GitHub 称，在 Artificial Analysis Coding Agent Index 中，Copilot Fusion Max“得分 60，与搭载 Opus 5.5 Max 的 Claude Code 相差不到两分”（GitHub changelog）。The New Stack 的标题却把它写成了一个“以一半的 API 成本击败 Claude Code”的系统（The New Stack）。这是两种完全不同的说法，团队真正该动脑子的，就是这两者之间的差距。
Fusion 已在 GitHub Copilot 中正式发布，是模型选择器里的一个新选项。你不用选模型，只需选一个投入级别（effort level），由 Copilot 针对每条 prompt 决定运行哪些模型、按什么顺序运行。这个想法不错，但证据基础薄弱，我们会先把它当作成本控制功能，再把它当作质量上的宣称。
60 不等于 62
再仔细读一遍 GitHub 自己的措辞：Fusion Max 与搭载 Opus 5.5 Max 的 Claude Code 相差不到两分，每个任务的平均 API 成本约为一半，token 用量约为一半，耗时少约 40%（changelog）。这个结果值得尊重，作为卖点也站得住脚。但它不是“胜出”，连 The New Stack 自己的正文用的也是“comparable（相当）”，标题却写着“beats（击败）”。GitHub 在 Universe 回顾中又重复了这一说法，而传得最广的正是“成本减半”这个版本。
GitHub 引用的这个指数由 Artificial Analysis 发布，它把 FrontierCode、Terminal-Bench 4.0 和 SWE-Atlas-QnA-AA 三个基准等权合并（Artificial Analysis）。该页面默认视图里，搭载 Opus 5.5 Max 的 Claude Code 是 62 分，没有 Fusion 的条目。打开“Router models”开关后，GitHub Copilot - Copilot Fusion (Max) 就会出现，得分 60，所以这个数字是真的，和 GitHub 说的一致。同一个开关下还能看到 Cognition 的 Devin Fusion CLI，它把 Opus 5.5 Max 和 GPT-6 Luna 搭配使用，与 Claude Code 并列 62 分。这说明路由器这一类产品整体正在追上来，而不是说 GitHub 的这个就是要超越的对象。我们没有拿该页面的成本列去核对 GitHub 的“成本减半”数字，所以这一部分仍然只是 GitHub 的一面之词。
一个菜单入口背后的三条路径
文档把 Fusion 称为“智能的运行时模型路由器和编排器”（GitHub Docs）。对每条 prompt，它会从三种执行模式中选一种，同一个会话里不同的 prompt 可能走不同的路径。
Single 是由一个模型直接作答。Cascade 先让一个高效模型起草，再由评判模型决定是接受草稿，还是升级交给更强的模型。Critique 是一个模型起草，其他模型审阅，起草者再据此修订。投入级别决定路由的激进程度：Standard 用于日常工作，High 用于较大的任务，Max 用于最难的推理。
从预览版到正式发布，有一处细节变了。GitHub 早先的研究预览文章描述的是“来自不同模型家族的、独立的只读评审者”（GitHub blog）。发布时的 changelog 写的是“另一个模型来审阅”，而文档则说多个模型并行评审，再把反馈汇总。我们的理解是，评审环节从一个评审者变成了多个，但 GitHub 没有明说，changelog 也没有标出这个差异。
所有套餐都能用，按模型分别计费
changelog 说，Fusion 在所有 Copilot 套餐中都可用，支持 VS Code、Copilot 应用、Copilot CLI 和 JetBrains IDE，更多客户端后续跟进。它用到的每个模型都按该模型的标准费率计费，Fusion 本身不另外收费。付费套餐在限定时间内可享模型费用 7 折优惠，文档写明该优惠将在今年晚些时候结束（文档）。
还有两处没对上。Fusion 文档说它“适用于所有 GitHub Copilot 套餐”，但套餐页面说，Free 和 Student 套餐只能通过自动模型选择来使用模型。GitHub 没有解释这两者如何统一。文档里按套餐列出投入级别的表格用图标表示是否可用，我们读取时这些图标变成了空单元格，所以没法告诉你 Free 和 Student 席位能用哪些级别，请直接看你自己的选择器。另外，由于 High 和 Max 可能调用多个模型，文档自己就提醒：同一个任务消耗的 AI credits 可能比 Standard 更多。“每个任务成本减半”说的是 Max 对比 Claude Code，并不是对你的 credit 余额的承诺。
