GitHubは10月28日、開発支援AI「Copilot Fusion」の一般提供を発表した。作業に応じて複数モデルを自動選択・連携させ、Standard・High・Maxの3段階で処理の深さを指定できる。同日、端末内モデルとの自動振り分けも実験的に公開。ただし、ローカル推論を使っても完全オフラインにはならず、利用料金もモデルごとに発生する。
30秒でわかる / THE SIGNAL
GitHubは10月28日、開発支援AI「Copilot Fusion」の一般提供を発表した。作業に応じて複数モデルを自動選択・連携させ、Standard・High・Maxの3段階で処理の深さを指定できる。同日、端末内モデルとの自動振り分けも実験的に公開。ただし、ローカル推論を使っても完全オフラインにはならず、利用料金もモデルごとに発生する。
モデル選択から、タスクごとの実行設計へ
GitHubが2026年10月28日に一般提供を発表したCopilot Fusionは、開発者がモデルを1つ選び続けるのではなく、タスクの内容に合わせてモデルと処理手順を振り分ける仕組みだ。利用者はStandard（通常の開発作業）、High（難しい作業や深い推論）、Max（最も複雑な課題）から処理の強度を選ぶ。GitHubが説明する実行パターンは、1モデルで解く「Single」、軽量モデルの結果を判定して必要なら強力なモデルへ切り替える「Cascade」、別モデルがレビューして修正を促す「Critique」の3種類。VS Code、GitHub Copilot app、CLI、JetBrains IDEで利用できると案内している。
ベンチマークの改善は『すべての開発で半額』を意味しない
GitHubはArtificial Analysis Coding Agent IndexでFusion Maxが60点となり、Claude Code（Opus 5.5 Max）との差は2点だったと報告した。比較対象のテストでは、平均APIコストが約半分、使用トークンが約半分、タスク完了時間が約40％短かったという。ただし、これはGitHubが示した特定の評価条件での比較だ。個別企業のコードベース、テスト体制、レビュー工程で同じ削減率が再現される保証はない。GitHub公式説明では、Fusionの請求は実際に使った各モデルの通常料金に基づく。有料Copilotプラン利用者向けのモデル費用30％割引は期間限定であり、常時30％安い料金体系になったわけではない。
ローカルモデルの自動振り分けは実験段階
同じ10月28日、GitHubはCopilot Fusionから端末内モデルとクラウドモデルを選び分ける機能を実験的プレビューとして公開した。Windowsの対応端末ではWindows ML経由でMAI Code 1.1 Flashを管理付きで導入できる。CLIでは、macOSやLinuxも含め、利用者がローカルのOpenAI互換サーバーを用意すればMAI Code 1.1 FlashやQwen3.8 Flash Nextを候補にできる。ただし、ローカルモデルを登録するだけで自動振り分けに使えるとは限らず、対応設定と十分な端末資源が必要だ。Copilot appの自動振り分けは現状、管理されたWindows MLモデルに限られる。さらにGitHubは、振り分け判断をクラウドで行うため『ローカル推論＝完全オフライン』ではないと明記している。
企業が導入前に確認すべき3つの境界
開発チームが評価すべきなのは、モデルの最高性能だけではない。第一に、企業・組織の管理者がFusionに許可するモデルを制御できるため、機密性や利用規約に応じたモデルポリシーを確認すること。第二に、Standard・High・Maxと実際の使用モデルに応じた費用を、同一の開発タスクで比較すること。第三に、端末内処理があってもクラウド通信が残るため、ソースコードの扱い、ネットワーク要件、監査条件を検証することだ。GitHubの発表はモデル連携の選択肢を広げるが、全業務の自動化、情報の外部送信ゼロ、費用削減を一律に保証するものではない。