十月二十八日，GitHub 在自家大会上把两样东西合成了一个：一个是已经存在大半年的自动选模型，一个是九月在命令行里试水的多模型编排，项目名叫 HydraFusion。合完之后的入口叫 Copilot Fusion。
它的意思很直白：模型选择器里不再让你挑「用哪个模型」，而是让你挑「愿意花多少力气」。剩下的它决定。
这件事值得单独写一篇，不是因为功能多新，而是因为它第一次把「模型选择」这个动作，从技术判断换成了预算判断。对天天用 Copilot 的人来说，这个变化比多一个模型重要得多。
它不是模型，是三种跑法轮着用
先把概念理清。Fusion 不是一个模型，是一个调度层。你选它，它针对每一句话决定用哪种跑法。
第一种叫 Single，一个模型干完，不叫外援。第二种叫 Cascade，先让一个便宜快速的模型起草，再由一道质量检查决定是收下还是升级给更强的模型重做。第三种叫 Critique，一个模型先写，另一个模型来挑毛病，第一个再根据意见改。
这三种跑法是一句话一句话选的，不是整个会话定死。上一句用 Single，下一句可能就切 Cascade。官方文档里有个细节挺实在：它会尽量保留主会话正在用的模型，为的是不把缓存的 token 打掉。这一点很关键，后面算账要用。
档位有三档：Standard 给日常活儿，High 给有难度但边界清楚的任务，Max 给最难的那类，比如跨多个文件的改动、难缠的调试。还有一个 Fast 档，普通用户看不见也改不了，固定给 VS Code 的行内补全用。
三档的账，中间那档才是甜点
GitHub 有一个公开的跑分看板，口径是自家的 agent harness 里跑 DeepSWE 1.1。十一月三日那份快照里，一共一百一十三个任务，每个配置跑五次、最多重试两次，成本按拿到完整数据的任务平均。
数字是这样的：Standard 解决率六成九点二，平均每个任务六毛一分；High 七成五点四，八毛七；Max 七成八点一，四块九毛七。
我把它换算成「多花一块钱买几个点」，结论有点扎眼。
从 Standard 到 High，多花两毛六，多解决六点二个点，平均每个点四分二。从 High 到 Max，多花四块一，只多解决二点七个点，平均每个点一块五毛一。同一个方向，单价差了三十六倍。
再看同一条快照里的两个单模型做对照：GPT-6.1 Sol 中档，七成四点三，五毛四；Claude Opus 5.5 最高档，七成四点五，四块九毛二。
把这几行摆在一起，三件事就出来了。
第一，High 这一档确实值。八毛七拿到七成五点四，比手动选最强的 Opus 5.5 还高将近一个点，价钱只有它的六分之一。
第二，Max 不是骗钱，但它买的是「确定性」不是「性价比」。四块九毛七和 Opus 5.5 的四块九毛二几乎同价，分数高三点六个点——说明编排确实比硬怼一个旗舰模型强一点。可这三点六个点，值不值五倍多的钱，得看你那道题的失败代价。
第三，最容易被忽略的是「忘了切回来」。有人算过一笔账，日常活儿一直挂在旗舰模型上，等于每一句寒暄都按最贵的价格结算。AT&T 的一位工程师在 GitHub 的发布故事里说，Fusion 的 Standard 档帮他们省了 token，原因是开发者做完难题之后不再「忘记切回去」。这句话比任何跑分都写实。
官方那个六十分，先打个折看
GitHub 还报了一个数：在 Artificial Analysis 的编程智能体指数上，Fusion 的 Max 档拿到六十分，跟跑 Opus 5.5 最高档的 Claude Code 差两分，平均 API 成本大约是一半，任务耗时少约四成。
这个成绩如果是真的，相当能打。但有三点得说清楚。
一是厂商口径。这个分数是 GitHub 自己在自家 harness 里跑出来的，测试环境跟别人不一样，横向比要小心。
二是有人去找过。有跟踪报道提到，Artificial Analysis 的公开页面上当时还没找到 Fusion 这个条目。这不代表数字是编的，只代表第三方还没复现。
三是它只覆盖 Max 一档。Standard 和 High 没有独立评测，你在网上看到的那些「Fusion 值不值」的结论，多半只针对最贵那档。
上手四步，外加一个不能省的坑
开启的路径在各家客户端里都一样。
第一步，把 VS Code、Copilot 应用、命令行或者 JetBrains 插件更到带 Fusion 的版本。第二步，打开模型选择器，选 Copilot Fusion。有些界面这里还写着 Auto，看到哪个选哪个，指的是同一套东西。第三步，挑档位，建议从 Standard 起步。第四步，看结果的时候把鼠标停在回复下方那个档位标签上，它会列出这次用到了哪几个模型——账单一超预算，先看这里。
