2026年10月30日

GitHubの「Copilot Fusion」とは?モデルを自動編成する仕組み

Copilot Fusion(コパイロット・フュージョン)は、GitHubが2026年10月28日(現地時間)に発表したGitHub Copilot向けの実行時モデルルーター兼オーケストレーターで、タスクごとにAnthropicとOpenAIのモデルを選び、組み合わせて処理します。新しいAIモデルそのものではありません。

室谷室谷代表取締役
Copilot Fusionは、GitHubが2026年10月28日に発表したGitHub Copilot向けの仕組みで、タスクごとに複数のモデルを選んで組み合わせる実行時のオーケストレーターなんですよね。モデルではなく「モデルの編成」を売りにしているのが面白いところで・・・。
テキトー教師テキトー教師DotAI 認定講師
そうなんですよ。しかも同日にArtificial Analysisが第三者ベンチマークを出していて、そこが今回のニュースの読みどころなんです。

単に「新機能が出ました」じゃない話なんですよ。
室谷室谷代表取締役
発表の主語はあくまでGitHubで、評価を出したのはArtificial Analysisですね。ここは混ぜないほうがいい。
テキトー教師テキトー教師DotAI 認定講師
そこは受講生さんにもよく言うんですけど、発表元と評価元は分けて読まないと、後で数字の意味がわからなくなりますからね。

Copilot Fusionとは?モデルではなくモデルを編成する仕組み

Copilot Fusionの仕組みと特徴
正体はルーター兼オーケストレーター
公式ドキュメントでは「インテリジェントなランタイムモデルルーター兼オーケストレーター」と定義。タスクに対してモデルと実行パターンを選び、最終的に1つの応答を返す層
選ぶのはモデルではなく仕組み
モデルピッカーでFusionを選ぶとき、特定のモデルではなく実行時にモデルをルーティングする「仕組み」を選んでいる。ここが最も誤解されやすい点
対象はAnthropicとOpenAIのモデル群
Artificial AnalysisのスレッドではClaude Opus 5.5、Claude Sonnet 5.5、GPT-6 Astra、GPT-6 Solが挙がる。実際に使われるモデルはリクエストごと、組織のポリシーによって変わりうる
リアルタイムの健全性・可用性も考慮
モデルが混んでいる等のシステム健全性や可用性も判断材料に入る
キャッシュ境界でルーティング
自然なキャッシュ境界と、会話の複雑さが大きく変わるところでルーティング。品質が上がらないのにキャッシュ関連コストが増えるのを避ける
狙いはモデル選択の負担をなくすこと
従来は開発者がタスクごとにモデルを選び途中で切り替える必要があった。GitHub CPOのMario Rodriguez氏は「ユーザーがモデルのことを常に考え続ける必要がない」ようにする趣旨を述べている
室谷室谷代表取締役
公式ドキュメントを読むと、Copilot Fusionは「インテリジェントなランタイムモデルルーター兼オーケストレーター」と定義されていて、タスクに対してモデルと実行パターンを選び、最終的に1つの応答を返す、と。要は裏で何が起きているかをユーザーに見せずに、最適な組み合わせを決めてくれる層なんですよね。
テキトー教師テキトー教師DotAI 認定講師
モデルピッカーでFusionを選ぶとき、特定のモデルを選んでいるわけではないんですよ。実行時にモデルをルーティングする「仕組み」を選んでいる。

ここが今回いちばん誤解されやすいポイントなんです。
室谷室谷代表取締役
対象になるモデルはAnthropicとOpenAIのモデル群で、Artificial AnalysisのスレッドではClaude Opus 5.5、Claude Sonnet 5.5、GPT-6 Astra、GPT-6 Solが挙がっています。どのモデルが実際に使われるかはリクエストごと、そして組織が設定するポリシーによって変わりうると。
テキトー教師テキトー教師DotAI 認定講師
さらに面白いのが、リアルタイムのシステム健全性や可用性も考慮するという点です。モデルが混んでいるとか、そういう状況も判断材料に入る。

