11月18日、GitHub Blogが「GitHub Copilot Fusion updates: more availability, benchmarks, and models」と題した記事を公開した。GitHub Copilot Fusionの対応プラットフォーム拡大、公開ベンチマークの結果、新モデルの追加が詳しく紹介されている。
GitHub Copilot Fusionとは
Copilot Fusionは、GitHub Copilotの従来の「単一モデルをユーザーが手動で選択する」設計を刷新したアーキテクチャだ。複数のAIモデルをオーケストレーション層が束ね、タスクの複雑さや求められる処理量に応じて最適なモデルを自動で選択・連携させる。ユーザーは個別モデルを意識する必要がなく、「エフォートレベル」(元記事の表現に基づく処理負荷の設定値) を指定するだけで、Fusion側がモデル選択を引き受ける。
従来のCopilotでは、たとえばGPT-4oとClaude Sonnetのどちらを使うかをモデルピッカーで都度選ぶ運用が一般的だった。Fusionはその判断をシステム側に委譲することで、エージェントとしての一貫性と効率を高める設計思想に基づいている。今回のアップデートはそのFusionが実用フェーズへと本格移行する節目と位置付けられる。
Terminal-Bench 4.1で競合を上回るコスト効率
今回のアップデートで最も注目すべき数字が、Terminal-Bench 4.1における評価結果だ。
Terminal-Bench 4.1は、AIエージェントがターミナル上でどれだけ難易度の高い実務的タスクをこなせるかを測るベンチマークだ。元記事ではStanford・Harbor・Laude Instituteが共同でホストする公開リーダーボードとして紹介されており、同一タスク・同一評価ルールで複数のAIエージェントを横断比較できる点が特徴だ。開発元の自社テストとは異なる第三者評価指標として機能するとされている。
このリーダーボードにCopilot Fusion Maxが登録され、71.2%のタスク解決率を記録した。競合のOpus 5.5およびFable 5.2に対して5.4ポイント上回るスコアだ。
さらにコスト面での優位性が際立つ。Copilot Fusion Maxは:
- Fable 5.2比で88%安価
- Opus 5.5比で57%安価
性能が上で、かつ大幅に安い、というのがGitHubの主張だ。ただしこれはあくまでTerminal-Bench 4.1というターミナル操作特化の評価軸での結果であり、ベンチマーク結果が実務のあらゆるコーディング場面を反映するわけではない点は留意が必要だ。コスト対性能のバランスを比較する一つの材料として参照するのが適切だろう。
なお元記事の公開日は2026年11月17日(米国時間)であり、本記事冒頭の「11月18日」は日本時間での換算に基づく。
Web・モバイル・Visual Studioへ展開
これまで限定的だったCopilot Fusionの提供範囲が大きく拡大された。今回のリリースで対応するサーフェスは以下の通りだ:
- github.com(最新バージョン)
- Visual Studio(最新バージョン)
- GitHub Mobile(iOS・Androidのベータ版)
なお、GitHub Mobileのプロダクション版は近日対応予定とのことだ。
Copilot Fusionはモデルピッカーから選択する形で使用する。ユーザーがエフォートレベルを設定すると、Fusion側がタスクに応じて適切なモデルを選択・連携させる仕組みだ。個々のモデルを手動で切り替える手間なく、タスクの複雑さに応じた使い分けが自動で行われる。
GitHub.comとVisual Studioへの対応により、ブラウザベースの軽量な作業からIDE上の本格的な開発まで、主要なコーディング文脈をほぼカバーできるようになった。モバイル対応のベータ提供も加わることで、外出先や簡易レビューの場面でもFusionの恩恵を受けられる体制が整いつつある。
3つのティアに新モデルを追加
Copilot FusionはStandard・High・Maxの3段階構成になっており、今回それぞれに新モデルが加わった:
| ティア | 追加モデル |
|---|---|
| Fusion Max | Claude Sonnet 5.5 |
| Fusion High | GPT-6.1 Terra |
| Fusion Standard | MAI-Code-2 |
MAI-Code-2はMicrosoftが開発した独自のコーディング特化モデルだ。Standardティアへの組み込みにより、最もコストを抑えた利用形態でも性能の底上げが図られる。Claude Sonnet 5.5のFusion Max投入は、高精度が求められる複雑なエージェントタスクへの対応強化を意図したものとみられる。GPT-6.1 TerraはFusion Highに組み込まれ、StandardとMaxの間のユースケース——中程度の複雑さのコード生成やリファクタリング——をカバーする役割を担う。
各ティアにモデルが追加されたことで、Fusionのオーケストレーション層が選択できる選択肢の幅が広がった。タスクの性質に応じてより細かく最適なモデルへ振り分けられる可能性が高まっており、ベンチマークスコアの改善にも寄与しているとみられる。
まとめ:モデルオーケストレーションという設計の実用化
Copilot Fusionが示すのは、「どのモデルを使うか」をユーザーの判断に委ねるのではなく、システムが自律的に最適化するという方向性だ。ベンチマークの公開によって他エージェントとの定量比較が可能になったことで、導入判断の材料が一つ増えた。対応プラットフォームの拡大とモデルラインアップの充実により、FusionはCopilotの中核的な提供形態として位置付けが強まっている。
詳細はGitHub Copilot Fusion updates: more availability, benchmarks, and modelsを参照していただきたい。