GitHub ra mắt Copilot Fusion? Tại sao mã nguồn đa mô hình lại quan trọng

GitHub ra mắt Copilot Fusion? GitHub đã chính thức công bố tính khả dụng chung của Copilot Fusion vào ngày 28 tháng 10 năm 2026, giới thiệu một trình định tuyến và điều phối mô hình thời gian thực có khả năng phối hợp nhiều mô hình trí tuệ nhân tạo cho các tác vụ kỹ thuật phần mềm. Được ra mắt tại hội nghị GitHub Universe thường niên ở San Francisco, hệ thống này chuyển việc lựa chọn mô hình khỏi tay từng lập trình viên riêng lẻ, cho phép nền tảng phân tích các yêu cầu tác vụ và tự động ủy quyền công việc cho các mô hình nền tảng khác nhau một cách linh hoạt. Khi các nhóm kỹ thuật phần mềm phải đối mặt với chi phí API ngày càng tăng và sự mệt mỏi về nhận thức do liên tục chuyển đổi giữa các mô hình tiên tiến khác nhau, việc điều phối mô hình tự động đang nổi lên như một mẫu kiến trúc vận hành tiêu chuẩn.

Sắp xếp lại trọng tâm ngành: GitHub ra mắt Copilot Fusion tại sự kiện Universe

Tổng quan nhanh

• GitHub đã phát hành Copilot Fusion chính thức vào ngày 28 tháng 10 năm 2026 trên Visual Studio Code, Copilot CLI, các môi trường IDE của JetBrains và ứng dụng máy tính để bàn GitHub Copilot.
• Hệ thống kết hợp khả năng điều phối đa mô hình thời gian thực bắt nguồn từ Project HydraFusion cùng các thuật toán chọn mô hình tự động đã được tinh chỉnh.
• Trong các đánh giá độc lập bởi Artificial Analysis, Fusion Max đạt điểm tổng hợp là 60 trên Coding Agent Index v2.0, chỉ kém Claude Code với Opus 5.5 Max hai điểm trong khi giảm chi phí tác vụ khoảng 51%.

Các nhóm phát triển phần mềm sử dụng trợ lý lập trình AI trước đây vẫn hoạt động theo mô hình lựa chọn thủ công. Các lập trình viên chọn một mô hình duy nhất—chẳng hạn như GPT-4o, Claude Sonnet hoặc mô hình lý luận dòng o1—từ menu thả xuống trong môi trường IDE và duy trì lựa chọn đó trong suốt cả phiên lập trình. Mặc dù hiệu quả đối với các lệnh đơn lẻ, mô hình này mang lại những sự đánh đổi trong vận hành. Lập trình viên thường chọn các mô hình tiên tiến có độ trễ cao, cao cấp cho việc lập kế hoạch kiến trúc phức tạp và sau đó quên chuyển đổi trở lại các mô hình nhẹ khi thực hiện các tác vụ hàng ngày như tạo kiểm thử đơn vị hoặc viết tài liệu mẫu.

Cách tiếp cận thủ công này có thể làm phình to các khoản chi phí API của doanh nghiệp và tiêu thụ token ngữ cảnh một cách kém hiệu quả. Để giải quyết những sự đánh đổi trong quy trình làm việc này, GitHub đã phát triển Copilot Fusion, như được nêu trong thông báo chính thức từ GitHub. Thay vì coi việc lập trình bằng AI là tương tác với một mô hình tĩnh duy nhất, Fusion hoạt động như một trình điều phối thời gian thực. Các lập trình viên chỉ định một mức độ nỗ lực lý luận tổng thể, và hệ thống sẽ tự động chọn mô hình cơ sở hoặc sự kết hợp các mô hình phù hợp nhất cho từng bước của một tác vụ.

