گیت‌هاب در ۲۸ اکتبر ۲۰۲۶ کوپایلوت فیوژن را به‌صورت عمومی عرضه کرد؛ سامانه‌ای که برای هر درخواست، مدل‌های مناسب را انتخاب و هماهنگ می‌کند. نسخهٔ Max آن در یک محک کدنویسی تنها دو امتیاز با Claude Code با Opus 5.5 Max فاصله دارد، اما حدود نیمی از هزینه را مصرف می‌کند.
این سامانه در رویداد گیت‌هاب یونیورس ۲۰۲۶ معرفی شد. گیت‌هاب در همین رویداد اپلیکیشن گیت‌هاب کوپایلوت، Copilot Projects برای کار عامل‌ها روی چند مخزن، سطح عمیق‌تر Code Review Max و مدل پرداخت تازه‌ای برای سازمان‌ها را هم رونمایی کرد. گیت‌هاب در همین رویداد، اپلیکیشن کوپایلوت و قابلیت‌های جدیدی چون Copilot Projects را رونمایی کرد که برتری دقت Copilot در برابر حریم خصوصی Tabnine در سال ۲۰۲۶ را هم در مقایسه‌های قبلی نشان داد.
چرا گیت‌هاب سراغ مسیریابی چندمدله رفت
توسعه‌دهندگان در یک سال گذشته مدام بین مدل‌ها جابه‌جا شده‌اند. آن‌ها برای هر کار باید دستی بین سرعت و عمق استدلال انتخاب می‌کردند. انتخاب خودکار مدل در گیت‌هاب و پیش‌نمایش پژوهشی HydraFusion در ۴ سپتامبر ۲۰۲۶ این کار را تا حدی خودکار کرده بودند. انتخاب خودکار مدل در گیت‌هاب و پیش‌نمایش پژوهشی HydraFusion در ۴ سپتامبر ۲۰۲۶ این کار را تا حدی خودکار کرده بودند، در حالی که باگ GitHub Copilot زنجیره تفکر مدل‌های DeepSeek را در چت‌های چندمرحله‌ای می‌بُرد.
فیوژن حالا این لایهٔ هماهنگی را به محصولی رسمی و پشتیبانی‌شده تبدیل می‌کند. این محصول سه سطح تلاش و سه الگوی اجرا دارد و مدیران می‌توانند عملکردش را بازبینی کنند.
به گفتهٔ جی پاریخ (Jay Parikh)، معاون اجرایی سازمان CoreAI مایکروسافت، این عرضه گام بعدی به سوی تحویل نرم‌افزار عامل‌محور است. در این رویکرد، عامل‌ها مشخصات فنی می‌نویسند، طراحی‌ها را بررسی می‌کنند و داده‌های تلمتری را تحلیل می‌کنند. به گفتهٔ جی پاریخ (Jay Parikh)، معاون اجرایی سازمان CoreAI مایکروسافت، این عرضه گام بعدی به سوی تحویل نرم‌افزار عامل‌محور است، که چرا مایکروسافت اجرای Copilot را از ابر به دستگاه منتقل می‌کند؟ را هم تقویت می‌کند.
کوپایلوت فیوژن چطور کار می‌کند
کاربر یکی از سه سطح تلاش را انتخاب می‌کند:
- Fusion Standard: مدل‌های همه‌کاره برای کدنویسی روزمره
- Fusion High: کارهای دشوار و استدلال عمیق‌تر
- Fusion Max: تواناترین مدل‌ها برای سخت‌ترین کارها
فیوژن هر درخواست را از یکی از سه گردش‌کار عبور می‌دهد:
- تک‌مدله (Single): یک مدل مستقیم کار را حل می‌کند.
- آبشاری (Cascade): یک مدل کم‌هزینه پیش‌نویس می‌دهد. بررسی کیفیت آن را می‌پذیرد یا به مدل قوی‌تر می‌سپارد.
- نقد (Critique): یک مدل پیش‌نویس می‌دهد، مدل دوم آن را بررسی می‌کند و مدل اول پاسخ را اصلاح می‌کند.
مدیران برای هر سازمان سیاست مدل تعیین می‌کنند. آن‌ها می‌توانند مدلی را فقط برای فیوژن غیرفعال کنند و هر سطح تلاش را پیش‌فرض کاربران قرار دهند.
نتیجهٔ کوپایلوت فیوژن در محک کدنویسی
به اعلام گیت‌هاب، Fusion Max در شاخص Artificial Analysis Coding Agent Index نمرهٔ ۶۰ گرفت. این نمره دو امتیاز کمتر از Claude Code با Opus 5.5 Max است. در مقابل، فیوژن به‌طور میانگین حدود نیمی از هزینهٔ API هر کار و نیمی از توکن‌ها را مصرف کرد و ۴۰ درصد زمان کمتری لازم داشت.
هری پوخرل (Hari Pokhrel)، مهندس ارشد نرم‌افزار در AT&T، گفت Fusion Standard با انتخاب خودکار مدل مناسب برای هر کار، بهره‌وری توکن را در کل این شرکت بهتر کرده است.
قیمت و دسترسی
هزینهٔ فیوژن بر اساس نرخ استاندارد هر مدل محاسبه می‌شود. کاربران طرح‌های پولی کوپایلوت برای مدتی محدود ۳۰ درصد تخفیف روی هزینهٔ مدل‌ها می‌گیرند.
فیوژن در VS Code، اپلیکیشن گیت‌هاب کوپایلوت، رابط خط فرمان (CLI) و محیط‌های توسعهٔ جت‌برینز کار می‌کند. کاربرانی که در دورهٔ پیش‌نمایش انتخاب خودکار، HydraFusion یا HydraFusion Max را فعال کرده بودند، خودکار به سطح متناظر فیوژن منتقل می‌شوند.
