GitHub Copilot Fusion 深度解析：不造模型改做调度，便宜一半只差两分
- MAI Code 1.1 Flash：通过 Windows ML，在支持的 Windows 设备上可托管下载。
- MAI Code 1.1 Flash 或 Qwen3.8 Flash Next：通过你自己跑的 OpenAI 兼容服务，CLI 在 Windows、macOS、Linux 都能用。
这里有个很重要的限制，容易被忽略：路由决策仍然在云端做，所以本地推理并不等于离线可用。另外 GitHub 也提示，本地模型的安全防护可能和云端不同。如果你的合规团队以为「本地模型 = 数据不出内网」，这个理解需要修正。
5）价格与开通
Fusion 本身没有单独的订阅价，计费方式是每个被调用的模型按标准价结算。除此之外：
- 限时优惠：付费 Copilot 订阅用户使用 Fusion 时，模型费用打 7 折（30% off）。
- 企业版：符合条件的客户可通过 GitHub 或微软客户团队开通，AI 用量从企业预算扣，没有按席位预分配的月度 AI 额度，从第一次请求就开始计费。
- 独立购买：没有 GitHub Enterprise 许可证的企业账号用户，每人每月 $10。
- 没配预算时：代码补全和下一步编辑建议照常可用；但 Copilot Chat、代码审查、云端 Copilot 需要预算才能用。
可用范围覆盖所有 Copilot 套餐，客户端包括 VS Code、Copilot 应用、Copilot CLI 和 JetBrains IDE，更多客户端在计划中。原有的 auto、HydraFusion、HydraFusion Max 研究预览选项会自动映射到对应的 Fusion 档位，不用重新选。
适合谁，怎么看
值得开的情况：
- 任务难度方差大的团队：一天里既有改错别字也有重构模块。这种分布下 Cascade 的收益最大。
- 按量付费、且月度账单敏感：如果 Claude Code 的 Opus 5.5 账单让你心疼，Fusion 用两分换一半成本，是笔划算的交易。
- 终端/命令行密集的工作流：Terminal-Bench 71 分不是虚的，这是它最强的地方。
- 有模型治理要求的企业：能按模型粒度控制、能设默认强度、能走企业预算，这套管理面比「让员工自己选模型」干净得多。
先别急的情况：
- 主要做大型陌生代码库的深度理解：FrontierCode 51 对 56 的差距，在这类任务上会放大。
- 追求一次成型、不容返工：Cascade 的「先试便宜的」策略，在最难的那 10% 任务上是负资产。
- 被「本地模型」吸引来的合规团队：路由在云端、本地推理不等于离线，先确认这满足不满足你的要求。
一个更宏观的判断：Fusion 这类产品的出现，说明模型能力本身正在变成一种可替换的原料。GitHub 没有自己去训一个超越 Opus 5.5 的模型，而是承认「不同的题该由不同的模型答」，然后去做调度。Devin 也在同一天拿出了 Devin Fusion，同样是编排路线。当两家头部编码 Agent 都转向编排，说明单模型军备竞赛的边际收益，已经开始低于调度带来的收益。
对使用者来说，这意味着「选哪个模型」这个问题的重要性在下降，「怎么把任务拆对、把预算配好」的重要性在上升。
小结
- Copilot Fusion 是运行时编排引擎，非模型；2026 年 10 月 28 日随 GitHub Universe 正式可用。
- 三种调度（Single / Cascade / Critique）+ 三档强度（Standard / High / Max），用户选强度不选模型。
- 独立实测：Coding Agent Index 60 分，落后 Claude Code 约两分，成本低约 51%（$5.59 vs $11.42）。
- 能力不均衡：Terminal-Bench 71 领先，FrontierCode 51 落后。
- 「省 77%」是厂商自测最大值，不是平均值，别直接用于预算。
- 计费按各模型标准价累加，无打包价；限时 7 折；独立购买 $10/人/月。
