bibibi.cc正在加载…
报道说GitHub推出Copilot Fusion，其特定测试成本和耗时低于对比方案，但不代表所有实际任务。
GitHub Copilot Fusion正式上线：跑分接近Claude Code，测试成本减半
动察 Beating AI 快讯，GitHub 在 Universe 2026 大会上正式推出多模型调度系统 Copilot Fusion。简单任务交给合适的模型，复杂任务可以先让便宜模型尝试，不行再换更强的模型，或者让不同模型互相检查。
独立评测机构 Artificial Analysis 的测试显示，Fusion Max 编程综合得分 60，接近 Claude Code 搭配 Opus 5.5 Max 的 62 分。Fusion Max 平均每题 API 成本为 5.59 美元，耗时约 36 分钟；Claude Code 搭配 Opus 5.5 Max 则需要 11.42 美元和约 60 分钟。Fusion 成本降低约 51%，耗时缩短约 40%。
频繁切换模型可能造成缓存损失，但在这次评测中，Fusion 的缓存命中率达到 97%，Claude Code 为 95%。不过，这些结果只代表特定基准测试，不意味着实际使用时所有任务都能省一半。
报道写道，GitHub在Universe 2026大会正式推出多模型调度系统Copilot Fusion。
文中称，Copilot Fusion会按任务情况选择模型，也可让不同模型互相检查。
文中引用Artificial Analysis测试：Fusion Max编程综合得分60，Claude Code搭配Opus 5.5 Max为62分。
该测试中，Fusion Max平均每题API成本为5.59美元，耗时约36分钟；对比方案为11.42美元和约60分钟。
文中据此称Fusion成本降低约51%，耗时缩短约40%。
该评测中，Fusion缓存命中率为97%，Claude Code为95%。
文中明确提醒，这些结果仅代表特定基准测试，不意味着实际使用时所有任务都能节省一半。
以下为辅助分析，与已报道事实分开展示；重要信息请进一步核实。
Copilot Fusion不是只固定使用一个模型，而是尝试按任务难度选择或切换模型。报道引用的测试显示，它的编程得分接近对比方案，同时在该测试里的API成本更低、耗时更短。
如果类似结果能在更多实际任务中出现，多模型调度可能在接近对比方案得分的同时减少API成本和等待时间。
新手可把它理解为一个“模型调度器”：简单任务使用合适的模型，复杂任务可先尝试较便宜的模型，再视结果换用更强模型。不过不要把单次基准测试的节省比例直接当成日常使用保证。
正在加载事件时间线…