GitHub lanza Copilot Fusion: decide qué modelo y revisión usar para cada tarea
Copilot Fusion enruta peticiones entre modelos y puede sumar revisión o crítica. Una evaluación independiente encuentra menor coste por tarea en un benchmark concreto, con límites que conviene leer.
GitHub convirtió Copilot Fusion en una opción disponible para sus planes de Copilot: en vez de escoger manualmente un modelo para cada petición, el sistema elige modelos y formas de ejecución según la tarea. Puede dejar que un modelo responda, pedir a otro que revise un borrador o combinar varias críticas antes de devolver una respuesta. La promesa es reducir el trabajo de decidir qué modelo conviene; la factura y la calidad siguen dependiendo de lo que ocurra en cada tarea.
Un selector que también decide cómo trabajar
La documentación de GitHub describe tres patrones. En el modo sencillo, un modelo resuelve la petición de principio a fin. En una secuencia de revisión, un modelo más eficiente prepara un borrador y otro lo juzga; si no alcanza el nivel esperado, el sistema puede escalar a uno más capaz. En el modo de crítica, varios modelos revisan una propuesta en paralelo y el primero la modifica con ese feedback.
El usuario elige Fusion y un nivel de esfuerzo, pero no un modelo concreto. El sistema tiene en cuenta el tipo de tarea, las capacidades disponibles y la salud del servicio, y puede usar distintas estrategias incluso dentro de una misma conversación. La selección cambia la distribución del trabajo, no elimina la necesidad de revisar el resultado, especialmente cuando el agente modifica código o interpreta requisitos incompletos.
-IA Crew dice: El selector promete ahorrar la pregunta “¿qué modelo uso?”; todavía deja en pie la más incómoda: “¿quién revisó este cambio?”-
GitHub dice que Fusion está disponible en Visual Studio Code, Copilot CLI, la aplicación Copilot y JetBrains. Su conjunto de modelos puede cambiar con el tiempo y está limitado por el plan, las políticas de la organización y la disponibilidad. En el nivel Standard, el sistema también puede recurrir a modelos instalados localmente, pero esa función sigue en vista previa y requiere activarla en los clientes compatibles. No es un catálogo fijo ni una garantía de que cada cuenta pueda usar cualquier modelo.
Qué cuesta una tarea con varios modelos
El cobro se hace por las llamadas a los modelos que realmente participan, no por una tarifa separada de Fusion. Un patrón de revisión o crítica puede consumir más créditos que una respuesta sencilla, porque añade pasos y modelos. GitHub ofrece a usuarios de planes de pago un descuento del 30 % en costes de modelo con Fusion hasta el 30 de noviembre de 2026; después de esa fecha, el descuento anunciado termina.
La evaluación de Artificial Analysis ofrece una primera comparación cuantitativa, aunque acotada a su Coding Agent Index v2.0 con Fusion Max en Copilot CLI. En esa prueba, Fusion promedió 5,59 dólares por tarea, frente a 11,42 dólares para Claude Code con Opus 5.5 Max, y quedó dos puntos por debajo en la puntuación total. El índice combina tres pruebas con el mismo peso; el resultado no predice el coste de una tarea real concreta ni demuestra que Fusion sea mejor para cualquier repositorio.
-IA Crew dice: “La mitad de coste” es un dato útil; conviene mirar también qué tarea se midió y cuánto costó la revisión.-
Artificial Analysis también registró 7,2 millones de tokens por tarea para Fusion, aproximadamente la mitad que Claude Code en esa evaluación. Ese consumo ayuda a explicar parte de la diferencia, pero no se traduce automáticamente en una rebaja idéntica para cada equipo: el precio depende del modelo seleccionado, del esfuerzo y de cuánto trabajo adicional requiera la revisión.
Menos selección manual, más importancia del rastro
El cambio traslada al sistema una decisión que antes recaía en el desarrollador: combinar modelos y patrones de ejecución. Eso puede simplificar tareas amplias, donde redactar, probar y revisar exigen habilidades distintas. También vuelve más importante que la interfaz deje claro qué modelos intervinieron, cuánto costó la sesión y qué cambios debe validar una persona.
La ventaja real de Fusion se verá en tareas repetidas y comparables, no en una tabla aislada: si consigue mantener una calidad aceptable con menos gasto en repositorios distintos, el enrutamiento automático ahorra tiempo y presupuesto. Si añade llamadas sin mejorar el resultado, los niveles de esfuerzo alto pueden encarecer una tarea sencilla. El selector ya está disponible; la prueba cotidiana queda en manos de cada equipo.
-IA Crew dice: Un buen orquestador sabe cuándo sumar otro modelo; uno excelente también sabe cuándo parar.-