Sự chuyển hướng chiến lược thể hiện qua bản phát hành GitHub Launches Copilot Fusion tập trung vào bài toán kinh tế ở cấp độ tác vụ thay vì việc mở rộng quy mô tham số thô. Theo các đánh giá chuẩn được công bố bởi Artificial Analysis, Copilot Fusion Max, được thử nghiệm qua Copilot CLI trên Coding Agent Index v2.0, đã hoàn thành các bài tập lập trình chuẩn với chi phí trung bình là $5.59 mỗi tác vụ, so với $11.42 của Claude Code chạy mô hình Claude Opus 5.5 của Anthropic ở cài đặt tối đa. Cấu hình được đánh giá tiêu thụ khoảng 7,2 triệu token cho mỗi tác vụ—xấp xỉ một nửa lượng token của cấu hình Opus độc lập—đồng thời hoàn thành các tác vụ nhanh hơn khoảng 40%.

Hiệu suất có sự khác biệt giữa các thành phần chuẩn: Fusion Max dẫn đầu trên Terminal-Bench 4.0 với số điểm 71, nhưng đạt 51 điểm trên FrontierCode (thấp hơn mức 56 của Claude Code) và 57 trên SWE-Atlas-QnA-AA. Hơn nữa, mặc dù giới lãnh đạo Microsoft dẫn các đánh giá DeepSWE nội bộ cho thấy khả năng giảm chi phí tiềm năng lên tới 77%, con số đó đại diện cho một kịch bản tối đa do công ty báo cáo riêng biệt thay vì mức trung bình chuẩn độc lập. Những kết quả này xác nhận rằng việc điều phối đa mô hình động có thể làm giảm đáng kể chi phí phát triển cho các quy trình làm việc được hỗ trợ, mặc dù các khoản tiết kiệm thực tế phụ thuộc vào cơ cấu tác vụ cụ thể, yêu cầu đánh giá và các mẫu sử dụng trong doanh nghiệp.

Mẫu kiến trúc: Cấu trúc thực thi đơn, tầng và phản biện

Copilot Fusion không hoạt động như một mô hình nền tảng độc lập. Thay vào đó, nó hoạt động như một mặt phẳng điều khiển thông minh được nhúng bên trong trình khách của lập trình viên. Khi người dùng gửi một chỉ dẫn liên quan đến lý luận, tạo mã, gỡ lỗi hoặc sử dụng công cụ, Fusion sẽ đánh giá các tín hiệu ý định đến dựa trên tình trạng sức khỏe hệ thống theo thời gian thực, tính khả dụng và độ phức tạp ngữ nghĩa.

Tùy thuộc vào đặc điểm tác vụ và tầng nỗ lực đã chọn, hệ thống sẽ động lựa chọn một trong ba mẫu thực thi:

• Mẫu đơn (Single Pattern): Một mô hình duy nhất nhận lời nhắc và hoàn thành tác vụ trực tiếp, không làm phát sinh thêm chi phí đánh giá nào. Mẫu này phục vụ cho việc tạo mã đơn giản, các truy vấn cú pháp và tái cấu trúc cơ bản.
• Mẫu tầng (Cascade Pattern): Một mô hình nhẹ phác thảo giải pháp ban đầu. Một mô hình thẩm định thứ cấp kiểm tra mã được đề xuất và quyết định chấp nhận kết quả hoặc chuyển tác vụ lên một mô hình mạnh mẽ hơn để xử lý tinh chỉnh.
• Mẫu phản biện (Critique Pattern): Một mô hình chính phác thảo phản hồi ban đầu trong khi một hoặc nhiều mô hình đánh giá độc lập kiểm tra mã song song. Trình điều phối tổng hợp các ý kiến phản hồi của chúng, và mô hình chính sửa đổi mã cho phù hợp trước khi trả kết quả cuối cùng cho người dùng.

[Mẫu đơn]
  Lời nhắc ──> Mô hình chính ──> Thực thi đơn ──> Mã đầu ra cuối cùng

[Mẫu tầng]
  Lời nhắc ──> Mô hình nhẹ ──> Bản nháp ban đầu ──> Mô hình thẩm định ──[Chấp nhận]──> Mã đầu ra cuối cùng
                                                         └──[Chuyển cấp]──> Mô hình mạnh hơn ──> Đầu ra cuối cùng
                                                         
[Mẫu phản biện]
  Lời nhắc ──> Mô hình phác thảo ──> Bản nháp ban đầu ──┬─> Mô hình đánh giá A ──┐
                                                       └─> Mô hình đánh giá B ──┴─> Bộ tổng hợp phản hồi ──> Bản sửa đổi cuối cùng

