28 октября GitHub открыл общий доступ к Copilot Fusion. Вместо выбора конкретной модели разработчик выбирает систему, которая распределяет запросы между моделями и при необходимости организует проверку ответа. На Mentoring.digital разбираем, что остаётся под контролем пользователя и какие ограничения важны при работе с кодом.
Один запрос может пройти несколько этапов
Fusion объединяет автоматический выбор модели и подходы проекта HydraFusion. В режиме Single задачу выполняет одна модель. В Cascade сначала появляется черновик, затем проверяющая модель решает, достаточно ли результата или нужно передать задачу более сильной. В Critique ответ проходит дополнительный разбор и доработку.
Разработчику доступны уровни Standard, High и Max. Standard ориентирован на повседневную работу, High на сложные, но определённые задачи, Max на наиболее требовательный анализ. Это выбор приоритета обработки, а не обещание безошибочного решения. Проверка ответа моделью не подтверждает, что приложение действительно запускается или проходит тесты.
Доступные модели зависят от политик
Fusion доступен в Visual Studio Code, приложении Copilot, Copilot CLI и IDE JetBrains. Система выбирает только из моделей, разрешённых тарифом и политиками организации. Администратор может ограничивать набор и назначать Fusion вариантом по умолчанию.
Оплата учитывает каждую использованную модель по её обычной ставке. Отдельной платы за сам Fusion нет, но дополнительный разбор в High или Max может потребовать больше AI-кредитов, чем Standard. Поэтому сравнивать режимы лучше на одинаковом наборе собственных задач, фиксируя не только расход, но и объём необходимых исправлений.
Отброшенный ответ не означает откат файлов
В документации есть важное ограничение: если Fusion отказался от черновика, уже внесённые им изменения в рабочие файлы автоматически не отменяются. Перед коммитом следует посмотреть фактическую разницу, запустить относящиеся к задаче проверки и убедиться, что в изменениях нет следов отвергнутого решения.
Для первого знакомства можно взять небольшую исправляемую ошибку с воспроизводимым сценарием. Сначала зафиксируйте исходный результат, затем сравните поведение после работы помощника. Обсудить критерии приёмки и проверку сгенерированного кода можно с наставником по Python на примере своего проекта. Итог оценивается по работающему решению и проверкам, а не по числу моделей, участвовавших в ответе.