如果你正在几个编码 Agent 之间比价，Fusion 值得实测一轮——尤其拿你自己团队的真实任务跑，因为它的省钱幅度完全取决于你的任务难度分布，而这个分布只有你自己的数据能回答。
想同时用上 Claude、GPT 系列和 Copilot 又不想每个都单独开订阅，俱乐部有整合了主流 AI 服务额度的拼车方案，可以按实际用量选用。
参考来源
- GitHub Changelog：Route and orchestrate models with GitHub Copilot Fusion
- GitHub Changelog：Copilot Fusion 支持选择本地模型
- VentureBeat：GitHub Copilot Fusion 混合模型，以一半成本接近 Opus 5.5 的编码表现
10 月 28 日的 GitHub Universe 上，GitHub 发布了一个不太像「发布」的东西：Copilot Fusion。它不是一个新模型，也不是一个新功能按钮，而是一层运行时的编排引擎——你在 Copilot 里要选的，从「用哪个模型」变成了「用多少算力」。
GitHub 首席产品官 Mario Rodriguez 在发布会上把这件事说得很直白：「这不是一个模型。它是一个运行时的编排引擎。」他还补了一句使用方法：「你只要打开它，然后选择三档推理强度：standard、high、max。」
这件事值得单独写一篇，因为它指向一个正在发生的转变：竞争的重心，从「谁有最强的模型」往「谁能把多个模型调度得最好」移动。本文把官方公告、Artificial Analysis 的独立实测、以及厂商自己公布的乐观数据分开摆，说清楚 Fusion 强在哪、那份「便宜一半」到底怎么算出来的、以及什么样的团队该开、什么样的团队不该开。
一句话结论：Copilot Fusion 便宜一半、只差两分，但「77%」要打折扣
- 它是什么：Copilot 里的一个可选模式，运行时决定用哪个模型、用几个模型、要不要升级到更强的模型。
- 三种调度方式：单模型直接答（Single）、便宜的先用不行再升级（Cascade）、一个写一个审再改（Critique）。
- 独立实测：Fusion Max 在 Artificial Analysis 的 Coding Agent Index v2.0 上得 60 分，Claude Code + Opus 5.5 Max 是 约 62 分。差两分，但每任务成本 $5.59 vs $11.42，便宜约 51%。
- 那个「77%」不是同一个口径：它来自 GitHub 自家的 DeepSWE 测试，是特定配置下的最大值，不是平均省下的比例。
- 能力不均衡：Terminal-Bench 4.0 拿到 71，是这批系统里最好的；但 FrontierCode 只有 51，落后 Claude Code 的 56。
1）Copilot Fusion 到底在做什么
过去用 Copilot，你在模型下拉框里选一个：Opus 5.5、GPT-6 Astra、Sonnet 5.5……选完就固定了。问题是，同一个会话里任务的难度其实一直在变——改个变量名和重构一整个模块，不该用同一个模型、花同样的钱。
Fusion 把这道选择题交回给系统。每一轮请求，它会先判断这活有多难，再决定怎么干。具体有三种执行方式：
| 模式 | 怎么运作 | 适合什么 |
|---|---|---|
| Single | 一个模型直接处理，不绕路 | 简单、明确的任务 |
| Cascade | 便宜模型先起草，有质量检查；不达标就升级给更强的模型 | 难度不确定的任务，赌大多数时候便宜的就够 |
| Critique | 一个模型写，另一个模型审，写的那方再改 | 要可靠性、宁慢勿错的任务 |
用户能控制的是推理强度，分三档：
- Standard：日常编码，用通用模型。
- High：更难的任务、需要更深推理，调更强的模型。
- Max：最复杂的任务和推理，用最强的模型组合。
