GitHub 发布 Copilot Fusion 多模型编排降本近半

微软旗下 GitHub 正式推出 Copilot Fusion，这是一项基于运行时智能路由的多模型编排系统。该功能通过动态协调 Anthropic 的 Claude 系列与 OpenAI 的 GPT-6 系列模型，旨在平衡编码代理的性能、成本与延迟。核心突破在于实现了“近前沿”能力下的大幅成本节约：在保持极高代码生成质量的同时，单次任务平均成本降至 5.59 美元，约为单独使用顶级模型（如 Claude Opus 5.5）的一半。

根据 Artificial Analysis 基准测试数据，Copilot Fusion 在 Coding Agent Index v2.0 中的得分仅比纯 Claude Opus 5.5 配置低 2 分，但在 Terminal-Bench 4.0 等特定场景具备微弱优势。技术层面，Fusion 能根据任务难度自动切换草稿模型与强推理模型，使 Token 消耗量减少约 50%（每任务约 7.2M tokens）。此外，GitHub 还推出了高成本的 Max 级代码审查功能，虽精度更高但单次成本约 10 美元，引发社区对实用性的讨论。

这一发布标志着 AI 编程工具从“单一最强模型”向“混合最优解”演进。对于开发者而言，Copilot Fusion 提供了极具性价比的选择，降低了企业大规模部署 AI 辅助编码的经济门槛。尽管部分用户反馈实际体验仍略逊于原生 Claude Code，但其通过算法优化实现的成本减半效应，将迫使竞争对手重新审视定价策略与技术架构，加速行业向高效能、低成本的多模型协同方向转型。