ルーティングは自然なキャッシュ境界と、会話の複雑さが大きく変わるところで行い、品質が上がらないのにキャッシュ関連のコストが増えるのを避ける、とドキュメントに書かれています。
室谷室谷代表取締役
キャッシュ境界で切り替えるというのは実装者としてはかなり効く話で・・・。プロンプトキャッシュが効いている途中でモデルを変えると、その分のコストが無駄になりやすいんですよね。

そこを意識してルーティングしているのは、コストを本気で見ている証拠だと思います。
テキトー教師テキトー教師DotAI 認定講師
従来は開発者がタスクごとにモデルを選び、途中で切り替える必要がありました。GitHubはこの選択の負担をなくすことを狙っていて、CPOのMario Rodriguez氏は「ユーザーがモデルのことを常に考え続ける必要がない」ようにする趣旨を述べています。
室谷室谷代表取締役
モデル名を覚えて、タスクごとに切り替えて、みたいな運用をしていたチームほど、この思想は刺さるはずです。MYUUUでも「どのモデルで書くか」を毎回考えるのは無駄だなと感じていたので、方向性としては納得なんですよね。

Copilot Fusionでできること――Single/Cascade/Critiqueの3つの実行パターン

Copilot Fusionの3つの実行パターン
Single
  • 1つのモデルがタスクを完結させる
Cascade
  • 効率的なモデルが下書き
  • 判定役が下書きを検査
  • 受け入れるか、より強いモデルへエスカレーションするかを決める
  • 安いモデルで下書きし、ダメなら強いモデルに上げるコスト意識の設計
室谷室谷代表取締役
公式ドキュメントには3つの実行パターンが明記されています。整理するとこうです。
  • Single: 1つのモデルがタスクを完結させる
  • Cascade: 効率的なモデルが下書きし、判定役がその下書きを検査して、受け入れるか、より強いモデルへエスカレーションするかを決める
  • Critique: 1つのモデルが下書きし、複数のモデルが並行して独立に批評し、そのフィードバックを集約して元のモデルが修正する
テキトー教師テキトー教師DotAI 認定講師
この3つを使い分けるというより、Copilot Fusionがプロンプトごとに必要なパターンを選ぶんですよ。同じセッションの中でも、最初のプロンプトがSingleで、続くプロンプトがCritiqueになることもある。

パターン選択自体は軽い処理で、レイテンシへの影響は最小限だとドキュメントに書かれています。
室谷室谷代表取締役
能力シグナルとして推論・コード生成・デバッグ・ツール利用を見て、選んだ推論努力レベルで品質基準を満たす中で最も効率的なパターンを選ぶ、と。Cascadeは安いモデルで下書きして、ダメなら強いモデルに上げるという、コストを意識した設計ですね。
テキトー教師テキトー教師DotAI 認定講師
Critiqueは「レビュー工程に強い知性を入れる」という考え方なんです。すべての工程に最も高いモデルを割り当てるのではなく、下書きと批評を分ける。

Rodriguez氏も、最も高価なモデルを全工程に置くわけではないという趣旨の説明をしています。
室谷室谷代表取締役
これは人間の開発チームの分業に近いんですよね。書く人と、レビューする人を分ける。

それをモデルでやっているだけ。発想としては素直で、だからこそ効くんだと思います。
テキトー教師テキトー教師DotAI 認定講師
講座でも「1つのモデルに全部やらせる設計から、役割を分ける設計へ」という話はよくするんですけど、それが製品の標準機能として入ってきた形ですね。

Copilot Fusionの使い方・始め方――モデルピッカーで選ぶだけ、推論レベルは3段階

Copilot Fusionの使い方
  1. 01
    モデルピッカーを開く
    Copilotアプリのモデルピッカーのダイアログを開く
  2. 02
    Fusionのスイッチをオン
    特定モデルを使いたい場合はオフにして一覧から選択
  3. 03
    努力レベルを選ぶ
    Fusion Standard / Fusion High / Fusion Max の3段階
  4. 04
    応答にホバーして確認
    使用モデルを情報アイコンで確認。複数モデル時はメインエージェントのモデルを表示
室谷室谷代表取締役
使い方はかなりシンプルで、CopilotアプリのモデルピッカーのダイアログでCopilot Fusionのスイッチをオンにして、努力レベルを選ぶだけなんですよね。
テキトー教師テキトー教師DotAI 認定講師
努力レベルは3段階です。整理するとこうです。
  • Fusion Standard: 日常的なコーディング向けに、汎用性の高いモデルを優先する
  • Fusion High: 難しいタスクや深い推論向けに、能力の高いモデルを優先する
  • Fusion Max: 最も demanding なタスクや複雑な推論向けに、最も能力の高いモデルを優先する
室谷室谷代表取締役
特定のモデルを使いたいときは、逆にFusionのスイッチをオフにして、一覧からモデルを選ぶ。従来の使い方も残っているわけです。