换句话说，你选的不再是「谁」，而是「投入多少」。这是一个很小的交互改动，但它改变的是成本模型：以前你为「选了 Opus」付全价，现在你为「这一题值多少」付钱。
还有一个容易被忽略的细节：Fusion 只会从企业和组织模型策略里已启用的模型中挑选。管理员能看到候选模型有哪些、能单独为 Fusion 禁用某个模型（而不影响其他地方使用），也能把某个推理强度设成企业默认。对受合规约束的团队来说，这层控制是必须的。
2）跑分：便宜一半是真的，只差两分也是真的
Artificial Analysis 用 Coding Agent Index v2.0 测了 Fusion Max，通过 Copilot CLI 调用。这个指数把三项编码评测等权平均。结果如下：
| 系统 | 指数得分 | 每任务平均成本 |
|---|---|---|
| Fusion Max | 60 | $5.59 |
| Claude Code + Opus 5.5 Max | 约 62 | $11.42 |
| Devin Fusion | 62 | $8.00 |
这组数字里最有意思的不是分数，而是成本曲线的形状。Fusion 落后 Claude Code 两分（约 3%），但便宜 51%。如果你的团队每天跑几百个编码任务，这个差距意味着账单直接砍半。
成本是怎么降下来的？两个来源：
- token 用得少：Fusion 每任务约 720 万 token，大约是 Claude Code 那套 Opus 5.5 配置的一半，也比 Devin Fusion 低约 30%。
- 大部分任务没升级：Cascade 模式让便宜模型先试，只有不达标才升级。真正的节省来自「大部分任务根本不需要最强模型」这个事实。
但能力分布很不均衡，这一点必须说清楚：
| 评测 | Fusion Max | 对照 |
|---|---|---|
| Terminal-Bench 4.0 | 71 | 这批系统里最高 |
| FrontierCode | 51 | Claude Code 56、Devin 54 |
| SWE-Atlas-QnA-AA | 57 | — |
翻译成实际体感：终端操作、命令行的活它很强；啃大型陌生代码库、做深度代码理解，它不如纯 Opus 5.5。这不难理解——编排放大了便宜模型的出场率，在需要「一次就想透」的任务上，这个策略会吃亏。
3）「省 77%」是怎么来的，以及为什么别直接引用
发布会后，Satya Nadella 在社交媒体上转了一个数字：省 77%。这个数字传得很广，但它和上文那个「便宜 51%」不是一回事，混用会误导人。
拆开看：
- 77%：来自 GitHub 自家的 DeepSWE 测试。在这个测试里，Fusion 的 High 和 Max 档比「可比的前沿配置」最高多拿 8.7 分，同时估算成本最多降低 77%。
- 51%：来自 Artificial Analysis 的独立测试，是平均每任务成本的降幅。
两个数字都对，但口径完全不同：一个是厂商自测里的最大值，一个是第三方的平均值。做预算时用 51%，做宣传时用 77%——但别把后者写进你的成本模型里。
还有一点：跑分里的成本不等于你实际付的钱。Fusion 的计费方式是「每个被调用的模型按各自标准价计费」，没有一个打包价。所以你的真实账单取决于你的任务分布——如果你团队里的任务大多简单，实际成本会比 $5.59 更低；如果你天天在啃硬骨头，Fusion 会频繁升级，省下的钱就没那么多。
4）还有个隐藏功能：可以路由到本地模型
和主公告同一天，GitHub 还发了一条不太起眼的更新：Copilot Fusion 支持选择本地模型，目前是实验性预览。
机制是：Fusion 可以在符合条件的端侧模型和云端模型之间自动选择。如果你选 Standard 档，它就自动判断这一题能不能在本地跑。目前支持的本地模型包括：
- MAI Code 1.1 Flash：通过 Windows ML，在支持的 Windows 设备上可托管下载。
- MAI Code 1.1 Flash 或 Qwen3.8 Flash Next：通过你自己跑的 OpenAI 兼容服务，CLI 在 Windows、macOS、Linux 都能用。
