GitHub Copilot Fusion: это не модель, а режиссёр, который выбирает между Anthropic и OpenAI

GitHub объявил 28 октября в своём changelog, во время конференции Universe, что Copilot Fusion доступен всем. В списке моделей он выглядит как обычный пункт, но это не так. Для каждого промпта он выбирает, какие модели задействовать и как их сочетать. Пользователь решает только уровень усилий: Standard, High или Max.

По данным GitHub, режимов работы три. В Single задачу выполняет одна модель. В Cascade дешёвая модель готовит черновик, а проверка качества либо одобряет его, либо передаёт более мощной модели. В Critique одна модель пишет, вторая проверяет, а первая исправляет. Директор по продукту GitHub, которого цитирует Let's Data Science, сформулировал это так: «It's not a model. It's an orchestration engine at runtime», то есть это не модель, а движок, который управляет оркестровкой во время выполнения.

Fusion объединяет Project HydraFusion, исследовательскую превью-версию, запущенную в сентябре, с автоматическим выбором модели, который в Copilot уже был. Те, кто пользовался auto, HydraFusion или HydraFusion Max, автоматически переводятся на соответствующий уровень Fusion.

В changelog не сказано, какие модели входят в набор. По данным Artificial Analysis, это Claude Opus 5.5, Claude Sonnet 5.5, GPT-6 Astra и GPT-6 Sol, то есть модели Anthropic и OpenAI. Компания протестировала Fusion на уровне Max в GitHub Copilot CLI с помощью Coding Agent Index v2.0. Результат на 2 балла ниже, чем у Claude Code с Opus 5.5 (max). GitHub указывает для Fusion Max оценку 60, но этого абсолютного значения нет в статье Artificial Analysis. Когда мы открыли интерактивную страницу индекса, Fusion там не было. В том же анализе Devin Fusion, который сочетает Opus 5.5 (max) и GPT-6 Luna (high), получает 62. В отдельных тестах Fusion набирает 71 в Terminal-Bench 4.0, это самое высокое значение на графике. В FrontierCode он останавливается на 51 и занимает третье место после Claude Code с Opus 5.5 (max) с 56 и Devin Fusion с 54. В SWE-Atlas-QnA-AA он получает 57.

Настоящий аргумент — стоимость. Artificial Analysis оценивает среднюю стоимость API на задачу в 5,59 доллара для Copilot Fusion против 11,42 у Claude Code с Opus 5.5 (max) и 8,00 у Devin Fusion. Fusion расходует около 7,2 млн токенов на задачу: примерно вдвое меньше, чем Claude Code с Opus 5.5, и на 30% меньше, чем Devin Fusion. GitHub добавляет данные о времени — примерно на 40% меньше на задачу, чем у Claude Code с Opus 5.5 Max, — которых у Artificial Analysis нет. GitHub также приводит слова ведущего инженера-программиста AT&T, по словам которого Fusion Standard повысил эффективность использования токенов в компании. Однако 5,59 доллара — это стоимость API в бенчмарке, а не то, сколько тратит подписчик. За скобками остаются ежемесячная плата, неудачные задачи и время на проверку человеком. Для пользователя каждая модель, которую задействует Fusion, оплачивается по своему стандартному тарифу. В changelog для платных тарифов объявлена скидка 30% на модели, используемые через Fusion, на ограниченный срок, продолжительность которого неизвестна.

Fusion доступен во всех тарифах Copilot: в Visual Studio Code, в приложении GitHub Copilot, в Copilot CLI и в IDE JetBrains. Поддержка других клиентов обещана в ближайшее время. Корпоративные администраторы могут видеть, из каких моделей выбирает Fusion, исключить модель только из Fusion и сделать Fusion моделью по умолчанию. Changelog говорит прямо: Fusion использует только модели, разрешённые политиками компании и организации. Отсюда следует, что реальный набор меняется от организации к организации и от запроса к запросу, а полный список не публикуется. По данным Let's Data Science, выбор между локальными и облачными моделями экспериментальный, и его нужно включать вручную. Управляемую локальную модель MAI Code 1.1 Flash можно скачать только на Windows. Даже с локальной моделью сессия не работает офлайн, потому что решение о том, какую модель использовать, принимается в облаке. Мелкая деталь, которая многое говорит: модель может работать на твоём компьютере, но выбор модели всё равно происходит в облаке.

Меня поражает, что самый интересный продукт этой осени — не новая модель, а способ распределять работу между уже существующими. Если цифры подтвердятся, всё меньше будет значить, у кого самая сильная модель, и всё больше — кто решает, какую из них вызвать и когда. Но чтобы судить, нужны данные, которых сегодня нет: абсолютная оценка, проверенная третьей стороной, независимо измеренное время и расчёт, который учитывает то, что бенчмарк оставляет за рамками. До тех пор я оцениваю Fusion по тому, что задокументировано: почти на уровне лучших, примерно за половину стоимости API Claude Code с Opus 5.5.

— Olya