GitHub 正式推出 GitHub Copilot Fusion，这是一套全新的智能系统，能够自动处理编程任务中的模型选择与编排工作，旨在让开发者从繁琐的决策中解放出来。
Copilot Fusion 结合了 Project HydraFusion 的高级运行时模型编排能力与 Copilot 的自动模型选择功能。GitHub 表示，该系统在效率和成本控制上表现优异，其性能超越了使用 Opus 5.5 Max 模型的 Claude Code。目前，Copilot Fusion 已全面开放，这也是 GitHub 打造“全球最全面的软件交付系统”愿景的关键一步。
Copilot Fusion 接管决策权
在推理、代码生成或调试等场景中，开发者无需再手动权衡不同模型的性能与价格。只需选择 Copilot Fusion，系统便会智能路由并编排最合适的模型。这种“模型选择器”机制允许在工作流中战略性地切换模型，根据每个步骤的最佳需求在不同模型间跳转。
系统会根据任务需求分析，采用单一模型执行、“级联”工作流（质量检查后决定接受或升级）或“批判”工作流（模型间相互审查）等逻辑编排后续步骤。这不仅降低了开发者的认知负荷，也避免了因注意力分散而低效选择模型的情况。
AT&T 首席软件工程师 Hari Pokhrel 指出，过去开发者常为复杂任务选择强大模型，却忘记在日常活动中切换回轻量级模型，造成资源浪费。
开发者控制权与企业级管理
虽然模型选择由系统主导，但开发者仍可决定计算资源的投入级别：Fusion Standard 适用于日常编码，Fusion High 用于挑战性任务和深度推理，Fusion Max 则针对最苛刻、复杂的工作负载。
在企业层面，管理员拥有更高的控制权。他们可以限定 Copilot Fusion 可选用的模型范围，单独禁用特定模型的使用而不影响团队其他成员，独立调整模型政策状态，并设置 Copilot Fusion 是否为默认选项。
性能基准与行业趋势
GitHub 数据显示，在 Artificial Analysis Coding Agent Index 评估中，Copilot Fusion Max 得分 60 分，比使用 Opus 5.5 Max 的 Claude Code 高出两分。此外，其平均 API 任务成本和 Token 用量仅为后者的一半，每次任务耗时减少约 40%。
Pokhrel 证实，Copilot Fusion 帮助 AT&T 提高了 Token 效率，减少了不必要支出，从而保留了更多容量用于高价值工作。
模型路由正成为行业默认趋势。本月，Ramp 宣布将模型选择功能整合进其开源编程代理 Open SWE；今年夏天，Replit 也将其“智能模型路由”系统设为所有账户的默认设置。GitHub 认为，通过将模型选择权交给系统，开发者将拥有更多思维空间专注于核心创新。