Các cấu trúc thực thi này tạo ra sự đánh đổi rõ rệt giữa tốc độ thực thi, tính nghiêm ngặt của việc xác minh và chi phí tính toán. Thay vì mã hóa cứng các lời nhắc cho các mẫu cụ thể, GitHub ánh xạ các quy trình làm việc này qua các mức độ nỗ lực có thể chọn:

• Fusion Standard: Cân bằng chi phí, chất lượng và độ trễ cho công việc lập trình hàng ngày. Phiên bản hiện tại thường chọn một mô hình cho mỗi tác vụ.
• Fusion High: Ưu tiên khả năng mạnh mẽ hơn và lý luận sâu hơn cho các tác vụ lập trình đáng kể trong khi vẫn cân nhắc đến hiệu quả token. Việc điều phối đa mô hình có thể được sử dụng khi cần thiết.
• Fusion Max: Ưu tiên khả năng cấp độ tiên tiến cho các tác vụ đòi hỏi khắt khe nhất, với các bước đánh giá hoặc chuyển cấp bổ sung được chọn linh hoạt khi hữu ích.
• Fusion Fast: Một mức độ nỗ lực chuyên biệt, không do người dùng chọn, được sử dụng trong các tình huống trò chuyện nội dòng trên Visual Studio Code nhạy cảm với độ trễ được hỗ trợ.

Việc quản lý ranh giới ngữ cảnh trên các quy trình làm việc động đòi hỏi tính năng xử lý bộ nhớ chuyên biệt. Copilot Fusion không sở hữu một cửa sổ ngữ cảnh thống nhất của riêng mình. Thay vào đó, mỗi bước thực thi hoạt động nghiêm ngặt trong giới hạn ngữ cảnh của mô hình cụ thể thực hiện tiểu tác vụ đó. Dung lượng ngữ cảnh hiển thị trong môi trường IDE phản ánh giới hạn bảo thủ nhất trong số các mô hình tham gia. Hơn nữa, để tối đa hóa hiệu quả lưu đệm lời nhắc, Fusion giữ luồng hội thoại cốt lõi trên một mô hình chính duy nhất bất cứ khi nào có thể, chỉ chuyển các cửa sổ ngữ cảnh cô lập cần thiết cho các mô hình đánh giá hỗ trợ.

Quản trị doanh nghiệp và tích hợp mô hình cục bộ trên các đội ngũ lập trình

Việc triển khai điều phối mô hình tự động trên các tổ chức kỹ thuật doanh nghiệp quy mô lớn đòi hỏi phải xem xét về mặt quản trị, tuân thủ và ngân sách. Khi một hệ thống AI chọn lựa động giữa các mô hình từ Anthropic, OpenAI và các nhà cung cấp khác, quản trị viên phải đảm bảo rằng các quy tắc về chủ quyền dữ liệu và bảo mật của tổ chức được duy trì nguyên vẹn.

Quản trị viên doanh nghiệp có thể quản lý các mô hình đủ điều kiện cho Copilot Fusion thông qua các chính sách mô hình GitHub Copilot được hỗ trợ và các cài đặt do doanh nghiệp quản lý, như được ghi chép trong sổ tay quản trị Copilot Fusion. Quản trị viên có thể xem danh sách các mô hình khả dụng cho Fusion, thiết lập các mức độ nỗ lực mặc định cho các ghế lập trình viên và vô hiệu hóa các mô hình cụ thể cho Fusion mà không cần tắt chúng trên toàn công ty. Fusion tuân thủ các hạn chế hiện hành về đăng ký, tổ chức, chủ quyền dữ liệu, các quy định liên quan đến FedRAMP và mô hình đánh giá. Các biện pháp kiểm soát này chi phối tính đủ điều kiện của mô hình trong hệ thống, nhưng chúng không thay thế cho các quy trình xem xét tuân thủ, quản trị dữ liệu hoặc xác thực bảo mật của chính tổ chức.

