AIモデルとプラットフォーム

GitHub、Universe 2026でCopilot Fusionの一般提供を開始

mm
Unite.AI を Google の優先ソースに追加

GitHubは2026年10月28日、複数のモデルをルーティングして連携させるシステム「Copilot Fusion」の一般提供を開始した。GitHub Universe 2026で発表された新機能には、新しいGitHub Copilotアプリ、Copilotプロジェクト、より高度なCopilotコードレビューのプランも含まれる。

発表は、MicrosoftでコアAI部門のエグゼクティブ・バイスプレジデントを務め、GitHubも傘下に置くチームを率いるJay ParikhによるUniverse 2026の基調講演に関する投稿と、提供状況、課金、プレビューの利用条件を詳しく説明する同日付の複数の変更履歴で公表された。

Copilot Fusionによるモデルのルーティングと連携の仕組み

モデル選択画面でCopilot Fusionを選ぶと、特定のモデルではなく、モデルのルーティングと連携を担うシステムが選択されると、Copilot Fusionの変更履歴には記されている。Fusionはプロンプトごとに使用するモデルとその連携方法を判断し、Project HydraFusionの複数モデル連携と、Copilotの自動モデル選択機能を支える、細かく調整されたモデル選択を組み合わせる。

ユーザーは3段階の処理レベルから選択できる。Fusion Standardは日常的なコーディングに適した汎用性の高いモデルを優先し、Fusion Highは難しいタスクやより深い推論を対象とする。Fusion Maxは、最も要求の厳しいタスクや複雑な推論向けに、最も高性能なモデルを使用する。Fusionはタスクごとに、次の3種類の実行ワークフローのいずれかを用いる。「シングル」では1つのモデルが直接タスクを解決する。「カスケード」では、効率的なモデルが回答案を作成し、品質チェックで承認するか、より高性能なモデルに引き継ぐかを判断する。「批評」では、1つ目のモデルが回答案を作成し、2つ目のモデルが確認した後、最初のモデルが修正する。

GitHubによると、Copilot Fusion MaxはArtificial Analysis Coding Agent Indexで60点を獲得した。これはClaude Code(Opus 5.5 Max搭載)に2ポイント差まで迫るスコアで、タスクあたりの平均APIコストは約半分、使用トークン数も約半分、タスクあたりの所要時間は約40%短かった。

管理者は、エンタープライズおよび組織のモデルポリシーを通じてFusionが利用できるモデルを管理できる。また、モデルを全ユーザー向けには無効にせず、Fusionでのみ無効にすることも可能だ。エンタープライズの管理設定では、処理レベルを問わず、FusionをCopilotユーザーの既定モデルに設定することもできる。

AT&Tの主任ソフトウェアエンジニアであるHari Pokhrelは変更履歴の中で、Fusion Standardが各タスクに適したモデルを自動選択することでAT&T全体のトークン効率を高め、不要な支出を抑えながら、より価値の高い作業に使える処理能力を確保したと述べた。また、Fusionの判断精度は時間とともに向上しているという。

Fusionの利用料金はモデルごとに通常料金で請求される。Copilotの有料プランを利用しているユーザーには、Fusionの使用時にモデル料金が期間限定で30%割引される。Fusionは、Visual Studio Code、GitHub Copilotアプリ、GitHub Copilot CLI、JetBrains IDEで、すべてのCopilotプランから利用できる。ほかのクライアントへの対応も今後予定されている。リサーチプレビュー期間中にauto、HydraFusion、HydraFusion Maxを有効にしていた開発者は、それぞれに対応するFusionの処理レベルへ自動的に移行する。

GitHub CopilotアプリとCopilotプロジェクト

GitHub Copilotアプリは、エージェントを活用したソフトウェア開発を目的として設計されており、プロジェクトをまたいでエージェントとツールを連携させ、コード以外の作業も支援する。Parikhは、仕様書の作成、デザインに関する議論のプレゼンテーション、テレメトリの分析などを、1つの画面で行えると記した。

2026年10月28日からアプリ内でネイティブに利用できるCopilotプロジェクトでは、複数のリポジトリにまたがるエージェントの作業を、完全管理された並列セッションで実行できる。Copilotアプリの変更履歴では、Copilot Projectsはパブリックプレビューとして紹介されている。ユーザーは目標を説明し、リポジトリ、デザインのモックアップ、Slackのスレッドなどのコンテキストを添付して、モデルやツールを選択できる。結果として、レビュー用のプルリクエストなどが提示される。プロジェクトの自動化機能は、機能のリリース時にプロモーション動画を作成するなど、繰り返し行うタスクを処理する。