オンとオフで「仕組みを選ぶ」か「モデルを選ぶ」かが切り替わる。UIとしてよくできているなと。
テキトー教師テキトー教師DotAI 認定講師
モデルの選択はセッションの途中でも変えられて、Copilotがアイドル状態なら即時、そうでなければ現在のターンが終わったタイミングで反映される、とドキュメントにあります。選んだモデルは以降のセッションのデフォルトにもなる。
室谷室谷代表取締役
ちなみに、どのモデルが使われたかは応答にホバーすると情報アイコンが出て確認できると。複数モデルが使われた場合は、サブエージェントではなくメインのエージェントが使ったモデルが表示される、という仕様です。
テキトー教師テキトー教師DotAI 認定講師
ここは地味に大事で、Fusionは「何が起きたか見えにくい」という批判も出やすいところなんですよ。だからこそ、使われたモデルを後から確認できる導線が用意されている。
室谷室谷代表取締役
既存のCopilotの使い方に慣れている人ほど、導入のハードルは低いと思います。設定をゴリゴリ変えるというより、スイッチを入れてレベルを選ぶだけなので。

Copilot全体の機能比較はChatGPT vs Copilot 徹底比較でも整理しているので、あわせて読むと位置づけが掴みやすいです。

料金はどうなる?トークン課金の仕組みと利用できるプラン

室谷室谷代表取締役
提供範囲は公式ドキュメントに明記されていて、Copilot FusionはすべてのGitHub Copilotプランで利用可能とされています。
テキトー教師テキトー教師DotAI 認定講師
料金は、リクエストを完了するために実際に使われた下位モデルに基づくトークン課金です。Artificial Analysisのスレッドにも「Token costs are charged based on the underlying models used to complete a request」とあります。

GitHubのChangelogでも「使われた各モデルの標準レートで課金される」と明記されていて、Fusionという機能自体に固定の追加料金があるという書き方ではないんですよね。さらに、期間限定ではありますが、有料CopilotプランのユーザーはFusion利用時のモデルコストが30%割引になると案内されています。
室谷室谷代表取締役
ここは誤解されやすいので丁寧に言っておきたいんですけど、Artificial Analysisが出しているタスクあたりのコストは、あくまでトークン単位のAPI課金を積み上げたベンチマーク上の数字です。実際のユーザーはサブスクリプションプラン経由で使うことが多いと、Artificial Analysisのページにも注記があります。

だから「Fusionにすると必ず半額になる」という意味ではないんですよね。
テキトー教師テキトー教師DotAI 認定講師
そうなんですよ。ベンチマークのコストは「ペイ・パー・トークンのAPIコスト」であって、コンシューマープランの価格でも、本番運用の総コストでもない。

インフラやエンジニアリング、監督のコストは含まれていないと明記されています。
室谷室谷代表取締役
日本からの利用可否について、今回参照した公式ドキュメントの中にFusion固有の地域制限の記載は見当たりませんでした。全Copilotプランで利用可能という記載以上のことは、現時点では明らかにされていません。
テキトー教師テキトー教師DotAI 認定講師
プランごとの細かい条件は、契約しているプランや組織の設定によって変わる可能性があるので、そこは公式ドキュメントで確認するのが確実ですね。あわせて、Fusion Maxがモデルピッカーに出てこない場合は、Fusion Maxに必要なモデルのいずれかが無効化されている可能性がある、という注意も公式ドキュメントにあります。