اپلیکیشن گیت‌هاب کوپایلوت و Copilot Projects
اپلیکیشن گیت‌هاب کوپایلوت برای تحویل عامل‌محور طراحی شده است. کاربر هدف را توضیح می‌دهد و زمینه‌ای مثل مخزن‌ها، طرح‌های فیگما یا گفت‌وگوهای اسلک را پیوست می‌کند. سپس مدل و ابزارها را انتخاب می‌کند و در نهایت درخواست ادغام (pull request) تحویل می‌گیرد.
Copilot Projects چند جلسهٔ موازی و مدیریت‌شدهٔ عامل را روی چند مخزن اجرا می‌کند. خودکارسازی‌ها هم حالا از نتایج کارشان یاد می‌گیرند و بهبودهایی پیشنهاد می‌دهند.
اپلیکیشن قابلیتی به نام پیش‌نمایش استفاده از رایانه (computer-use preview) هم دارد. با آن، کوپایلوت در برنامه‌های دسکتاپ دکمه‌ها را کلیک می‌کند و متن تایپ می‌کند، حتی در برنامه‌هایی که API ندارند.
Code Review Max
به گفتهٔ گیت‌هاب، Code Review Max بالاترین امتیاز F1 را در ReviewBench برای مشکلات با شدت بالا ثبت کرد.
پرداخت اعتباری برای سازمان‌ها
مشتریان سازمانی حالا بدون اشتراک جداگانه به همهٔ قابلیت‌های کوپایلوت، از جمله اپلیکیشن، بررسی کد و خودکارسازی‌ها، دسترسی دارند. آن‌ها فقط برای اعتبارهای هوش مصنوعی مصرف‌شده پول می‌دهند.
این تغییر اکنون از طریق تیم فروش گیت‌هاب فعال است و نسخهٔ سلف‌سرویس آن به‌زودی می‌رسد. مشتریان فعلی طرح‌های Business و Enterprise هر زمان آماده بودند می‌توانند به این مدل منتقل شوند.
زیرساخت گیت‌هاب در ۲۰۲۶
گیت‌هاب در سال ۲۰۲۶ این ظرفیت‌ها را اضافه کرده است:
- ۴ میلیون هستهٔ CPU
- ۱۶۰ پتابایت ذخیره‌سازی پرسرعت
- ۵۰ ترابیت در ثانیه ظرفیت شبکه
این شرکت در حال انتقال به استقراری چندمنطقه‌ای در ازور است و انتظار دارد آن را در اوایل ۲۰۲۷ تمام کند. معماری تازه بر سه اصل تکیه دارد: ساده‌کردن اجزای پایه، جداکردن ذخیره‌سازی از محاسبات و کم‌کردن نیاز به هماهنگی.
مسیریابی مدل، اهرم تازهٔ هزینه
رسیدن به نمره‌ای نزدیک با نصف هزینه نشان می‌دهد که مسیریابی مدل، نه صرفاً اندازهٔ مدل، به اهرم اصلی اقتصاد هوش مصنوعی در محیط عملیاتی تبدیل می‌شود. سازمان‌هایی که به یک مدل پیشرو وابسته بودند، حالا می‌توانند تصمیم بین هزینه و کیفیت را برای هر کار به لایهٔ هماهنگی بسپارند. این تحول ارائه‌دهندگان مدل را وادار می‌کند روی قیمت و تأخیر API هم رقابت کنند، نه فقط روی جدول امتیازها.
قابلیت استفاده از رایانه هم دامنهٔ کار عامل‌ها را از کد به هر گردش‌کاری می‌برد که انسان بتواند انجامش دهد. اگر استقبال از آن مانند کوپایلوت باشد، اپلیکیشن به لایه‌ای عمومی برای خودکارسازی تبدیل می‌شود. مدل اعتباری هم هزینهٔ هوش مصنوعی را از مجوز به‌ازای هر کاربر به خدمتی مصرفی و قابل اندازه‌گیری تبدیل می‌کند.
برای توسعه‌دهندگان، سود فوری این است که دیگر لازم نیست خودشان مدل را انتخاب کنند. برای مدیران فناوری، پرداخت اعتباری هزینه را با مصرف واقعی هم‌سو می‌کند و پیش‌بینی بودجه را ساده‌تر می‌کند. خطر اصلی شفاف‌نبودن است: وقتی فیوژن از الگوی آبشاری به الگوی نقد می‌رود، صورت‌حساب توکن بالا می‌رود و تیم‌ها برای بازبینی این تصمیم‌ها به ابزار پایش نیاز دارند.
نکته‌های بعدی که باید دنبالشان کرد، عرضهٔ سلف‌سرویس پرداخت اعتباری و محک‌هایی است که کاربران روی کدهای واقعی برای مقایسهٔ سطوح تلاش فیوژن اجرا می‌کنند. تکمیل مهاجرت ازور در اوایل ۲۰۲۷ هم نشان می‌دهد آیا منطق مسیریابی فیوژن در مناطق جغرافیایی مختلف رفتار یکسانی خواهد داشت یا نه.
گام بعدی شما
- Fusion Standard را در یک مخزن آزمایشی فعال کنید و مصرف توکن را با انتخاب خودکار فعلی مقایسه کنید.
- سیاست‌های مدل سازمان را بازبینی کنید، مدل‌های ناخواسته را برای فیوژن غیرفعال کنید و سطح تلاش پیش‌فرض را تنظیم کنید.
- پیش‌نمایش استفاده از رایانه را در یک گردش‌کار غیرکدنویسی، مثل آزمون رابط کاربری، امتحان کنید.
گفتگو