GitHub veröffentlicht Copilot Fusion zur optimierten Auswahl von KI-Modellen
4. November 2026 · 2 Min. Lesezeit
GitHub hat die offizielle Veröffentlichung von GitHub Copilot Fusion bekannt gegeben. Die Ankündigung erfolgte im Rahmen der jährlichen Veranstaltung GitHub Universe 2026, die am 28. und 29. Oktober in San Francisco stattfand.
Copilot Fusion ist eine Funktion mit Multi-Modell-Unterstützung, die je nach Merkmalen der zugewiesenen Aufgabe ein einzelnes oder mehrere KI-Modelle kombiniert. Das System bewertet die für die jeweilige Aufgabe erforderlichen Fähigkeiten, wie etwa Schlussfolgerungen, Codegenerierung, Fehlerbehebung oder die Nutzung von Werkzeugen, und entscheidet über die Kombination der KI-Modelle.
Die Funktion nutzt drei verschiedene Muster zur Ausführung. Beim Kaskaden-Muster erstellt ein als effizient ausgewähltes Modell einen Lösungsvorschlag, den ein Modell zur Qualitätssicherung prüft, um über eine Eskalation an ein leistungsfähigeres Modell zu entscheiden. Im Kritik-Muster entwirft ein Modell einen Lösungsvorschlag, der unabhängig von einem Modell einer anderen Modellfamilie überprüft wird. Falls die Überprüfung Anmerkungen ergibt, korrigiert das ursprüngliche Modell den Entwurf einmalig.
Zur Steuerung des Gleichgewichts zwischen Qualität und Kosten stehen verschiedene Belastungsstufen zur Verfügung. Fusion Standard ist für die tägliche Arbeit gedacht und balanciert Kosten, Qualität und Wartezeit. Fusion High ist für große Codierungsaufgaben mit klarem Umfang konzipiert, wie die Behebung komplexer Fehler oder Änderungen über mehrere Dateien hinweg, und bietet eine Orchestrierung mit moderater Token-Einsparung. Fusion Max zielt auf Spitzenleistung bei gleichzeitiger Token-Effizienz ab und ist für Aufgaben gedacht, die tiefgehende Schlussfolgerungen und gründliche Analysen erfordern. Fusion Fast wird in Szenarien gewählt, in denen schnelle Modelle benötigt werden, wobei die Nutzer diese Stufe nicht selbst festlegen können.
In einer öffentlichen Vorschau ist es zudem möglich, innerhalb von Fusion Standard die lokal installierten Modelle MAI Code 1.1 Flash oder Qwen3.8 Flash Next für die Ausführung von Aufgaben auszuwählen.