使えないときは料金ではなくモデルポリシーを疑うのが先です。

ベンチマーク評価――Opus 5.5に2点差、コストは約半額・トークン使用量も半分

室谷室谷代表取締役
ここが今回の核心です。Artificial AnalysisはCoding Agent Index v2.0で、GitHub Copilot CLI上のFusionのMax設定を測定しました。

総合スコアは60で、Claude CodeのOpus 5.5 Maxが約62。つまり2点差なんですよね。
テキトー教師テキトー教師DotAI 認定講師
コストはタスクあたり5.59ドル、Claude CodeのOpus 5.5が11.42ドル。約半額です。

さらにトークン使用量はタスクあたり720万トークンで、Opus 5.5の約半分、Devin Fusion(Opus 5.5 Max + GPT-6 Luna High)と比べても30%少ない。
室谷室谷代表取締役
この「トークンも半分」というのがポイントで・・・。安いモデルに切り替えたから安くなっただけではなく、そもそもモデルにやらせる仕事量が減っている。

Artificial Analysisも、コスト削減の少なくとも一部は「モデルの仕事量が少ないこと」に由来する可能性を示唆しています。
テキトー教師テキトー教師DotAI 認定講師
ただ、スコアは均一ではありません。整理するとこうです。
  • Terminal-Bench 4.0: スコア71で首位
  • FrontierCode: スコア51で3位(Claude CodeのOpus 5.5が56、Devin Fusionが54)
  • SWE-Atlas-QnA-AA: スコア57で、CodexのGPT-6 AstraとAntigravity CLIのGemini 4 Argonの間
室谷室谷代表取締役
総合では2点差でも、リポジトリ変更系のFrontierCodeでは5点差をつけられている。つまり「どのタスクでも互角」ではなく、ターミナル作業では強いが、リポジトリを読んで答える系はやや弱い、というキャラクターなんですよね。
テキトー教師テキトー教師DotAI 認定講師
インデックスは3つのベンチマークを等重みで平均した合成スコアなので、総合が近いからといって中身まで同じではない。Artificial Analysis自身も、似たスコアの2つのエージェントでも得意分野は違いうると注意を促しています。
室谷室谷代表取締役
あと、GitHubはFusion Maxがベンチマークタスクを約40%短い時間で完了したとも述べていますが、これはGitHub側の主張で、Artificial Analysisがその完了時間のデータを報告しているわけではない、とVentureBeatは整理しています。
テキトー教師テキトー教師DotAI 認定講師
さらにMicrosoft CEOのSatya Nadella氏が語った「最大77%削減」という数字も、別の社内評価であって、Artificial Analysisの測定値ではない。ここを混ぜると記事の信頼性が落ちるので、受講生さんにも数字の出どころを必ず確認するように伝えています。
室谷室谷代表取締役
第三者評価で裏が取れているのは、性能・トークン使用量・コストの3つ。時間短縮と77%削減はGitHub側の主張として分けて読む。

これが正しい読み方ですね。
テキトー教師テキトー教師DotAI 認定講師
ちなみにArtificial Analysisの評価軸そのものに興味がある方はArtificial Analysis Decision Indexとは?も参考になります。指標の設計思想がわかると、スコアの読み方も変わってきますよ。

従来のモデル手動選択やProject HydraFusionとの関係

室谷室谷代表取締役
GitHubは以前の研究プレビュー「Project HydraFusion」と、自動モデル選択機能を統合してFusionとした、と説明しています。つまり突然出てきた新発明ではなく、社内で別々に育てていたものを1つにまとめた、という経緯なんですよね。
テキトー教師テキトー教師DotAI 認定講師
従来の手動モデル選択との違いは明確です。これまでは開発者がタスクごとにモデルを選び、必要なら途中で切り替える。

Fusionでは、モデルピッカーで仕組みを選び、あとは実行時に任せる。この差は、チームで開発するときに効いてきます。
室谷室谷代表取締役
チームだと「この人はOpus、この人はSonnet」みたいにバラつくんですよね。それがFusionなら、同じ努力レベルを選んでおけば、タスクに応じた編成は仕組み側がやる。

属人化しにくくなるのは大きいと思います。
テキトー教師テキトー教師DotAI 認定講師
自動モデル選択機能との関係も、統合されたという説明で整理できます。別々の機能として存在していたものが、1つのモードにまとまった。