这里有个很重要的限制，容易被忽略：路由决策仍然在云端做，所以本地推理并不等于离线可用。另外 GitHub 也提示，本地模型的安全防护可能和云端不同。如果你的合规团队以为「本地模型 = 数据不出内网」，这个理解需要修正。
5）价格与开通
Fusion 本身没有单独的订阅价，计费方式是每个被调用的模型按标准价结算。除此之外：
- 限时优惠：付费 Copilot 订阅用户使用 Fusion 时，模型费用打 7 折（30% off）。
- 企业版：符合条件的客户可通过 GitHub 或微软客户团队开通，AI 用量从企业预算扣，没有按席位预分配的月度 AI 额度，从第一次请求就开始计费。
- 独立购买：没有 GitHub Enterprise 许可证的企业账号用户，每人每月 $10。
- 没配预算时：代码补全和下一步编辑建议照常可用；但 Copilot Chat、代码审查、云端 Copilot 需要预算才能用。
可用范围覆盖所有 Copilot 套餐，客户端包括 VS Code、Copilot 应用、Copilot CLI 和 JetBrains IDE，更多客户端在计划中。原有的 auto、HydraFusion、HydraFusion Max 研究预览选项会自动映射到对应的 Fusion 档位，不用重新选。
适合谁，怎么看
值得开的情况：
- 任务难度方差大的团队：一天里既有改错别字也有重构模块。这种分布下 Cascade 的收益最大。
- 按量付费、且月度账单敏感：如果 Claude Code 的 Opus 5.5 账单让你心疼，Fusion 用两分换一半成本，是笔划算的交易。
- 终端/命令行密集的工作流：Terminal-Bench 71 分不是虚的，这是它最强的地方。
- 有模型治理要求的企业：能按模型粒度控制、能设默认强度、能走企业预算，这套管理面比「让员工自己选模型」干净得多。
先别急的情况：
- 主要做大型陌生代码库的深度理解：FrontierCode 51 对 56 的差距，在这类任务上会放大。
- 追求一次成型、不容返工：Cascade 的「先试便宜的」策略，在最难的那 10% 任务上是负资产。
- 被「本地模型」吸引来的合规团队：路由在云端、本地推理不等于离线，先确认这满足不满足你的要求。
一个更宏观的判断：Fusion 这类产品的出现，说明模型能力本身正在变成一种可替换的原料。GitHub 没有自己去训一个超越 Opus 5.5 的模型，而是承认「不同的题该由不同的模型答」，然后去做调度。Devin 也在同一天拿出了 Devin Fusion，同样是编排路线。当两家头部编码 Agent 都转向编排，说明单模型军备竞赛的边际收益，已经开始低于调度带来的收益。
对使用者来说，这意味着「选哪个模型」这个问题的重要性在下降，「怎么把任务拆对、把预算配好」的重要性在上升。
小结
- Copilot Fusion 是运行时编排引擎，非模型；2026 年 10 月 28 日随 GitHub Universe 正式可用。
- 三种调度（Single / Cascade / Critique）+ 三档强度（Standard / High / Max），用户选强度不选模型。
- 独立实测：Coding Agent Index 60 分，落后 Claude Code 约两分，成本低约 51%（$5.59 vs $11.42）。
- 能力不均衡：Terminal-Bench 71 领先，FrontierCode 51 落后。
- 「省 77%」是厂商自测最大值，不是平均值，别直接用于预算。
- 计费按各模型标准价累加，无打包价；限时 7 折；独立购买 $10/人/月。
如果你正在几个编码 Agent 之间比价，Fusion 值得实测一轮——尤其拿你自己团队的真实任务跑，因为它的省钱幅度完全取决于你的任务难度分布，而这个分布只有你自己的数据能回答。
想同时用上 Claude、GPT 系列和 Copilot 又不想每个都单独开订阅，俱乐部有整合了主流 AI 服务额度的拼车方案，可以按实际用量选用。
