GitHub می‌خواهد برنامه‌نویسان دیگر درگیر انتخاب مدل نباشند. این شرکت روز ۲۸ اکتبر در همایش Universe قابلیت Copilot Fusion را در همه طرح‌های اشتراک Copilot در دسترس قرار داد. کاربر به جای برگزیدن یک مدل مشخص از فهرست، Fusion و یک سطح تلاش را انتخاب می‌کند و سامانه برای هر درخواست تصمیم می‌گیرد کدام مدل‌ها فراخوانده شوند و آیا باید با هم ترکیب شوند یا نه.
Fusion دو بخش پیشین محصول GitHub را یکی می‌کند: هماهنگ‌سازی چندمدلی که در پیش‌نمایش پژوهشی Project HydraFusion آزموده شد و مسیریابی‌ای که پشت انتخاب خودکار مدل در Copilot بود. سه سطح وجود دارد: Standard برای کارهای روزمره، High برای مسائل دشوارتر و Max برای سنگین‌ترین کارها. GitHub برای هر درخواست یکی از سه الگو را به کار می‌برد. در الگوی Single یک مدل کار را انجام می‌دهد. در Cascade مدلی ارزان‌تر پیش‌نویس می‌سازد و یک بررسی کیفیت آن را می‌پذیرد یا به مدلی قوی‌تر می‌سپارد. در Critique یک مدل پاسخ می‌دهد، مدل دوم آن را بازبینی می‌کند و مدل نخست پاسخ را اصلاح می‌کند.
برگ برنده هزینه است. به گفته GitHub، نسخه Fusion Max در شاخص Coding Agent Index مؤسسه Artificial Analysis امتیاز ۶۰ گرفت که تنها دو امتیاز کمتر از Claude Code با مدل Claude Opus 5.5 Max است، آن هم با حدود نیمی از هزینه API و نیمی از توکن‌ها برای هر کار و نزدیک به ۴۰ درصد زمان کمتر. VentureBeat که نتایج Artificial Analysis را بررسی کرده، میانگین هزینه هر کار را برای Fusion Max حدود ۵٫۵۹ دلار، برای پیکربندی Claude Code حدود ۱۱٫۴۲ دلار و برای Devin Fusion شرکت Cognition که امتیاز ۶۲ گرفت ۸ دلار گزارش می‌کند. Artificial Analysis در مجموعه مدل‌های Fusion مدل‌هایی از Anthropic و OpenAI از جمله Claude Opus 5.5، Claude Sonnet 5.5، GPT-6 Astra و GPT-6 Sol را شناسایی کرده است.
جزئیات اعداد به یکدستی تیتر نیست. به نوشته VentureBeat، Fusion در Terminal-Bench 4.0 با امتیاز ۷۱ پیشتاز بود، اما در FrontierCode که تغییرات در مخزن کد را می‌سنجد با ۵۱ امتیاز پشت Claude Code با ۵۶ و Devin Fusion با ۵۴ قرار گرفت. صرفه‌جویی ۴۰ درصدی در زمان در داده‌های مستقل دیده نمی‌شود و ادعای خود GitHub است. رقم ۷۷ درصد صرفه‌جویی که Satya Nadella، مدیرعامل Microsoft، به آن اشاره کرده نیز به ارزیابی داخلی دیگری مربوط است.
سازمان‌ها کنترل انتخاب فروشندگان را در دست دارند. Fusion فقط از مدل‌هایی استفاده می‌کند که در سیاست‌های سازمان مجاز شده‌اند. مدیران می‌توانند یک مدل را فقط از Fusion کنار بگذارند بی‌آنکه آن را در بخش‌های دیگر غیرفعال کنند و Fusion را در هر سطح تلاش به گزینه پیش‌فرض تبدیل کنند. صورت‌حساب بر پایه نرخ عادی هر مدل به‌کاررفته محاسبه می‌شود و طرح‌های پولی برای مدتی محدود ۳۰ درصد تخفیف می‌گیرند. Fusion در Visual Studio Code، اپلیکیشن GitHub Copilot، ابزار Copilot CLI و محیط‌های توسعه JetBrains کار می‌کند و در JetBrains جای گزینه قبلی Auto را می‌گیرد. Mario Rodriguez، مدیر ارشد محصول GitHub، به VentureBeat گفت این سامانه یک موتور هماهنگ‌سازی است که هنگام اجرای هر درخواست تصمیم می‌گیرد و خودش مدل نیست.
اطلاعیه دیگری در همان روز مسیریابی را به دستگاه کاربر هم می‌برد. در یک پیش‌نمایش آزمایشی و اختیاری، Fusion Standard می‌تواند میان مدل‌های ابری و یک مدل محلی پشتیبانی‌شده انتخاب کند؛ مثلاً MAI Code 1.1 Flash که از طریق Windows ML نصب می‌شود، یا در Copilot CLI مدل‌هایی مانند Qwen3.8 Flash Next که روی سرور محلی سازگار با OpenAI اجرا می‌شوند. GitHub یادآوری می‌کند که تصمیم مسیریابی همچنان در فضای ابری گرفته می‌شود و مدل‌های محلی ممکن است سازوکارهای ایمنی متفاوتی داشته باشند.
Fusion انتخاب مدل را به یک خدمت مدیریت‌شده تبدیل می‌کند و می‌تواند هزینه تیم‌هایی را که عادت دارند همه کارها را به گران‌ترین مدل بسپارند پایین بیاورد. اینکه صرفه‌جویی آزمون‌ها با احتساب زمان بازبینی و خطاها به کد پذیرفته‌شده ارزان‌تر تبدیل شود یا نه، چیزی است که هر مشتری باید خودش بسنجد.