主要成果
GitHubが発表した「GitHub Copilot Fusion」は、ソフトウェア開発タスクを処理する最適なAIモデルを決定し、調整するシステムである。Artificial Analysisによる独立テストにおいて、Fusionの「Max」設定はタスクあたり平均5.59ドルのコストで動作し、AnthropicのClaude Opus 5.5を搭載したClaude Code（Max設定）の11.42ドルと比較して、コストを約51%削減した。性能面では、同社のCoding Agent IndexにおいてClaude Codeにわずか2ポイント及ばないスコアを記録している。また、GitHubはFusion MaxがClaude Codeの構成よりもタスク完了時間を約40%短縮したと報告している。
技術・詳細
Fusionは単一のAIモデルではなく、実行時に動作するオーケストレーションエンジンである。推論、コード生成、デバッグ、ツール利用などの作業を評価し、単一のモデルにリクエストを送るか、複数のモデルを連携させるかを判断する。ユーザーは「standard（日常的なコーディング）」「high（より困難な作業）」「max（最も複雑なタスク）」の3つの推論レベルから選択して利用する。
システム内部では、以下の3つの実行パターンが使い分けられる。
- Single：タスクに最適と判断された単一のモデルに直接リクエストを送信する。
- Cascade：まず低コストなモデルで処理し、その出力を受け入れるか、より強力なモデルへエスカレーションするかを判断する。
- Critique：あるモデルが回答案を作成し、別のモデルがそれをレビューし、元のモデルが修正を行う。
利用されるモデルプールには、Claude Opus 5.5、Claude Sonnet 5.5、GPT-6 Astra、GPT-6 Solなどが含まれており、リクエスト内容や組織のポリシーに応じて変動する。
背景・業界の文脈
AI支援開発において、推論コストの削減はエンタープライズ顧客にとって重要な課題となっている。Artificial Analysisの検証では、Fusionのタスクあたりトークン使用量は720万トークンであり、これはOpus 5.5構成の約半分、Devin Fusionの約30%少ない数値である。この結果は、単に安価なトークンを使用しただけでなく、モデルの動作量自体を最適化したことでコスト削減を実現したことを示唆している。また、Microsoftのサティア・ナデラCEOは、社内評価において最大77%のコスト削減が可能であると言及している。
今後の展望
Fusionの導入により、開発者は個別の基盤モデルの特性を意識することなく、達成したい成果に集中できるようになる。ただし、性能はタスクによってばらつきがある。Terminal-Bench 4.0では71スコアで他システムをリードしたが、リポジトリ変更に焦点を当てたFrontierCodeでは51スコアに留まり、Claude Code（56）やDevin Fusion（54）に後れを取った。今後は、あらゆる種類のコーディング課題において、コスト効率と高性能をいかに両立させるかが焦点となる。
毎週の技術動向レポートを無料でお届け
各分野の分析レポートを読む価値があるかどうか一目で判断できるインフォグラフィックをメールで受け取れます。
📢 メールマガジンに無料登録（週刊・技術動向レポート）
ご登録いただくと、Troy-Technical から週刊で技術動向レポート（メールマガジン）をお届けします。
- 取得したメールアドレス・選択分野は配信目的にのみ使用します。
- 第三者へ提供することはありません。
- 配信はいつでも解除できます（各メール下部のリンクから）。
詳しくはプライバシーポリシーをご覧ください。
登録は1分・いつでも解除できます
