GitHub amplió Copilot Fusion el 17 de noviembre con modelos nuevos, disponibilidad en más superficies de Copilot y resultados en dos rankings públicos de Terminal-Bench. Fusion es el modo de Copilot que elige y coordina distintos modelos para cada tarea.

¿Cómo le fue en Terminal-Bench 4.1?

En GitHub.com/copilot con Copilot Fusion, ante el pedido de una app del clima en HTML sobre NYC, Copilot Fusion High elige un solo modelo.

Copilot Fusion ya aparece en los rankings públicos de Terminal-Bench 4.1, que mantienen Stanford, Harbor y el Laude Institute. Ese benchmark mide qué tan bien completan los agentes de IA tareas difíciles y realistas dentro de una terminal.

Según GitHub, Copilot Fusion Max logró una tasa de resolución de 71,2%. Eso es 5,4 puntos porcentuales por encima de Opus 5.5 y Fable 5.2, los modelos de frontera que lideran la tabla. La empresa agrega que lo hizo con un costo 88% menor que Fable 5.2 y 57% menor que Opus 5.5.

GitHub destaca que los rankings independientes permiten comparar Copilot con otros agentes en las mismas tareas y con las mismas reglas de evaluación.

¿Dónde se puede usar Copilot Fusion?

Con esta versión, Copilot Fusion se puede elegir en las últimas versiones de github.com, Visual Studio y las apps beta de GitHub Mobile para iOS y Android. El soporte en las apps de producción de GitHub Mobile llegará pronto, según la empresa.

El uso es simple. Se elige Copilot Fusion en el selector de modelos y el sistema decide qué modelos usar y cómo coordinarlos en cada tarea. El usuario fija el nivel de esfuerzo y Copilot se encarga del resto.

Los tres modelos que se suman

Cada nivel de esfuerzo de Fusion recibe un modelo nuevo:

  • Claude Sonnet 5.5 entra a Copilot Fusion Max.
  • GPT-6.1 Terra entra a Copilot Fusion High.
  • MAI-Code-2 entra a Copilot Fusion Standard.

El detalle de cómo funciona el modo está en la documentación de Copilot Fusion.