Agenten
GitHub Copilot Fusion wählt die Modelle für Sie aus: besseres Coding für weniger Geld?
Copilot Fusion wählt KI-Modelle aus und kombiniert sie. Benchmark-Score, Kosten pro Aufgabe, Grenzen und was GitHub Credits für Entwickler bedeuten.
Sollten Entwickler für jede Aufgabe ein leistungsstarkes Modell einsetzen oder es für die schwierigsten Probleme aufsparen? Copilot Fusion, am 28. Oktober gestartet, bietet einen anderen Ansatz: Copilot wählt für Sie Modelle aus und kombiniert sie bei Bedarf (GitHub).
Das Versprechen ist verlockend: sich der Leistung der besten Coding-Agenten annähern, ohne bei jeder Aufgabe das leistungsstärkste Modell zu bezahlen. Eine unabhängige Auswertung stützt es teilweise, beweist aber nicht, dass Fusion in Ihrem Projekt immer günstiger ist. Hier steht, was die Zahlen messen und wie abgerechnet wird.
Ein Orchestrator, kein neues Modell
Copilot Fusion leitet Modelle weiter und orchestriert sie. Sie wählen eine Aufwandsstufe, und Fusion wählt aus den Modellen Ihres Tarifs aus und entscheidet, wie es sie einsetzt. Es kann ein einziges Modell verwenden oder Prüfschritte hinzufügen, wenn eine Aufgabe es erfordert (GitHub-Dokumentation).
GitHub beschreibt drei Ausführungsmuster:
| Muster | Funktionsweise | Zweck |
|---|---|---|
| Single | Ein Modell bearbeitet die Aufgabe direkt. | Eine unnötige Prüfung bei einfachen Aufgaben vermeiden. |
| Cascade | Ein Modell entwirft eine Lösung; eine Kontrolle akzeptiert sie oder gibt das Problem an ein stärkeres Modell weiter. | Mehr Ressourcen auf schwierige Fälle verwenden. |
| Critique | Ein Modell entwirft eine Antwort, andere prüfen sie, danach kann das ursprüngliche sie überarbeiten. | Eine Prüfung ergänzen, wenn die Aufgabe es verlangt. |
Quelle: GitHub-Dokumentation. Das sind mögliche Muster; die Auswahl hängt von der Aufgabe und der gewählten Aufwandsstufe ab.
Standard zielt auf die Alltagsarbeit und nutzt laut Dokumentation ein Modell pro Aufgabe. High zielt auf umfangreiche Änderungen; Max setzt auf die anspruchsvollsten Probleme. GitHub erklärt, High und Max könnten zusätzliche Modellaufrufe auslösen und mehr Credits verbrauchen. Nutzer können die Schritte verfolgen und unterhalb der Antwort die verwendeten Modelle einsehen (GitHub).
Ein unabhängiger Test: zwei Punkte weniger bei etwa halben Kosten
Artificial Analysis hat Fusion Max in Copilot CLI mit seinem Coding Agent Index v2.0 ausgewertet. Der Index gewichtet FrontierCode v1.1, Terminal-Bench 4.0 und SWE-Atlas-QnA-AA gleich. Verglichen wird eine Kombination aus Agent und Modell, nicht einzelne Modelle (Artificial Analysis).
| Agent und Konfiguration | Coding-Index | Durchschnittliche Kosten pro Aufgabe |
|---|---|---|
| Claude Code mit Claude Opus 5.5 Max | 62 / 100 | 11,42 $ |
| GitHub Copilot CLI mit Fusion Max | 60 / 100 | 5,59 $ |
Quelle: Agentenvergleich von Artificial Analysis, geprüft am 29. Oktober 2026. Das sind für Benchmark-Aufgaben berechnete Kosten, nicht der Preis einer Aufgabe unter Ihrem Abonnement.
Fusion liegt in diesem Index zwei Punkte unter Claude Code, bei rund 51 % niedrigeren Durchschnittskosten. Die Ergebnisse unterscheiden sich je nach Test: Fusion erreicht bei Terminal-Bench 4.0 71 % gegenüber 63 % für Claude Code, aber bei FrontierCode 51 % gegenüber 56 %. Ähnliche Durchschnitte bedeuten nicht, dass beide Agenten dieselben Probleme lösen (Artificial Analysis).
Das Ergebnis kann Ihre Einsparungen nicht vorhersagen. Benchmark-Aufgaben, Konfigurationen, Tools, Preise und Cache-Bedingungen können sich von Ihren unterscheiden. Verglichen werden vollständige Systeme mit ihren jeweiligen Umgebungen; ob ihr Ergebnis zu Ihrer Architektur passt oder gut wartbar ist, lässt sich daraus nicht ableiten.
