Agentes
GitHub Copilot Fusion elige los modelos por usted: ¿mejor programación por menos?
Copilot Fusion selecciona y combina modelos de IA. Su puntuación en un benchmark, el coste por tarea, sus límites y lo que implican los créditos de GitHub para los desarrolladores.
¿Deben los desarrolladores usar un modelo potente para cada tarea o reservarlo para los problemas más difíciles? Copilot Fusion, lanzado el 28 de octubre, propone otro enfoque: que Copilot elija y, cuando haga falta, combine modelos por usted (GitHub).
La promesa es atractiva: acercarse al rendimiento de los mejores agentes de programación sin pagar el modelo más potente en cada tarea. Una evaluación independiente la respalda en parte, pero no demuestra que Fusion vaya a ser siempre más barato en su proyecto. Veamos qué miden las cifras y cómo funciona la facturación.
Un orquestador, no un modelo nuevo
Copilot Fusion enruta y orquesta modelos. Usted elige un nivel de esfuerzo y Fusion selecciona entre los modelos disponibles en su plan, decidiendo cómo usarlos. Puede emplear un solo modelo o añadir pasos de revisión cuando la tarea lo justifique (documentación de GitHub).
GitHub describe tres patrones de ejecución:
| Patrón | Cómo funciona | Finalidad |
|---|---|---|
| Single | Un solo modelo se encarga directamente de la tarea. | Evitar una revisión innecesaria en trabajos sencillos. |
| Cascade | Un modelo redacta una solución; una comprobación la acepta o traslada el problema a un modelo más potente. | Dedicar más recursos a los casos difíciles. |
| Critique | Un modelo redacta una respuesta, otros la revisan y el original puede corregirla. | Añadir una revisión cuando la tarea lo justifique. |
Fuente: documentación de GitHub. Son patrones posibles; la elección depende de la tarea y del esfuerzo escogido.
Standard está pensado para el trabajo cotidiano y, según la documentación, usa un modelo por tarea. High se dirige a cambios sustanciales; Max prioriza los problemas más exigentes. GitHub indica que High y Max pueden añadir llamadas a modelos y consumir más créditos. Los usuarios pueden seguir los pasos e inspeccionar los modelos utilizados debajo de la respuesta (GitHub).
Una prueba independiente: dos puntos menos por aproximadamente la mitad del coste
Artificial Analysis evaluó Fusion Max en Copilot CLI con su Coding Agent Index v2.0. El índice pondera por igual FrontierCode v1.1, Terminal-Bench 4.0 y SWE-Atlas-QnA-AA. La comparación es entre configuraciones de agente y modelo, y no entre modelos aislados (Artificial Analysis).
| Agente y configuración | Índice de programación | Coste medio por tarea |
|---|---|---|
| Claude Code con Claude Opus 5.5 Max | 62 / 100 | 11,42 $ |
| GitHub Copilot CLI con Fusion Max | 60 / 100 | 5,59 $ |
Fuente: comparativa de agentes de Artificial Analysis, consultada el 29 de octubre de 2026. Son costes calculados para tareas de benchmark, no el precio de una tarea con su suscripción.
Fusion queda dos puntos por debajo de Claude Code en este índice, con un coste medio aproximadamente un 51 % menor. Los resultados varían según la prueba: Fusion obtiene un 71 % en Terminal-Bench 4.0 frente al 63 % de Claude Code, pero un 51 % en FrontierCode frente al 56 %. Unas medias parecidas no significan que ambos agentes resuelvan los mismos problemas (Artificial Analysis).
El resultado no permite predecir su ahorro. Las tareas del benchmark, las configuraciones, las herramientas, los precios y las condiciones de caché pueden diferir de las suyas. Compara sistemas completos con sus respectivos entornos y no establece si su resultado encaja con su arquitectura o es fácil de mantener.
Facturación: créditos, no una tarifa plana de Fusion
No hay una tarifa específica de Fusion. GitHub cobra cada modelo utilizado a su tarifa, por lo que una tarea que involucre varios modelos puede costar más que una sola llamada. En los planes individuales, el uso de tokens se convierte en GitHub AI Credits; un crédito representa 0,01 $ de uso. Las asignaciones incluidas y las reglas exactas dependen del plan (facturación individual de GitHub).
GitHub indica estas asignaciones mensuales para los planes individuales de pago:
| Plan | Precio mensual indicado | Créditos de IA mensuales incluidos |
|---|---|---|
| Copilot Pro | 10 $ | 1500 |
| Copilot Pro+ | 39 $ | 7000 |
| Copilot Max | 100 $ | 20 000 |
Fuente: documentación de GitHub, consultada el 29 de octubre de 2026. GitHub señala que una parte de la asignación es variable. Los planes gratuito, de estudiantes y de empresa tienen condiciones diferentes; consulte su panel de uso antes de comparar.
Los planes de pago de Copilot reciben un 30 % de descuento en los costes de los modelos al usar Fusion hasta el 30 de noviembre de 2026. No es un descuento permanente de la suscripción (GitHub).
Conviene empezar con Standard para un cambio concreto. Pase a High o Max cuando la dificultad justifique más razonamiento y revise después los créditos consumidos y el tiempo dedicado a comprobar el trabajo. El coste que importa es el de una solución aceptada y verificada, no solo el de una primera respuesta.
Disponibilidad y modelos locales
Fusion está disponible en VS Code, Copilot CLI, la aplicación GitHub Copilot y los IDE de JetBrains, según el plan y las políticas de la organización. Actualice su cliente, seleccione Copilot Fusion en el selector de modelos y elija Standard, High o Max (GitHub).
GitHub también está probando la selección de modelos locales con el nivel de esfuerzo Standard. En Copilot CLI, algunos modelos configurados manualmente pueden ejecutarse en macOS, Windows y Linux; los usuarios deben encargarse de la configuración y disponer de hardware suficiente. Es una vista previa experimental. Aunque la inferencia se ejecute en local, el enrutado sigue estando en la nube: la sesión no funciona totalmente sin conexión (GitHub).
Nuestra opinión
Fusion aborda un problema real: usar el modelo más potente para una tarea pequeña puede desperdiciar créditos, mientras que un modelo ligero puede fallar en un cambio complejo. La orquestación hace esa disyuntiva más automática, pero no elimina la necesidad de revisar los cambios ni la incertidumbre sobre el coste final.
El resultado de Artificial Analysis es prometedor para Fusion Max; no establece una victoria frente a todos los competidores en todas las tareas. Una prueba útil consiste en comparar trabajos representativos: un cambio pequeño, un error difícil y una refactorización de varios archivos, con los mismos criterios de éxito y anotando los créditos y el tiempo de revisión.
Fuentes
- GitHub, lanzamiento de Copilot Fusion, 28 de octubre de 2026
- GitHub, funcionamiento de Fusion, niveles de esfuerzo y facturación, consultado el 29 de octubre de 2026
- Artificial Analysis, evaluación de Copilot Fusion, 28 de octubre de 2026
- Artificial Analysis, comparativa entre Claude Code y Copilot, consultada el 29 de octubre de 2026
- GitHub, facturación individual y créditos, consultada el 29 de octubre de 2026
- GitHub, modelos locales en Copilot Fusion, 28 de octubre de 2026
¿Ha detectado un error en este artículo? Comuníquenoslo · Nuestra política de correcciones
