GitHub Copilot Fusion: Automatische Modellauswahl für smarte Coding-Hilfe

Was ist neu

GitHub hat Copilot Fusion aus der Forschungsphase in die allgemeine Verfügbarkeit überführt. Das Feature kombiniert Multi-Modell-Orchestrierung mit automatisierter Modellauswahl — Entwickler wählen nicht mehr manuell aus, welche KI-Modelle für einzelne Aufgaben genutzt werden sollen, sondern delegieren diese Entscheidung an ein System, das Models dynamisch zu den gestellten Aufgaben routet.

Die Grundfunktion: Nach Auswahl von Copilot Fusion im Modell-Picker legen Nutzer nur noch das Effort-Level fest — Standard, High oder Max — und das System bestimmt eigenständig, welche Modelle es einsetzt und wie sie zusammenarbeiten. Das spart Entwicklern die Friktion, während einer Aufgabe zwischen verschiedenen Modellen zu wechseln oder vorab zu erraten, welches Modell komplexe Aufgaben lösen soll.

Laut GitHub arbeitet Copilot Fusion nach drei Orchestrierungs-Mustern:

Single: Ein Modell löst die Aufgabe direkt.

Cascade: Ein effizientes Modell skizziert eine Antwort, eine Qualitätsprüfung entscheidet, ob sie akzeptiert wird oder zu einem stärkeren Modell eskaliert.

Critique: Ein Modell entwirft eine erste Antwort, ein zweites reviewt sie, das erste überarbeitet basierend auf dem Feedback.

In der Artificial Analysis Coding Agent Index erzielte Copilot Fusion Max laut GitHub einen Score von 60 — nur zwei Punkte hinter Claude Code mit Opus 5.5 Max — bei etwa halben API-Kosten pro Aufgabe, mit etwa der Hälfte der Token-Nutzung und rund 40 % weniger Zeit pro Task.

Die Effort-Level funktionieren nach diesem Schema:

• Fusion Standard: Bevorzugt vielseitige Modelle für alltägliches Coding.
• Fusion High: Bevorzugt leistungsstarke Modelle für anspruchsvolle Aufgaben und tiefere Analyse.
• Fusion Max: Bevorzugt die fähigsten Modelle für sehr komplexe Aufgaben.

Für Administratoren gibt es neue Kontrollfunktionen: Sie bestimmen, welche Modelle Copilot Fusion nutzen darf, und können Copilot Fusion als Standard-Modell für alle Enterprise-Nutzer setzen. Modell-Richtlinien auf Enterprise- und Organisationsebene begrenzen, welche Modelle zur Verfügung stehen. Administratoren können einzelne Modelle für Copilot Fusion deaktivieren, ohne sie für andere Nutzer zu sperren.

Für wen, ab wann, zu welchen Bedingungen

Copilot Fusion ist ab sofort für alle Copilot-Tarife verfügbar — das schließt sowohl bezahlte als auch kostenlose Pläne ein. GitHub nennt keine separaten Tarife oder Zusatzkosten für Fusion selbst.

Verfügbar ist das Feature in Visual Studio Code, der GitHub Copilot App, GitHub Copilot CLI und JetBrains IDEs. Laut GitHub ist Support für weitere Clients in Planung, nennt aber keine konkreten Zeitpunkte oder Clients.

Abrechnung: Nutzer zahlen für jedes Modell, das Copilot Fusion einsetzt, zum Standard-Tarif des jeweiligen Modells. Laut GitHub gibt es für begrenzte Zeit einen Rabatt von 30 % auf Modellkosten, wenn Copilot Fusion genutzt wird — dieser Rabatt gilt für Nutzer bezahlter Copilot-Pläne.

Neue Nutzer aktualisieren ihren Client und öffnen den Modell-Picker, um Copilot Fusion auszuwählen. Wer vorher an der Forschungsvorschau teilnahm und „Auto", „HydraFusion" oder „HydraFusion Max" aktiviert hatte, wird automatisch zu den entsprechenden Copilot-Fusion-Effort-Levels migriert.

GitHub nennt keine geografischen Einschränkungen, keine Speicherorte für Daten und keine regionalen Unterschiede bei der Verfügbarkeit.

Einordnung für DACH

Für Teams im deutschsprachigen Raum bedeutet Copilot Fusion eine Reduzierung von Entscheidungsfriktionen im Daily Development. Das System nimmt die Aufgabe ab, manuell zwischen Modellen zu wechseln — besonders wertvoll in agilen Workflows, wo Entwickler schnell zwischen einfachen und komplexen Aufgaben alternieren.

Die veröffentlichte Performance-Metrik (40 % schneller, halbe Token-Kosten) interessiert vor allem Teams mit hohem Copilot-Einsatz und häufigen API-Aufrufen. Der 30%-Rabatt auf Modellkosten läuft zeitlich begrenzt, GitHub nennt kein Enddatum. Nach Ablauf könnten Kosten wieder auf Standard-Niveau steigen.

Die Steuerung durch Administratoren ist relevant für größere Organisationen: Sie können Modellrichtlinien zentral setzen und so Kosten sowie Datenverarbeitung über Modellauswahl regulieren. Welche Modelle im Coding mit KI konkret für DACH-Teams zur Verfügung stehen und wo diese Modelle trainiert wurden, nennt GitHub in dieser Meldung nicht.

Es ist zu beachten, dass Copilot Fusion Daten an verschiedene externe Modelle sendet — GitHub gibt in dieser Meldung nicht an, wo diese Verarbeitung stattfindet oder welche Datenschutz-Verpflichtungen gelten.

Quellen

• Offizielle Meldung von GitHub