那个坑在这里：Fusion 在 Cascade 和 Critique 模式里可能会先让一个模型改文件，检查不过再换更强的重做，但被丢弃的那版草稿留下的文件改动，不会自动回滚。
所以看 diff 不是可选项。看到 diff 里多出几处你没让它改的地方，别怀疑，那就是前一版草稿的痕迹。这条在官方文档里没有单独强调，但用过高档位的人基本都会踩一次。
哪档能用，取决于你买的哪个套餐
这里有个容易忽略的分层。
Standard 档所有 Copilot 套餐都能用。High 和 Max 只在 Pro+、Max、Business、Enterprise 上开。也就是说，个人版最便宜的那档，能用到路由，但用不到最强的两级。
钱的部分：没有单独的编排费，Fusion 调用几个模型，就按那几个模型的标准价结算。付费套餐有一项限时折扣，模型费用打七折，官方给的截止日期是十一月三十日。注意别跟老 Auto 的九折搞混，两个折扣不是一回事，折扣期结束后的价格也没公布。
管理员那边有三把钥匙：Fusion 只会用手册里允许的模型；可以单独对 Fusion 屏蔽某个模型，而不影响别人手动选它；可以把某个档位设成新会话的默认值。第三条在团队里最有用，等于把「别挂 Max」这件事变成默认配置而不是靠自觉。
还有个容易忽视的隐性成本：手动换模型，上下文要重建，缓存就没了。所以「这个模型单价便宜三成」不等于「这次任务便宜三成」。Fusion 保留主会话模型的用意就在这儿，它知道缓存比单价更影响总价。
早期用户说了两句不好听的
发布快两个月，已经有人试过了，反馈不算全是好话。
米其林在九月中试过 HydraFusion，他们的评价是：这东西是个质量机制，不是 Auto 的替代品，而且成本明显更高。
普通用户的吐槽更具体：它倾向于选过强的模型，你不明确要求，它不会主动用便宜的子智能体；执行过程中也不显示中间步骤，你只能盯着一个转圈等结果。GitHub 的解释是不想让人把中间结果误当成已完成的工作——这个理由成立，但对等着交付的人来说，等待本身就是成本。
这两条反馈比发布会上的跑分更有参考价值。它说明路由的上限不在算法，在提示词写得够不够清楚。你给的任务边界越模糊，它越倾向于「保险起见上一个强的」。
想自己验，照这五步做
厂商的跑分只能当参考，自己的仓库才是考场。我的建议是这样跑一遍。
第一，选三类任务：一个日常小改、一个跨文件的修复、一个你觉得最难的。第二，同一份代码、同一个提示词，分别在 Standard、High、Max 各跑一次，最好在临时分支或者独立的 worktree 里跑。第三，每跑完一次记五个数：过没过、用了哪个档、实际调了哪些模型、花了多久、扣了多少额度。第四，把 diff 完整看一遍，包括测试文件。第五，一周之后再回看，重点看「多花的钱有没有换来少返工」。
跑完你大概率会发现，日常那类活儿三档的差别很小，真正拉开差距的是跨文件的那种。这也意味着，平时挂 Standard、遇到硬骨头再手动升档，比一直挂着 High 更省。
老达点评
Fusion 真正改的不是工具，是习惯。
过去两年，选模型这件事被包装成一种技术品味——用 Opus 的人显得懂行，用便宜模型的人显得抠。Fusion 把这层遮羞布扯了：你选的其实是预算，技术判断交给路由器。
三档的定价也值得琢磨。Standard 便宜到几乎没有感知，High 贵四成但明显更好，Max 直接贵五倍多——这不是随便定的，是教科书式的价格分层：把「愿意为最后几个点付大钱」的人挑出来。你不需要骂它贵，你只需要知道自己属于哪一档。
两条风险得说清。第一，路由让成本和行为都变得不透明，一次请求背后可能有三四个模型在跑，出问题很难定位是哪个环节。第二，Cascade 和 Critique 容易被误读成质量保证——两个模型都说对，跟代码能不能跑起来是两件事，测试还得自己跑。
至于要不要现在用：用，但把三十天折扣期当试验窗口，别当长期价格。折扣一停，真正的账才刚开始算。真正值得盯的不是它比 Opus 便宜多少，是你团队里有多少人还在手动挂着最贵的模型干最普通的活。
想看这类工具怎么配进日常流程，AI 编程工具专题按环节分得比较细；关心它背后的工程习惯，老达 AI 实践专题里有更多踩坑记录。另外三篇可以对着读：JetBrains Air 那篇讲的是另一头——把入口打开，谁家的 Agent 都能接；Copilot 权限与成本三档是九月的旧账，那时候还没有编排；微软把 Copilot 拆成三块则是这家在产品层面的另一次分家。
