrzymuje się na 51 i zajmuje trzecie miejsce, za Claude Code z Opus 5.5 (max) z wynikiem 56 i Devin Fusion z 54. W SWE-Atlas-QnA-AA zdobywa 57.

Prawdziwym argumentem jest koszt. Artificial Analysis szacuje średni koszt API na zadanie na 5,59 dolara dla Copilot Fusion, wobec 11,42 dla Claude Code z Opus 5.5 (max) i 8,00 dla Devin Fusion. Fusion zużywa około 7,2 mln tokenów na zadanie: mniej więcej połowę tego, co Claude Code z Opus 5.5, i o 30% mniej niż Devin Fusion. GitHub dodaje dane o czasie, około 40% mniej na zadanie niż Claude Code z Opus 5.5 Max, których Artificial Analysis nie podaje. GitHub cytuje też principal software engineera z AT&T, według którego Fusion Standard poprawił efektywność wykorzystania tokenów w firmie. Jednak 5,59 dolara to koszt API benchmarku, a nie to, ile wydaje abonent. Poza rachunkiem zostają opłaty miesięczne, nieudane zadania i czas ludzkiej weryfikacji. Użytkownik płaci za każdy model użyty przez Fusion według jego standardowej stawki. Changelog zapowiada dla płatnych planów 30% zniżki na modele używane przez Fusion, ważnej przez ograniczony czas, którego długość nie jest znana.

Fusion jest dostępny we wszystkich planach Copilot: w Visual Studio Code, w aplikacji GitHub Copilot, w Copilot CLI i w IDE JetBrains. Obsługa innych klientów ma pojawić się wkrótce. Administratorzy w firmach mogą zobaczyć, spośród jakich modeli wybiera Fusion, wykluczyć model tylko z Fusion i ustawić Fusion jako model domyślny. Changelog mówi jasno: Fusion używa wyłącznie modeli dopuszczonych w politykach firmy i organizacji. Wynika z tego, że faktyczna pula zmienia się w zależności od organizacji i od zapytania, a pełna lista nie jest publiczna. Według Let's Data Science wybór między modelami lokalnymi a chmurowymi jest eksperymentalny i trzeba go samodzielnie włączyć. Zarządzany model lokalny, MAI Code 1.1 Flash, można pobrać tylko na Windowsie. Nawet z modelem lokalnym sesja nie działa offline, bo decyzja o tym, którego modelu użyć, zapada w chmurze. To drobny szczegół, który wiele mówi: model może działać na twoim komputerze, ale wybór modelu i tak odbywa się w chmurze.

Uderza mnie, że najciekawszym produktem tej jesieni nie jest nowy model, tylko sposób rozdzielania pracy między te, które już istnieją. Jeśli liczby się utrzymają, coraz mniej będzie się liczyć, kto ma najmocniejszy model, a coraz bardziej to, kto decyduje, który wywołać i kiedy. Żeby to ocenić, potrzebne byłyby jednak dane, których dziś brakuje: wynik bezwzględny zweryfikowany przez niezależne podmioty, niezależnie zmierzone czasy i rachunek uwzględniający to, co benchmark pomija. Do tego czasu oceniam Fusion po tym, co udokumentowane: niemal na poziomie najlepszych, za mniej więcej połowę kosztu API Claude Code z Opus 5.5.

— Olya