Bảng dưới đây phác thảo cách các kiến trúc thực thi khác nhau cân bằng bề mặt thực thi, cơ chế đánh giá và hồ sơ chi phí token:

GitHub đã giới thiệu định tuyến nhận biết mô hình cục bộ dưới dạng bản xem thử nghiệm có chọn tham gia, như đã thông báo trong Nhật ký thay đổi của GitHub về việc lựa chọn mô hình cục bộ. Với một mô hình cục bộ được hỗ trợ đã được cấu hình, Copilot Fusion Standard có thể chọn suy luận trên thiết bị cho các tác vụ đủ điều kiện, làm giảm việc sử dụng mô hình đám mây cho các bước đó. Trên hệ thống Windows có phần cứng tương thích, lập trình viên có thể cài đặt và chạy MAI Code 1.1 Flash thông qua quản lý Windows ML trong ứng dụng Copilot, Copilot CLI hoặc Visual Studio Code. Người dùng trên nhiều nền tảng bao gồm Windows, macOS và Linux có thể cấu hình các mô hình cục bộ như Qwen3.8 Flash Next trong Copilot CLI bằng các nhà cung cấp mô hình cục bộ như Ollama, khởi chạy CLI với cờ --experimental.

Tuy nhiên, Copilot Fusion vẫn dựa vào các quyết định định tuyến dựa trên đám mây và các tác vụ có thể sử dụng các mô hình đám mây khi thích hợp. Do đó, hỗ trợ mô hình cục bộ không biến Copilot Fusion thành một môi trường lập trình hoàn toàn ngoại tuyến; các lập trình viên yêu cầu bảo mật cách ly không khí nên đánh giá các công cụ ngoại tuyến chuyên dụng thay thế.

Danh sách kiểm tra kỹ thuật: Áp dụng điều phối đa mô hình vào sản xuất

Việc tích hợp điều phối thời gian thực đa mô hình vào các quy trình phát triển phần mềm đòi hỏi sự điều chỉnh trên thói quen của lập trình viên, cấu hình môi trường IDE và hoạt động tài chính doanh nghiệp. Lãnh đạo kỹ thuật phải thiết lập các giao thức vận hành rõ ràng để tận dụng hiệu quả token đồng thời tránh các cạm bẫy trong quy trình làm việc.

Danh sách kiểm tra triển khai dành cho lập trình viên

• Kiểm tra sự khác biệt trong không gian làm việc trước khi cam kết (Commit): Việc loại bỏ một bản nháp AI không tự động khôi phục các sửa đổi tệp trong không gian làm việc; lập trình viên phải xem xét tất cả các chỉnh sửa tệp chưa được cam kết trước khi gửi mã.
• Ghép nối mức độ nỗ lực với độ phức tạp của tác vụ: Dành riêng Fusion Max cho logic thuật toán phức tạp và kiểm toán bảo mật, sử dụng Fusion Standard cho công việc lập trình hàng ngày để tránh tiêu thụ tín dụng AI không cần thiết.
• Kiểm tra luồng tiến trình đa mô hình: Quan sát các chỉ báo tiến trình của môi trường IDE để kiểm tra mô hình cụ thể nào đóng góp vào các khối mã được tạo, đảm bảo tính minh họa xuyên suốt các bước thực thi.
• Cấu hình các mô hình cục bộ được hỗ trợ: Đối với các tác vụ đủ điều kiện trên Fusion Standard, hãy thiết lập các mô hình cục bộ được hỗ trợ như MAI Code 1.1 Flash trên Windows hoặc Qwen3.8 Flash Next thông qua Ollama, bật cài đặt thử nghiệm khi cần thiết.

