GitHub maakt Copilot Fusion algemeen beschikbaar

Copilot Fusion is sinds 28 oktober algemeen beschikbaar in de modelkiezer, meldt GitHub: het kiest per programmeertaak de modellen en werkwijze, terwijl gebruikers het gewenste inspanningsniveau instellen.

Copilot neemt de keuze tussen modellen over, terwijl de factuur aan gebruikte modelaanroepen blijft hangen. Op High en Max kan een programmeertaak meer AI-kredieten verbruiken dan op Standard, omdat Fusion meerdere modellen inzet.

Fusion kiest model en aanpak per taak

Wie Copilot Fusion selecteert, laat het model achter de prompt door Copilot bepalen en stelt Standard, High of Max in. Copilot kiest per prompt de modellen en de manier waarop ze samenwerken. Bij Single lost één model de opdracht op. Bij Cascade maakt een efficiënt model eerst een voorstel; een kwaliteitscontrole kan dat aanvaarden of opschalen naar een sterker model. Bij Critique geven een of meer beoordelaars feedback op het eerste antwoord, waarna het oorspronkelijke model het herziet.

De patronen kunnen binnen één gesprek wisselen. Een vervolgvraag kan dus een andere route krijgen dan de eerste prompt. Standard is gericht op alledaags werk en kiest één model per taak. High is bedoeld voor grotere, afgebakende programmeertaken waarbij extra modelaanroepen de moeite waard kunnen zijn. Max geeft de router ruimte voor de diepste redenering. Gebruikers zien de voortgang en ingezette modellen, maar alleen het eindantwoord verschijnt.

Fusion is beschikbaar in VS Code, de Copilot-app, CLI en JetBrains, op alle abonnementen. Enterprise-beheerders kunnen het als standaard instellen. De productafbeelding toont de drie inspanningsniveaus.

De rekening volgt de modelaanroepen

Fusion heeft geen apart tarief. GitHub rekent ieder model af tegen het normale modeltarief en geeft betaalde Copilot-plannen tot en met 30 november 2026 dertig procent korting op modelkosten. Bij honderd euro aan modelkosten scheelt dat tijdens die periode dertig euro. Daarna gelden de gewone modeltarieven weer. High en Max kunnen voor een taak meer dan één model inzetten en daardoor meer AI-kredieten vragen dan Standard.

GitHub meldt dat Fusion Max in de Artificial Analysis Coding Agent Index een score van 60 behaalde, binnen twee punten van Claude Code met Opus 5.5 Max. In dezelfde vergelijking zou Fusion ongeveer de helft van de gemiddelde API-kosten per taak gebruiken, met ongeveer half zoveel tokens en veertig procent minder tijd. Artificial Analysis rekent gemiddelde API-kosten per programmeertaak. De actuele index combineert drie benchmarks met gelijk gewicht en neemt per taak het gemiddelde van drie pogingen. De kostenmaat gebruikt API-prijzen per token; abonnementen, infrastructuur, softwareontwikkeling en toezicht vallen buiten die berekening. Die uitkomst geldt voor de geteste configuratie en takenmix. De Copilot-rekening volgt de werkelijk gebruikte modellen en de tijdelijke korting.

Modelkeuze en uitvoerplek zijn aparte keuzes

De stap sluit aan op eerdere automatische modelkeuze bij GitHub. In juni verdween de handmatige modelkeuze uit Copilot Free en Student en koos Auto het model per taak. Fusion voegt daar het orkestreren van meerdere modellen en beoordelingsstappen aan toe. De keuze omvat daarmee zowel het model dat een antwoord opstelt als de manier waarop modellen samenwerken.

Uitvoerplek is een aparte vraag. Bij modelkeuze gaat het om welk model of welke combinatie de code verwerkt. Bij lokale of cloudverwerking gaat het om waar de berekening plaatsvindt, met gevolgen voor hardware, gegevensstromen en netwerkgrenzen. In de eerdere Copilot-preview nam de lokale MAI Code-variant 53 GB in en piekte het geheugengebruik bij een context van 256.000 tokens op 75,5 GB. De twee assen kunnen wel samenkomen. GitHub noemt inmiddels de lokale MAI Code 1.1 Flash op Windows en Qwen3.8 Flash Next via Copilot CLI als opties voor Fusion Standard. Die automatische lokale route is nog een publieke preview en vereist het inschakelen van experimentele functies. Fusion als algemeen beschikbare modelrouter maakt dus niet automatisch elke sessie lokaal; de lokale modeloptie heeft eigen voorwaarden.

Beheerders begrenzen de modellenpool

Fusion kiest alleen uit modellen die beschikbaar zijn binnen het abonnement en het ingestelde beleid. Beheerders kunnen modellen voor Fusion afzonderlijk uitsluiten en de router als standaard instellen. De beschikbare modellen veranderen wanneer GitHub modellen toevoegt of hun beschikbaarheid wijzigt. De beheerkeuze bepaalt daarmee welke routes Fusion überhaupt kan nemen, ook wanneer individuele ontwikkelaars het inspanningsniveau kiezen.

Een parallelle aanpak staat bij GitLab Duo Self-Hosted. Beheerders kunnen daar een model per functie instellen, bijvoorbeeld een model voor codeaanvulling en een ander voor agentwerk, en de modelverbindingen via een eigen AI Gateway beheren. Bij GitLab kunnen beheerders GPT-, Claude-, Llama- en Mistral-modellen per functie via Microsoft Foundry kiezen. Bij die aanpak lopen modellen via een eigen AI Gateway naar modelverbindingen die de organisatie kiest. GitHub kiest modellen tijdens de opdracht; GitLab geeft beheerders controle over de modeltoewijzing per functie en de infrastructuur erachter.

Fusion verplaatst de modelkeuze naar het moment waarop de taak binnenkomt. De ontwikkelaar kiest een inspanningsniveau, terwijl beleid bepaalt welke modellen mogen meedoen en de rekening de gebruikte modelaanroepen volgt. Daardoor moeten teams kwaliteit, tijd en kosten op eigen programmeertaken vergelijken. De benchmark van GitHub is één meetpunt; de verdeling van taken en goedgekeurde code in een eigen omgeving bepaalt hoe bruikbaar die uitkomst is.