这份基准是 GitHub 自己给自己打分
早先的 HydraFusion 文章比发布稿坦率得多。测试中每个模型都用同样的中等推理级别，成本是在统一定价假设下估算的，对比对象是 Opus 5 和 GPT-5.6 Sol。GitHub 还说，路由策略是用 beam search 在它所报告的同样三个基准上调出来的（GitHub blog）。
看看这个形状：一个基准提升了 4.9 分，另外两个有小幅下降，成本低 36% 到 67%。这是一个在质量大致持平的前提下省成本的故事，发布稿最后说的其实也是这个。
Hacker News 上的开发者主要质疑基线。一位评论者写道，“Opus 5（实际使用中）不是一个好的对比基线”（HN）。另一位对结果表示怀疑：“只要在模型和 harness 之间多加一层软件，要在单项基准上超过前沿模型并不难”（HN）。同一个帖子里，一位 Copilot CLI 用户说自动模式“只会在会话开始时或压缩之后切换模型”（HN），另一位则称自动选择对他们来说“基本没法用”（HN）。这些只是个别评论者的说法，不是研究，但确实能看出质疑集中在哪里。
还要留意计费口径不一致的问题。该指数和 GitHub 的对比用的是按 token 付费的 API 成本。而使用 Claude Code 包月订阅的开发者根本看不到这个数字，所以“成本减半”对个人用户和按 API 花费计量的团队来说意义不同。Artificial Analysis 自己也指出，很多用户是通过订阅而不是按 token 付费来使用这些工具的。这个结论是我们的推断，不是 GitHub 的说法，但它改变了这条标题到底是说给谁听的。
GitHub 提供的唯一一段客户心声来自 AT&T 的 Hari Pokhrel，引自 GitHub 自己的 changelog：“以前，开发者处理复杂任务时往往会选更强大的模型，然后在日常工作中忘了切换回来。”这才是 Fusion 最实在的价值：它能防止大家在日常琐事上一直开着昂贵的模型。
你的策略决定谁能看到你的 diff
这部分我们建议比基准测试更先读。Fusion 只会使用在你的企业和组织策略中已启用的模型。管理员可以只对 Fusion 禁用某些模型，而不必在所有地方都禁用，受数据驻留或 FedRAMP 策略限制的模型也会被排除在外（文档）。
由第二个模型来评审是这个设计押的宝，预览文章说这个评审者来自不同的模型家族。如果这意味着另一家厂商，那它就会看到你的 diff，这是一个数据处理上的决定，团队里应该有人有意识地去做。得到响应后，你可以把鼠标悬停在投入级别标签上，查看实际运行了哪些模型。
限制说明部分同样重要。如果 Fusion 丢弃了某份草稿，该草稿已经做过的文件修改不会被自动撤销，所以提交前要检查 diff。Fusion 也没有自己的上下文窗口：界面上显示的数值是它所含模型中最小的那个。
团队试用时我们会怎么放
对一个 Copilot 团队，我们会把 Fusion Standard 设为默认，不会把 Max 设为默认。它在独立指数上的 60 分不错，但 Max 是调用模型最多、消耗 credit 最多的级别。AT&T 那个故事发生在 Standard 上，路由省钱最多的也是 Standard。对于已经在用 Claude Code 或 Codex 的团队，锁定问题要反过来看：这些工具绑定的是某一家厂商的模型，而 Fusion 是 GitHub 控制的路由器，GitHub 可以随时调整。两边都不是没有依赖。
我们已有的对比文章覆盖了这些工具本身：终端编程 agent、Cursor 对比 Copilot 和 Windsurf、按任务匹配模型档位，以及更全面的编程工具清单。Fusion 改变的是这些对比里的成本一栏，不会改变你会选哪个工具。Cursor 用户目前还没有对应的结论，想看当前行业的排序，可以去 ToolRank 编程助手榜单。
真正能下结论的测试成本很低：拿十个真实的工单，分别用 Fusion Standard 和你现在的配置跑一遍，统计被接受的改动数和消耗的 credit。GitHub 的折扣今年晚些时候就到期了，所以要赶在这之前测。然后再回头看一下 Artificial Analysis 上的 Router models 视图，那里的路由器条目是最可能变动的。