だからユーザーから見ると「モデル一覧の中の1つ」ではなく「スイッチで切り替えるモード」として見えるようになったわけです。
室谷室谷代表取締役
既存のCopilotのモデル選択に慣れている人は、Cursor比較:GitHub Copilot, Windsurf, Claude Codeなど全7ツールと徹底比較のような比較記事も見ておくと、Fusionがどこに位置するか整理しやすいです。ツールごとに「モデルを選ぶのか、任せるのか」の設計思想が違うので。
テキトー教師テキトー教師DotAI 認定講師
あと、Claude Code側のモデルの違いを知りたい方はClaude Code比較完全ガイドが参考になります。Fusionが編成する側のモデルの特徴を押さえておくと、なぜこの組み合わせなのかが見えてきますからね。
室谷室谷代表取締役
まとめると、Fusionは「モデルを賢くする」話ではなく「モデルの使い方を賢くする」話なんですよね。モデルの性能競争が続く中で、編成でコストと品質のバランスを取るという発想は、これから他のツールにも広がっていくんじゃないかと思います。
テキトー教師テキトー教師DotAI 認定講師
現場としては、まずFusion Standardで日常作業を回して、難しいタスクだけHighやMaxに上げる、という使い分けが現実的ですね。どのモデルが使われたかは応答から確認できるので、チームで運用しながら調整していくのがよさそうです。

管理者向けの統制と対応クライアント――組織でどう管理するか

室谷室谷代表取締役
個人で試す分にはスイッチを入れるだけですが、組織で導入するとなると話が変わってきますよね。誰がどのモデルをFusionに使わせるかを制御できないと、コストも統制も効かないので。
テキトー教師テキトー教師DotAI 認定講師
そこはGitHubがちゃんと用意していて、管理者はFusionが使えるモデルを制御できるんですよ。Fusionはエンタープライズや組織のモデルポリシーで有効になっているモデルだけを使う。

管理者はFusionが選ぶ候補モデルを確認でき、モデルごとの実効ポリシー状態を個別に設定でき、しかも「そのモデルを全員に無効化する」のではなく「Fusionからだけ外す」こともできると書かれています。
室谷室谷代表取締役
これは実務的にかなり大きいですね。特定モデルをFusionには使わせたくないけど、手動選択では使わせたい、というケースは普通にありますから。
テキトー教師テキトー教師DotAI 認定講師
さらに、Enterprise managed settingsを使えば、Fusionを任意の努力レベルでCopilotユーザーのデフォルトモデルに設定できる、とChangelogにあります。組織として「まずFusion Standardを既定にする」という運用が可能なんです。
室谷室谷代表取締役
対応クライアントも整理しておきたいです。公式ドキュメントではVisual Studio Code、Copilot CLI、GitHub Copilot app、JetBrains IDEで一般提供されていて、その他のクライアントも順次対応予定と。
テキトー教師テキトー教師DotAI 認定講師
努力レベルには、ユーザーが選べない「Fusion Fast」というものもあります。高速なモデルが必要な場面専用で、VS Codeのインラインチャットでのみ使われる、と。

日常の補完系はFast、腰を据えた作業はStandard以上、という住み分けなんですね。
室谷室谷代表取締役
あと、以前の研究プレビューでautoやHydraFusion、HydraFusion Maxを有効にしていた人は、その設定が対応するFusionの努力レベルに自動で移行する、という案内もありました。既存ユーザーは設定し直し不要なんですね。
テキトー教師テキトー教師DotAI 認定講師
ローカルモデルを使っている人向けの話もあって、WindowsでMAI Code 1.1 Flashをローカルに入れていると、Fusion Standardの範囲でFusionがそれを選ぶことがある。Copilot CLIでQwen3.8 Flash Nextをローカルに入れている場合も同様で、こちらはWindows・macOS・Linuxで対応、と。

ただしパブリックプレビュー扱いで、実験的機能を有効にする必要があります。
室谷室谷代表取締役
つまりFusionはクラウドのモデルだけを編成するのではなく、条件を満たせばローカルのモデルも選択肢に入る。コストとレイテンシの最適化という意味では筋が通っていますね。

