GitHub Copilot Fusion startet: Passendes KI-Modell für jede Aufgabe

Drei Orchestrierungsmuster

Fusion wählt für jede Aufgabe eines von drei Mustern. Im ersten erstellt ein effizientes Modell einen Lösungsentwurf, ein zweites prüft die Qualität und entscheidet, ob an ein leistungsfähigeres Modell eskaliert wird. Im zweiten schreibt ein Modell einen Entwurf, den ein Modell aus einer anderen Modellfamilie unabhängig begutachtet. Gibt der Reviewer Hinweise zurück, überarbeitet das ursprüngliche Modell seine Lösung genau einmal.

Um die Abwägung zwischen Qualität und Kosten bei der Mustersuche zu steuern, gibt es Laststufen. Eine ist ein ausgewogener Modus mit moderater Token-Ersparnis für umfangreiche, klar umrissene Programmieraufgaben wie komplexe Fehlerbehebungen oder Änderungen über mehrere Dateien hinweg. Eine andere zielt auf Spitzenleistung bei weiterhin effizientem Tokenverbrauch und richtet sich an Aufgaben, die tiefstes Schlussfolgern und gründlichste Analyse verlangen.

Lokale Modelle in der Vorschau

Als öffentliche Vorschau lassen sich in Fusion Standard zudem lokal installierte Modelle nutzen. Zur Wahl stehen MAI Code 1.1 Flash und Qwen3.8 Flash Next.

Für Teams, die Copilot bereits einsetzen, ist das relevant, weil die Modellwahl zunehmend auch eine Kostenfrage ist. Indem GitHub diese Entscheidung dem Werkzeug überlässt, setzt das Unternehmen darauf, dass Entwickler eine verwaltete Modellmischung lieber nutzen, als für jede Aufgabe selbst ein Modell festzulegen.