エージェント

GitHub Copilot Fusionがモデルを選ぶ：低コストで高品質なコーディング？

Copilot FusionはAIモデルを選択・組み合わせる。ベンチマークスコア、タスクあたりのコスト、制限、GitHubクレジットの意味を整理する。

執筆： Audryk · 2026年10月29日

• コーディングエージェント
• モデル
• #GitHub Copilot
• #agents
• #models
• #pricing
• #benchmarks

開発者はすべてのタスクに強力なモデルを使うべきか、それとも最も難しい問題のために取っておくべきか。10月28日に発表されたCopilot Fusionは別の方法を提示する。Copilotがモデルを選び、必要に応じて組み合わせるのだ(GitHub)。

狙いは魅力的だ。すべてのタスクで最も強力なモデルに料金を払わずに、コーディングエージェントのトップクラスの性能に近づく。独立した評価はこれをある程度裏付けているが、自分のプロジェクトでFusionが常に安くなることを証明するものではない。ここでは、数値が何を測っているのか、課金がどう動くのかを見ていく。

新モデルではなくオーケストレーター

Copilot Fusionはモデルのルーティングとオーケストレーションを行う。エフォートレベルを選ぶと、Fusionはプランで利用可能なモデルから選択し、その使い方を決める。1つのモデルだけを使う場合もあれば、タスクによってはレビューの段階を加える場合もある(GitHubドキュメント)。

GitHubは3つの実行パターンを説明している。

出典：GitHubドキュメント。これらは起こりうるパターンであり、選択はタスクと選んだエフォートによって決まる。

Standardは日常的な作業を対象とし、ドキュメントによればタスクごとに1つのモデルを使う。Highは大きな変更を対象とし、Maxは最も要求の厳しい問題を優先する。GitHubによれば、HighとMaxはモデル呼び出しを増やし、より多くのクレジットを消費する場合がある。ユーザーは各ステップを追い、応答の下で使われたモデルを確認できる(GitHub)。

独立テスト：2ポイント低く、コストは約半分

Artificial Analysisは、Copilot CLIのFusion Maxを同社のCoding Agent Index v2.0で評価した。この指標はFrontierCode v1.1、Terminal-Bench 4.0、SWE-Atlas-QnA-AAを均等に重み付けしている。比較の対象は個々のモデルではなく、エージェントとモデルの構成である(Artificial Analysis)。

出典：Artificial Analysisのエージェント比較、確認日2026年10月29日。これはベンチマークタスク向けに算出したコストであり、自分のサブスクリプションでのタスク価格ではない。

この指標ではFusionはClaude Codeを2ポイント下回り、平均コストは約51%低い。結果はテストごとに異なる。Terminal-Bench 4.0ではFusionが71%、Claude Codeが63%だが、FrontierCodeではFusionが51%、Claude Codeが56%だ。平均が近いからといって、両エージェントが同じ問題を解いているとは限らない(Artificial Analysis)。

この結果から自分の節約額を予測することはできない。ベンチマークのタスク、構成、ツール、価格、キャッシュの条件は、自分の環境と異なる可能性がある。比較しているのはそれぞれの環境を持つシステム全体であり、その出力が自分のアーキテクチャに合うか、保守しやすいかは分からない。

課金：Fusion専用の定額ではなくクレジット

Fusion専用の料金はない。GitHubは、使用した各モデルをそれぞれの料金で課金するため、複数のモデルが関わるタスクは1回の呼び出しより高くなることがある。個人向けプランでは、トークン使用量がGitHub AI Creditsに換算される。1クレジットは0.01ドル分の利用に相当する。含まれる枠と正確なルールはプランによって異なる(GitHubの個人向け課金)。

GitHubは有料の個人向けプランについて、次の月間の枠を掲載している。

出典：GitHubドキュメント、確認日2026年10月29日。GitHubによれば、枠の一部は変動する。無料プラン、学生向けプラン、ビジネス向けプランは条件が異なる。比較する前に、自分の利用状況ダッシュボードを確認すること。

有料のCopilotプランでは、11月30日までFusionを使うとモデルコストが30%割引になる。これは恒久的なサブスクリプション割引ではない(GitHub)。

焦点を絞った変更にはStandardから始める。難易度が高く、より多くの推論が必要になったらHighまたはMaxに切り替え、消費したクレジットと確認にかかった時間を見直す。意味を持つコストは、最初の応答だけでなく、受け入れられ検証された解決策のコストである。

提供状況とローカルモデル

Fusionは、プランと組織のポリシーに従い、VS Code、Copilot CLI、GitHub Copilotアプリ、JetBrains IDEで利用できる。クライアントを更新し、モデルピッカーでCopilot Fusionを選び、Standard、High、Maxのいずれかを選ぶ(GitHub)。

GitHubは、Standardのエフォートレベルでのローカルモデル選択も試験している。Copilot CLIでは、手動で設定した一部のモデルをmacOS、Windows、Linuxで実行でき、ユーザーが設定を管理し、十分なハードウェアを用意する必要がある。これは試験的なプレビューである。推論がローカルで動いても、ルーティングはクラウドに残るため、セッションが完全にオフラインになるわけではない(GitHub)。

当サイトの見方

Fusionは現実の問題に対処している。小さなタスクに最強のモデルを使うとクレジットを浪費しかねず、軽量なモデルは複雑な変更で失敗しかねない。オーケストレーションはこのトレードオフをより自動化するが、変更を確認する必要や、最終的なコストの不確実性がなくなるわけではない。

Artificial Analysisの結果はFusion Maxについては有望だが、あらゆるタスクで他のすべての競合に勝ったことを示すものではない。有用な試し方は、代表的な作業を比べることだ。小さな変更、難しいバグ、複数ファイルにまたがるリファクタリングを、同じ成功基準で試し、クレジットとレビュー時間を記録する。

出典

• GitHub, Copilot Fusionの発表、2026年10月28日
• GitHub, Fusionの動作、エフォートレベル、課金、確認日2026年10月29日
• Artificial Analysis, Copilot Fusionの評価、2026年10月28日
• Artificial Analysis, Claude CodeとCopilotの比較、確認日2026年10月29日
• GitHub, 個人向け課金とクレジット、確認日2026年10月29日
• GitHub, Copilot Fusionのローカルモデル、2026年10月28日

この記事の誤りに気づかれましたか？ 報告する · 訂正ポリシー