Abrechnung: Credits, kein Fusion-Pauschalpreis
Es gibt keine gesonderte Fusion-Gebühr. GitHub berechnet jedes verwendete Modell zu seinem jeweiligen Satz, sodass eine Aufgabe mit mehreren Modellen mehr kosten kann als ein einzelner Aufruf. Bei den Einzeltarifen wird die Token-Nutzung in GitHub AI Credits umgerechnet; ein Credit entspricht 0,01 Dollar Nutzung. Inklusive Kontingente und genaue Regeln hängen vom Tarif ab (GitHub, Abrechnung für Einzelpersonen).
GitHub nennt diese monatlichen Kontingente für kostenpflichtige Einzeltarife:
| Tarif | Genannter Monatspreis | Enthaltene monatliche AI Credits |
|---|---|---|
| Copilot Pro | 10 $ | 1.500 |
| Copilot Pro+ | 39 $ | 7.000 |
| Copilot Max | 100 $ | 20.000 |
Quelle: GitHub-Dokumentation, geprüft am 29. Oktober 2026. GitHub erklärt, ein Teil des Kontingents sei variabel. Kostenlose, Studierenden- und Business-Tarife haben andere Bedingungen; prüfen Sie Ihr Nutzungs-Dashboard, bevor Sie vergleichen.
Kostenpflichtige Copilot-Tarife erhalten bis zum 30. November 2026 bei der Nutzung von Fusion 30 % Rabatt auf die Modellkosten. Das ist kein dauerhafter Abo-Rabatt (GitHub).
Beginnen Sie bei einer gezielten Änderung mit Standard. Wechseln Sie zu High oder Max, wenn die Schwierigkeit mehr Reasoning rechtfertigt, und prüfen Sie dann die verbrauchten Credits und die Zeit, die Sie mit der Kontrolle der Arbeit verbringen. Entscheidend sind die Kosten einer akzeptierten, verifizierten Lösung, nicht nur einer ersten Antwort.
Verfügbarkeit und lokale Modelle
Fusion ist in VS Code, Copilot CLI, der GitHub-Copilot-App und den JetBrains-IDEs verfügbar, vorbehaltlich Tarif und Richtlinien der Organisation. Aktualisieren Sie Ihren Client, wählen Sie Copilot Fusion im Modellwähler aus und entscheiden Sie sich für Standard, High oder Max (GitHub).
GitHub testet außerdem die Auswahl lokaler Modelle auf der Aufwandsstufe Standard. In Copilot CLI können bestimmte manuell konfigurierte Modelle unter macOS, Windows und Linux laufen; Nutzer müssen die Einrichtung selbst übernehmen und über ausreichend Hardware verfügen. Das ist eine experimentelle Vorschau. Selbst wenn die Inferenz lokal läuft, bleibt das Routing in der Cloud: Die Sitzung ist nicht vollständig offline (GitHub).
Unsere Einschätzung
Fusion greift ein reales Problem auf: Das stärkste Modell für eine kleine Aufgabe zu nutzen kann Credits verschwenden, während ein leichtes Modell bei einer komplexen Änderung scheitern kann. Die Orchestrierung automatisiert diesen Kompromiss stärker, ersetzt aber weder die Kontrolle der Änderungen noch beseitigt sie die Unsicherheit bei den Endkosten.
Das Ergebnis von Artificial Analysis ist für Fusion Max vielversprechend; es belegt keinen Sieg gegenüber jedem Konkurrenten bei jeder Aufgabe. Ein sinnvoller Test vergleicht repräsentative Arbeiten: eine kleine Änderung, einen schwierigen Bug und ein Refactoring über mehrere Dateien, mit denselben Erfolgskriterien und unter Erfassung von Credits und Prüfzeit.
Quellen
- GitHub, Start von Copilot Fusion, 28. Oktober 2026
- GitHub, Funktionsweise, Aufwandsstufen und Abrechnung von Fusion, geprüft am 29. Oktober 2026
- Artificial Analysis, Auswertung von Copilot Fusion, 28. Oktober 2026
- Artificial Analysis, Vergleich von Claude Code und Copilot, geprüft am 29. Oktober 2026
- GitHub, Abrechnung für Einzelpersonen und Credits, geprüft am 29. Oktober 2026
- GitHub, lokale Modelle in Copilot Fusion, 28. Oktober 2026
Einen Fehler in diesem Artikel entdeckt? Melden Sie ihn · Unsere Korrekturrichtlinie