組織で使うなら、まずモデルポリシーの棚卸しをしてからFusionを既定にするか決める、という順番が現実的だと思います。

よくある質問

Q. Copilot Fusionは新しいAIモデルですか?

A. いいえ。GitHubの公式ドキュメントでは、Copilot Fusionはインテリジェントなランタイムモデルルーター兼オーケストレーターと定義されています。モデルピッカーでFusionを選ぶことは、特定のモデルではなく、実行時にモデルをルーティングする仕組みを選ぶことになります。

Q. どのモデルが使われるのですか?

A. AnthropicとOpenAIのモデル群が対象で、Artificial AnalysisのスレッドではClaude Opus 5.5、Claude Sonnet 5.5、GPT-6 Astra、GPT-6 Solが挙げられています。実際に使われるモデルはリクエストごと、および組織のポリシーによって変わりうるとされています。

Q. 料金はどうなりますか?

A. リクエストを完了するために実際に使われた下位モデルに基づくトークン課金です。Artificial Analysisが示すタスクあたりのコストはトークン単位のAPI課金を積み上げたベンチマーク上の数字で、サブスクリプションプラン経由の利用や本番運用の総コストとは異なると注記されています。

Q. どのプランで使えますか?

A. 公式ドキュメントでは、Copilot FusionはすべてのGitHub Copilotプランで利用可能とされています。

Q. 日本から使えますか?

A. 今回参照した公式ドキュメントの中に、Fusion固有の地域制限の記載は見当たりませんでした。全Copilotプランで利用可能という記載以上の提供範囲は、現時点では明らかにされていません。

Q. 従来の自動モデル選択とは何が違うのですか?

A. GitHubは、以前の研究プレビュー「Project HydraFusion」と自動モデル選択機能を統合してFusionとしたと説明しています。ユーザーから見ると、モデル一覧から選ぶのではなく、スイッチで切り替えるモードとして提示されている点が従来と異なります。

Q. ベンチマークのスコアはどう読めばいいですか?

A. Artificial AnalysisのCoding Agent Index v2.0は、FrontierCode v1.1、Terminal-Bench 4.0、SWE-Atlas-QnA-AAの3つを等重みで平均した合成スコアです。Fusion Maxは総合60でClaude CodeのOpus 5.5 Maxと2点差ですが、FrontierCodeでは51で3位と、ベンチマークごとに強弱があります。総合スコアだけで判断せず、内訳とあわせて読む必要があります。

Related

関連記事

New Articles

新着記事

ガイド

GoogleのAIモードとAIによる概要の消し方|公式オフ機能の有無とPC・スマホの回避策

2026年11月18日
室谷テキトー教師
ガイド

Azure OpenAI Serviceとは?料金・モデル一覧・データの扱いを最新情報で整理

2026年11月18日
室谷テキトー教師
ニュース

Perplexityの「Orchestrator API」とは?45以上のモデルを1つのAPIキーに統合

2026年11月18日
室谷テキトー教師
ニュース

Microsoftの「Copilot Workspaces」とは?人とエージェントが協働する新体験

2026年11月18日
室谷テキトー教師
ガイド

Geminiのファミリープランは何人まで?Google AI Proを家族で割る料金と設定の手順

2026年11月18日
室谷テキトー教師
ニュース

Microsoft MAIとは?Ignite 2026で発表の7モデルと料金

2026年11月18日
室谷テキトー教師
ニュース

Replit Missionsとは?エージェントスウォームで目標達成型の自律実行

2026年11月18日
室谷テキトー教師
ニュース

Copilot Fusion Maxとは?Terminal-Bench 4.1首位の自動モデル選択

2026年11月18日
室谷テキトー教師
ニュース

Googleの「Gemini Tasks」とは?日本でも無料開始、Gemini 4 Hydrogen搭載

2026年11月18日
室谷テキトー教師
ニュース

HeyGenの「Avatar 6」とは?実映像と見分け84.4%の最新アバター

2026年11月18日
室谷テキトー教師

Join

AIプレナーになる。

入会は審査制です。いまの事業と、AIで何を動かしたいのかを聞かせてください。

参加を申請する