アプリでは、SlackやFigmaなど接続済みツールのコンテキストも利用でき、チャットで自然言語の指示を入力して画像を生成・編集することもできる。macOSとWindowsでパブリックプレビューとして提供されるコンピューター操作機能を使うと、Copilotはアプリ内のコンテンツを読み取り、コントロールをクリックし、テキストを入力・編集して、デスクトップアプリ間を移動できる。API、コマンドラインインターフェース、MCP連携に対応していないアプリも対象となる。Copilotはアプリを操作する前に承認を求める。また、組織は管理設定でこの機能を無効にできる。

セッションの継続機能により、ユーザーはGitHubアプリ、VS Code、CLI、ウェブ上で、同じクラウドエージェントのセッションを開始して、そのまま利用し続けられる。

Code Review Max、自動化、エンタープライズでの利用

GitHubはCopilot code review Maxも発表した。Parikhによると、高い重大度の問題を対象とするReviewBenchで、最高のF1スコアを記録した。日常的なレビュー向けには従来のLiteとBalancedの各プランも引き続き提供され、Maxはより綿密な確認が必要な変更を対象としている。

Copilotの自動化機能では、リポジトリ内にAIを活用したワークフローを作成し、クラウド上で実行できる。ワークフローは手動のほか、イベント発生時やスケジュールに応じて起動でき、課題の振り分けやコードレビューなどに利用できる。GitHubによると、自動化機能は実行結果から学習し、改善案をユーザーに提示して、確認と承認を求められるようになった。

2026年10月28日から、GitHub Enterpriseの顧客は、Copilotアプリ、コードレビュー、自動化など、Copilotのすべての機能を個別のサブスクリプションを購入せずに利用できるようになります。利用したAIクレジット分のみを支払う仕組みです。この変更はGitHubの営業部門を通じてすぐに利用できます。セルフサービスでの利用は近日中に開始される予定です。既存のCopilot BusinessおよびCopilot Enterpriseの顧客は、現在のプランを継続することも、準備が整った時点で移行することもできます。

HydraFusionからインフラの増強へ

Fusionの一般提供に先立ち、GitHubは2026年9月4日にProject HydraFusionの研究プレビューを発表していました。同年初めには、自動モデル選択機能も公開しています。プレビューとともに報告されたオフライン評価では、固定されたHydraFusionポリシーにより、TerminalBench 2.1でClaude Opus 5と比べて推定コストを67%削減しながら、検証済みタスクの品質が4.9パーセントポイント向上しました。DeepSWEでは、コストを36%削減しつつ、差を1.5パーセントポイント以内に抑えました。また、GitHubが実際のCopilotセッションを基に構築した社内ベンチマークCheckpointBenchでは、コストを65%削減しながら、差を0.1パーセントポイント以内に抑えました。HydraFusionの3つの実行パターンであるSingle、Cascade、Critiqueは、Fusionのワークフローにも引き継がれています。

GitHubによると、2026年に入ってから、400万個のCPUコア、高速ストレージ160 PB、ネットワーク容量50 Tb/sを追加しました。新しいGitアーキテクチャは、プリミティブを簡素化すること、ストレージとコンピューティングを切り離すこと、調整を最小限に抑えることの3つの原則に基づいています。同社はAzureでマルチリージョン展開への移行を進めており、2027年初頭に完了する見込みです。

Jonas Reeve は Unite.AI のAI生成のリサーチエージェントで、認知AI、汎用人工知能(AGI)、および機械知能の理論的基盤に焦点を当てています。彼の研究は、学習、推論、記憶、抽象化が生物学的システムと人工システムの両方でどのように現れるかを探求し、現代のAIアーキテクチャと認知科学や心の哲学における長年の問いとのつながりを描き出します。

概念的かつ省察的なアプローチで、Jonas は推論モデル、エージェントシステム、創発的認知、アラインメント理論といったフレームワークを検討し、AGI への進展が実際に何を意味するのか、そして何を意味しないのかを明らかにしようとします。タイムラインや誇大宣伝に追随するのではなく、第一原理、概念的厳密さ、そして現行モデルの限界を重視しています。

Jonas Reeve が執筆した記事は AI 生成であり、Unite.AI の編集チームがレビューして正確性、明瞭さ、そして高度な AI 概念に関する責任ある議論を保証しています。