GitHub 发布 Copilot Fusion 多模型编排降本近半

GitHub 正式推出名为 Copilot Fusion 的运行时编排系统，旨在通过动态协调 Anthropic 和 OpenAI 的多款模型（如 Claude Opus/Sonnet 与 GPT-6 系列），在保持接近前沿性能的同时大幅降低开发成本。基准测试数据显示，该方案在 Artificial Analysis Coding Agent Index v2.0 中表现强劲，单任务成本从 $11.42 降至 $5.59，实现了约 51% 的成本节约。

多方信源交叉验证表明，Fusion 的核心优势在于其智能路由机制。尽管其最大模式得分比单独使用 Claude Opus 5.5 低 2 分，但在 Terminal-Bench 4.0 等特定基准上具有微弱优势，且 Token 消耗减少约 50%。此外，GitHub 还引入了“Max”级代码审查功能，通过多模型交叉验证提升准确性，但单次平均成本高达 10 美元，引发了社区对高算力消耗实用性的讨论。

这一举措标志着 AI 编程助手从单一模型依赖向多模型混合编排的范式转变。对于开发者而言，Copilot Fusion 提供了高性价比的近前沿能力选择，有望重塑企业级 AI 编码工具的成本结构。然而，部分用户反馈指出，尽管官方数据亮眼，实际体验仍与顶级竞品存在细微差距，未来需持续优化调度算法以平衡性能与延迟。