GitHub Copilot Fusion 正式可用：不再手动选模型，由系统按任务调度与编排

GitHub 于 2026 年 10 月 28 日宣布 Copilot Fusion 正式可用：不再为每个任务手动挑模型，而是选择 Fusion 后由它按任务调度与编排所用模型，用户只需选择投入力度。同日还上线了本地模型智能路由的实验性预览，可在受支持的 Windows 设备上通过 Windows ML 下载并运行 MAI Code 1.1 Flash，也支持自建的 OpenAI 兼容本地服务。

这次发布的是什么

GitHub 在 2026 年 10 月 28 日宣布 GitHub Copilot Fusion 正式可用。它的用法和以往的模型选择不同：你不是选中某个具体模型，而是选中 Copilot Fusion，再由它为每次请求决定用哪些模型、这些模型怎么配合，你只需要选择投入力度（effort level）。

按官方说明，Fusion 结合了两套既有能力——Project HydraFusion 的多模型编排，与 Copilot 自动模型选择的微调选择能力，目标是在表现与成本之间取平衡。同日上线的另一条相关更新是本地模型智能路由，目前为实验性预览，允许 Fusion 在本地模型与云端模型之间做选择。

可用性与限制

• 当前状态：Copilot Fusion 正式可用，覆盖全部 Copilot 套餐。
• 支持客户端：Visual Studio Code、GitHub Copilot app、GitHub Copilot CLI 与 JetBrains IDE。
• 更多客户端：官方称其他客户端的支持即将到来，时间与名单以官方为准。
• 本地模型路由：实验性预览，需主动开启；不是所有模型都自动具备路由资格。
• 本地不等于离线：官方明确指出路由决策仍在云端进行，本地推理不会让会话变成离线。
• 安全保护差异：官方提示本地模型的安全保护可能与 Copilot 提供的云端模型不同。
• 计费与折扣：按所用模型各自的标准费率计费，限时折扣的具体幅度与期限以官网为准。

主要功能

• 选中 Fusion 后由系统按每个任务调度与编排模型，不必手动切换
• 与模型选择解耦：你选的是投入力度，不是具体型号
• 管理员可管控 Fusion 能使用哪些模型，以及是否设为默认
• 本地路由可选本地模型：受支持的 Windows 设备上可托管下载 MAI Code 1.1 Flash
• 自带模型：可通过本地 OpenAI 兼容服务配置 MAI Code 1.1 Flash 或 Qwen3.8 Flash Next
• 研究预览用户的旧选择会自动迁移到对应的 Fusion 力度档位

技术原理

这套东西要解决的其实是模型选择这件小事带来的摩擦。一个团队里通常同时有强模型和便宜模型，复杂任务该用前者、日常任务该用后者，但人不会每次都记得切换，结果往往是长期停在强模型上，成本白白上升。Fusion 的思路是把这个判断从人手里拿走：它为每次请求决定用哪些模型、这些模型如何配合。

按官方说明，它把两套能力合在了一起。Project HydraFusion 提供多模型编排，即让多个模型在一次任务里分工；Copilot 的自动模型选择提供经过微调的选择判断。两者叠加的结果是你只选投入力度——可以理解为「这件事愿意投入多少」——剩下的调度由系统完成。官方称自 HydraFusion 发布以来其表现已有改进，并公布了一个编码智能体指数上的得分与成本对比，这类数字均为官方公布，口径会随评测更新变化。

本地路由这一层要分清边界。在受支持的 Windows 设备上，Fusion 可以通过 Windows ML 托管下载并配置 MAI Code 1.1 Flash；如果你自己管模型，也可以通过本地的 OpenAI 兼容服务配置 MAI Code 1.1 Flash 或 Qwen3.8 Flash Next。但官方明确说了两件事：一是路由决策仍在云端，本地推理不等于离线；二是通过 BYOK 添加或发现的模型不会自动获得 Fusion 路由资格。

实际体验

这套功能要试就得在自己日常的任务上试，建议按下面顺序做。

第一步，先在日常任务上用最低力度跑一天。重点观察它有没有在你明显需要强模型的地方选错——比如跨文件重构时被派了个轻模型，这类误判比多花一点成本更影响体验。

第二步，对照成本而不是对照感觉。用一段固定的工作量（比如同样的十个任务）分别跑手动选模型与 Fusion，比较消耗与耗时。官方公布的成本与耗时对比是平均值，你自己的任务分布才是决策依据。

第三步，让管理员先定白名单再全员放开。Fusion 的管理员管控项包括它能用哪些模型、是否设为默认，先在小组内放开能避免预算不可控。

第四步，本地路由先按「可选但不依赖」来评估。它目前是实验性预览，并且官方提示本地模型的安全保护可能与云端模型不同；涉及敏感代码的团队应先明确这一点再做决定。

项目地址与获取方式

Copilot Fusion 通过 GitHub Copilot 的官方客户端提供：更新客户端后，在模型选择器里选中 Copilot Fusion 并选择投入力度即可。本地模型路由需按官方说明配置——受支持的 Windows 设备走 Windows ML 的托管下载，其他平台可在 Copilot CLI 中自行配置本地 OpenAI 兼容服务。请通过 GitHub 官方文档与官方客户端获取，不要使用第三方修改版或代理服务；计费、折扣与可用范围以官网为准。

适合谁用

• 团队里同时有强模型与便宜模型、但没人愿意手动切换的研发团队。
• 需要统一管控模型用量与预算的管理员：可限制 Fusion 能用的模型并设为默认。
• 在 VS Code、JetBrains、Copilot CLI 或 Copilot app 里工作的开发者：首批客户端即覆盖这四处。
• 想在本地算力上跑一部分请求、但又不想每次手选模型的人：可试用本地路由预览。
• 暂时不适合：对产出模型有硬性合规要求的团队——Fusion 会自行调度模型，需先确认白名单能满足要求。

常见问题

Copilot Fusion 是一个新模型吗？

不是。官方说明写得很明确：在模型选择器里选中 Fusion 并不是选中某个具体模型，而是选中一套为每个任务调度与编排模型的系统，你同时选择的是投入力度。

它会自动花掉更多钱吗？

按官方说明，使用 Fusion 时按它实际用到的每个模型的标准费率计费，官方曾提到限时折扣，具体幅度与期限以官网为准。管理员可以管控 Fusion 能使用哪些模型以及是否设为默认，建议先配白名单再放开。

本地模型路由能让 Copilot 离线用吗？

不能。官方明确指出 Copilot Fusion 的路由决策仍在云端进行，本地推理不会让会话变成离线状态。这一点在评估本地算力收益时需要算进去。

我自己加的模型能参与路由吗？

不一定。官方称通过 BYOK 添加或发现的模型不会自动获得 Fusion 路由资格；需要按官方说明配置为受支持的本地模型提供者并开启实验性本地路由。Copilot app 的智能路由目前只支持托管的 Windows ML 模型。

之前用了研究预览的自动或 HydraFusion 会怎样？

官方称，如果你此前开启了 auto、HydraFusion 或 HydraFusion Max，这些选择会自动迁移到对应的 Copilot Fusion 力度档位，不需要手动重设。

相关工具与内容

• GitHub Copilot 工具页
• GitHub Copilot 上线 GPT-6.1 Terra
• GitHub Copilot 用量指标开始显示自建 skill、Agent 与 MCP 服务器名称
• AI 编程
• AI Agent
• AI 办公助手