GitHub kündigte am 28. Oktober 2026 die allgemeine Verfügbarkeit von Copilot Fusion an, einer Option im Modellauswahlmenü, die nicht mehr ein einzelnes Modell pro Aufgabe festlegt, sondern jede Anfrage je nach gewähltem Aufwandsniveau auf mehrere Modelle verteilt. Erklärtes Ziel ist es, Leistung und Kosten auszubalancieren, ohne diese Entscheidung bei jedem einzelnen Prompt dem Entwickler zu überlassen.
Das Problem, das Fusion lösen soll
Für eine komplexe Denkaufgabe ein leistungsstarkes Modell zu wählen und danach zu vergessen, für Routinearbeiten wieder auf ein leichteres Modell zu wechseln, ist eine gut dokumentierte Quelle stiller Mehrkosten bei Teams, die Coding-Assistenten täglich nutzen. Fusion verlagert diese Entscheidung vom Entwickler auf das Werkzeug: Bei jedem Prompt analysiert das System die Art der Aufgabe und wählt selbst die passendste Modellkombination.
Drei Orchestrierungsstrategien
Je nach im Modellauswahlmenü gewähltem Aufwandsniveau (Standard, High, Max) stehen drei Workflows zur Verfügung:
| Workflow | Funktionsweise | Typischer Anwendungsfall |
|---|---|---|
| Single | Ein einzelnes Modell bearbeitet die Anfrage vollständig | Einfache, klar definierte Aufgabe |
| Cascade | Ein effizientes Modell entwirft eine Antwort; eine Qualitätsprüfung akzeptiert sie oder eskaliert zu einem stärkeren Modell | Aufgabe mit unsicherem Schwierigkeitsgrad |
| Critique | Ein Modell entwirft, ein zweites prüft, das erste überarbeitet | Sensible Denk- oder Refactoring-Aufgabe |
GitHub veröffentlicht nicht die genaue Liste der von Fusion orchestrierten Modelle: Die Funktion kombiniert den Multi-Modell-Ansatz des internen Projekts HydraFusion mit der bereits in Copilot vorhandenen automatischen Modellauswahl und greift nur auf Modelle zurück, die in der Modellrichtlinie der jeweiligen Organisation oder des Unternehmens aktiviert sind.
Ergebnisse im Vergleich zu Claude Code
Im Artificial Analysis Coding Agent Index platziert GitHub Fusion Max mit einem Wert von 60, nur zwei Punkte hinter Claude Code mit Opus 5.5 Max, das als Marktreferenz dient. Die hervorgehobene Zahl betrifft vor allem die Kosten: GitHub beansprucht dieses Ergebnis bei etwa der Hälfte der durchschnittlichen API-Kosten pro Aufgabe, mit rund halb so vielen verbrauchten Tokens und knapp 40 % weniger Bearbeitungszeit pro Aufgabe.
Fusion verlagert die Abwägung zwischen Leistung und Kosten vom Entwickler auf das Werkzeug, Anfrage für Anfrage.
Verfügbarkeit, Abrechnung und Admin-Kontrolle
Fusion ist in allen kostenpflichtigen Copilot-Plänen verfügbar, in Visual Studio Code, der kürzlich um Computer Use erweiterten Copilot-App, der GitHub-Copilot-CLI und JetBrains-IDEs; weitere Clients folgen später. Konten, die an der Forschungsvorschau unter auto, HydraFusion oder HydraFusion Max teilgenommen hatten, wechseln automatisch auf die entsprechende Fusion-Aufwandsstufe.
Bei der Abrechnung wird jedes von Fusion aufgerufene Modell zu seinem Standardtarif berechnet, doch GitHub gewährt zeitlich befristet einen Rabatt von 30 % auf die über Fusion anfallenden Modellkosten für Konten mit kostenpflichtigem Copilot-Plan. Organisations- und Unternehmensadministratoren können Modelle für Fusion aktivieren oder deaktivieren und Fusion, auf einer bestimmten Aufwandsstufe, über verwaltete Unternehmenseinstellungen als Standardmodell festlegen.
Was das für ein Webentwicklungsteam bedeutet
Für ein Team, das bereits die Kosten agentischer Korrekturen in Produktion im Blick behält, bietet Fusion eine sinnvolle Standardeinstellung ohne Feinabstimmung pro Modell. Es bleibt sinnvoll, die Standard-Aufwandsstufe auf Organisationsebene festzulegen, statt sie der individuellen Wahl zu überlassen, damit eine Routineaufgabe nicht systematisch auf Max läuft.
Das Wichtigste in Kürze
Copilot Fusion verallgemeinert eine bereits in der Vorschau getestete Multi-Modell-Orchestrierung mit drei klar definierten Strategien und dem Versprechen geringerer Kosten bei vergleichbarer Qualität. Die Verfügbarkeit in allen kostenpflichtigen Plänen und den wichtigsten IDEs macht es zu einer Einstellung, die sich rasch zu testen lohnt, wobei die modellweise Abrechnung stärker im Blick bleiben sollte als der allein beworbene Fusion-Tarif.
Bei vom Anbieter selbst veröffentlichten Benchmark-Vergleichen bleibe ich vorsichtig: Ein Unterschied von zwei Punkten auf einem zusammengesetzten Index sagt wenig über das Verhalten in einem echten Projekt aus. Solider erscheint mir das Prinzip der bedingten Eskalation selbst, das dem entspricht, was ich bereits manuell mache, wenn ich erst nach einem gescheiterten ersten Durchlauf von einem leichten zu einem leistungsfähigeren Modell wechsle. Dieses Verhalten zu automatisieren ergibt Sinn, solange man die Kontrolle über die Standard-Aufwandsstufe behält. — Simon Janvier
Zum Weiterlesen: Die vollständige Funktionsweise und die Abrechnungsbedingungen von Copilot Fusion stehen im offiziellen GitHub-Changelog.
