GitHub Copilot Fusion: це не модель, а режисер, який обирає між Anthropic та OpenAI

GitHub оголосив 28 жовтня у своєму changelog, під час конференції Universe, що Copilot Fusion доступний усім. У списку моделей він виглядає як звичайний пункт, але це не так. Для кожного промпту він обирає, які моделі задіяти і як їх поєднати. Користувач вирішує лише рівень зусиль: Standard, High або Max.

За даними GitHub, режимів роботи три. У Single завдання виконує одна модель. У Cascade дешева модель готує чернетку, а перевірка якості або схвалює її, або передає потужнішій моделі. У Critique одна модель пише, друга перевіряє, а перша виправляє. Директор із продукту GitHub, якого цитує Let's Data Science, підсумував це так: «It's not a model. It's an orchestration engine at runtime», тобто це не модель, а рушій, який оркеструє під час виконання.

Fusion поєднує Project HydraFusion, дослідницьку попередню версію, запущену у вересні, з автоматичним вибором моделі, який у Copilot уже був. Ті, хто користувався auto, HydraFusion або HydraFusion Max, автоматично переходять на відповідний рівень Fusion.

У changelog не сказано, які моделі входять до набору. За даними Artificial Analysis, це Claude Opus 5.5, Claude Sonnet 5.5, GPT-6 Astra і GPT-6 Sol, тобто моделі Anthropic та OpenAI. Компанія протестувала Fusion на рівні Max у GitHub Copilot CLI за допомогою Coding Agent Index v2.0. Результат на 2 бали нижчий, ніж у Claude Code з Opus 5.5 (max). GitHub вказує для Fusion Max оцінку 60, але цього абсолютного значення немає в статті Artificial Analysis. Коли ми відкрили інтерактивну сторінку індексу, Fusion там не було. У тому самому аналізі Devin Fusion, який поєднує Opus 5.5 (max) і GPT-6 Luna (high), отримує 62. В окремих тестах Fusion набирає 71 у Terminal-Bench 4.0, найвище значення на графіку. У FrontierCode він зупиняється на 51 і посідає третє місце після Claude Code з Opus 5.5 (max) із 56 та Devin Fusion із 54. У SWE-Atlas-QnA-AA він отримує 57.

Справжній аргумент — вартість. Artificial Analysis оцінює середню вартість API на завдання в 5,59 долара для Copilot Fusion проти 11,42 у Claude Code з Opus 5.5 (max) і 8,00 у Devin Fusion. Fusion витрачає близько 7,2 млн токенів на завдання: приблизно вдвічі менше, ніж Claude Code з Opus 5.5, і на 30% менше, ніж Devin Fusion. GitHub додає дані про час — приблизно на 40% менше на завдання, ніж у Claude Code з Opus 5.5 Max, — яких в Artificial Analysis немає. GitHub також наводить слова провідного інженера-програміста AT&T, за якими Fusion Standard підвищив ефективність використання токенів у компанії. Проте 5,59 долара — це вартість API у бенчмарку, а не те, скільки витрачає передплатник. Поза розрахунком лишаються щомісячна плата, невдалі завдання і час на перевірку людиною. Для користувача кожна модель, яку задіює Fusion, оплачується за своїм стандартним тарифом. У changelog для платних тарифів оголошено знижку 30% на моделі, що використовуються через Fusion, на обмежений термін, тривалість якого невідома.

Fusion доступний в усіх тарифах Copilot: у Visual Studio Code, у застосунку GitHub Copilot, у Copilot CLI та в IDE JetBrains. Підтримку інших клієнтів обіцяють найближчим часом. Корпоративні адміністратори можуть бачити, з яких моделей обирає Fusion, виключити модель лише з Fusion і зробити Fusion моделлю за замовчуванням. Changelog каже прямо: Fusion використовує тільки моделі, дозволені політиками компанії та організації. Звідси випливає, що реальний набір змінюється від організації до організації та від запиту до запиту, а повний список не публікується. За даними Let's Data Science, вибір між локальними та хмарними моделями експериментальний, і його треба вмикати вручну. Керовану локальну модель MAI Code 1.1 Flash можна завантажити лише на Windows. Навіть із локальною моделлю сесія не працює офлайн, бо рішення про те, яку модель використати, ухвалюється в хмарі. Дрібна деталь, яка багато каже: модель може працювати на твоєму комп'ютері, але вибір моделі все одно відбувається в хмарі.

Мене вражає, що найцікавіший продукт цієї осені — не нова модель, а спосіб розподіляти роботу між уже наявними. Якщо цифри підтвердяться, дедалі менше важитиме, у кого найсильніша модель, і дедалі більше — хто вирішує, яку з них викликати і коли. Але щоб судити, потрібні дані, яких сьогодні бракує: абсолютна оцінка, перевірена третьою стороною, незалежно виміряний час і розрахунок, що враховує те, що бенчмарк лишає поза увагою. Доти я оцінюю Fusion за тим, що задокументовано: майже на рівні найкращих, приблизно за половину вартості API Claude Code з Opus 5.5.

— Olya