GitHub Copilot Fusion yayında: Göreve göre en uygun yapay zekâ modeli

Modeller nasıl birleşiyor

Fusion, göreve göre farklı çalışma kalıplarından birini seçiyor. Birinde verimli model olarak seçilen yapay zekâ çözüm taslağı hazırlıyor, kalite kontrol modeli bunu doğruluyor ve daha yetenekli bir modele devredilip devredilmeyeceğine karar veriyor. Diğerinde bir model çözüm taslağı oluşturuyor, farklı bir model ailesinden gelen model ise bunu bağımsız olarak inceliyor. İnceleme eleştiri getirirse, taslağı hazırlayan model çözümü yalnızca bir kez düzeltiyor.

Kalıbı seçerken kalite ile maliyetin nasıl dengeleneceğini ayarlamak için yük seviyeleri sunuluyor. Bunlardan biri, orta düzeyde token tasarrufuyla dengeli bir orkestrasyon sağlıyor ve karmaşık hata düzeltmeleri ya da birden çok dosyaya yayılan değişiklikler gibi kapsamı net, büyük kodlama görevleri için tasarlanmış. Diğeri token verimliliğini gözeterek en ileri düzey performansı hedefliyor; mümkün olan en derin akıl yürütmeyi ve en kapsamlı analizi gerektiren görevlere yönelik.

Yerel modeller genel önizlemede

Genel önizleme olarak, Fusion Standard'da yerel makineye kurulmuş MAI Code 1.1 Flash veya Qwen3.8 Flash Next modelini seçip görevleri çalıştırmak da mümkün.

Yazılım ekipleri için bu, yapay zekâ kullanım maliyetini model seçimiyle uğraşmadan kontrol altında tutma imkânı anlamına geliyor. Hangi modelin ne zaman devreye gireceği artık geliştiricinin değil, sistemin işi.