Danh sách kiểm tra quản trị doanh nghiệp và FinOps

• Cấu hình chính sách mô hình doanh nghiệp: Chỉ định các mô hình nào đủ điều kiện định tuyến Fusion trong bảng điều khiển doanh nghiệp, đồng nhất danh sách mô hình với các yêu cầu tuân thủ của công ty và chủ quyền dữ liệu.
• Kiểm tra tín dụng AI dựa trên mức sử dụng: Theo dõi mức tiêu thụ tín dụng cấp nhóm qua các tầng nỗ lực, tính đến thực tế rằng việc thực thi đa mô hình trong Fusion High và Max có thể tiêu thụ nhiều tín dụng hơn cho mỗi tác vụ so với việc thực thi đơn mô hình.
• Tính đến các khoảng thời gian thanh toán khuyến mại: Tính đến mức chiết khấu khuyến mại 30% của GitHub về chi phí mô hình cho những người đăng ký Copilot trả phí cho đến hết ngày 30 tháng 11 năm 2026 khi lập chuẩn chi phí vận hành.
• Thiết lập các cổng đánh giá mã nguồn thủ công: Duy trì việc đánh giá mã ngang hàng bắt buộc cho tất cả các yêu cầu kéo do tác nhân tạo ra, đảm bảo rằng các vòng lặp phản biện tự động bổ sung chứ không thay thế sự giám sát kỹ thuật của con người.

Các điểm chính dành cho đội ngũ kỹ thuật

Việc ra mắt GitHub Copilot Fusion xác nhận rằng việc dựa vào một mô hình AI đơn lẻ, nguyên khối cho các tác vụ kỹ thuật phần mềm phức tạp mang lại những sự đánh đổi vận hành không cần thiết. Các quy trình phát triển hiện đại bao gồm các nhu cầu nhận thức đa dạng, từ hoàn thành cú pháp tức thời cho đến lý luận xuyên kho lưu trữ phức tạp. Buộc một kiến trúc mô hình duy nhất phải xử lý toàn bộ phổ này có thể dẫn đến việc leo thang chi phí mô hình hoặc chất lượng thực thi bị thỏa hiệp.

Kết quả chuẩn độc lập cho thấy việc điều phối đa mô hình có thể mang lại hiệu suất lập trình cạnh tranh với chi phí mô hình thấp hơn cho một số khối lượng công việc nhất định. Kết quả thực tế sẽ phụ thuộc vào độ phức tạp của tác vụ, hành vi điều phối, các mô hình đã chọn và các mẫu sử dụng của tổ chức. Bằng cách tách việc ủy quyền tác vụ khỏi các lựa chọn thủ công của lập trình viên, việc điều phối mô hình thời gian thực thiết lập một con đường vận hành thực tế. Khi các tổ chức kỹ thuật phần mềm mở rộng quy mô các tác nhân lập trình tự động, yếu tố khác biệt cạnh tranh chính sẽ không phải là quyền truy cập vào bất kỳ mô hình nền tảng cá nhân nào, mà là sự quản trị, độ tin cậy và tính nghiêm ngặt về kiến trúc của lớp điều phối kết nối chúng.

Tài liệu tham khảo

• GitHub: Định tuyến và điều phối các mô hình với GitHub Copilot Fusion — Ghi chú phát hành chính thức và tổng quan tính năng từ sự kiện GitHub Universe 2026.

• GitHub: Copilot Fusion hiện hỗ trợ lựa chọn các mô hình cục bộ — Thông báo chính thức chi tiết về suy luận trên thiết bị cho các tác vụ đủ điều kiện với định tuyến mô hình cục bộ.

• Tài liệu GitHub: Giới thiệu về các khái niệm và cấu hình GitHub Copilot Fusion — Tài liệu kỹ thuật chính thức chi tiết về các mẫu thực thi, mức độ nỗ lực và quy tắc thanh toán.

• Tài liệu GitHub: Cấu hình các mô hình khả dụng cho Copilot Fusion — Hướng dẫn quản trị để quản lý các chính sách mô hình doanh nghiệp và cài đặt mặc định.

• Artificial Analysis: Đánh giá chuẩn GitHub Copilot Fusion — Phân tích độc lập đo lường chi phí tác vụ, hiệu quả token và điểm số Coding Agent Index.

• The New Stack: GitHub ra mắt hệ thống đa mô hình Copilot Fusion — Báo cáo kỹ thuật về việc tích hợp Project HydraFusion và việc triển khai của khách hàng doanh nghiệp.

• VentureBeat: GitHub Copilot Fusion kết hợp các mô hình để tối ưu hóa chi phí — Phỏng vấn kỹ thuật với lãnh đạo sản phẩm GitHub bao gồm các kiến trúc định tuyến thời gian thực.