GitHub Copilot Fusion sceglie il modello più veloce ed economico per ogni task

Al GitHub Universe di San Francisco, il 28 ottobre, GitHub ha annunciato la disponibilità generale di Copilot Fusion, un sistema di coding che decide quale modello di intelligenza artificiale – o quale combinazione di modelli – usare per ogni passaggio di un’attività di programmazione. Lo stesso giorno l’azienda ha pubblicato il rapporto annuale Octoverse 2026: a settembre oltre il 40% delle pull request, cioè le richieste di integrare una modifica nel codice di un progetto, è partito da una bozza scritta da un agente AI. Cambia anche il modello commerciale: i clienti GitHub Enterprise possono usare tutte le funzioni Copilot senza un abbonamento separato e pagano i crediti AI consumati.

Come funziona Copilot Fusion

Fusion valuta di che cosa ha bisogno un compito – ragionamento, generazione di codice, correzione degli errori, uso di strumenti esterni – e sceglie come eseguirlo su uno o più modelli. Il sistema nasce dall’anteprima di ricerca HydraFusion, che secondo GitHub ha gestito quasi 60.000 sessioni nella riga di comando e nell’app Copilot. Ora l’orchestrazione tra modelli si aggiunge alla selezione automatica del modello già presente in Copilot.

Copilot Fusion sceglie automaticamente il modello più adatto alla richiesta.

Per Jay Parikh, Executive Vice President di CoreAI in Microsoft, la divisione di cui fa parte GitHub, “compiti diversi richiedono modelli diversi e gli sviluppatori non dovrebbero dover gestire ogni scelta del modello per ottenere il risultato giusto al prezzo giusto”.

GitHub sostiene che nell‘Artificial Analysis Coding Agent Index la variante Fusion Max si sia piazzata a non più di due punti da Claude Opus 5.5 Max di Anthropic, a metà del costo e con il 40% di tempo in meno per attività. In un post su LinkedIn, Satya Nadella, Amministratore delegato di Microsoft, ha parlato invece di costi inferiori fino al 77%. L’annuncio non riporta il prezzo dei crediti AI né il consumo medio di crediti di Fusion rispetto a un singolo modello.

Il routing tra modelli, la nuova leva sui costi

Fusion si inserisce in una tendenza più ampia verso il routing tra differenti modelli. Instradare ogni richiesta verso il modello più economico in grado di svolgerla è uno dei fronti su cui l’industria sta lavorando per ottimizzare il rapporto tra costo e risultato. Gli agenti di programmazione eseguono molte chiamate ai modelli e trascinano contesti voluminosi da un passaggio all’altro. Usare sempre il modello più potente fa crescere la spesa senza un beneficio proporzionale sulle attività di routine.

Anysphere ha attivato Cursor Router a luglio, dichiarando risparmi tra il 30% e il 60% nei propri test. Not Diamond propone un router preaddestrato per il codice che, secondo l’azienda, riduce di oltre il 30% il costo degli agenti tenendo conto anche dei prezzi della cache dei fornitori. A settembre la lituana nexos.ai ha lanciato un proprio router e afferma che, nei suoi test, l’84% delle attività di programmazione non richiede modelli costosi.

I numeri di Octoverse descrivono lo stesso scenario dal lato dell’utilizzo. A settembre il 61% degli utenti Copilot che sceglievano da sé il modello ne ha usato più di uno. Sui piani a pagamento erano in uso 47 modelli diversi e nessuno superava il 25% delle richieste. Il 63% degli sviluppatori paganti ha lasciato almeno una volta a Copilot la scelta del modello.

Per i responsabili IT delegare la scelta a un router ha però un rovescio: si perde visibilità diretta su quale modello, e quale fornitore, elabora il codice aziendale. Per le organizzazioni soggette a vincoli di conformità sarà utile capire quali controlli amministrativi e quale tracciabilità offre Fusion.

Copilot incluso in Enterprise, ma a consumo

Da subito i clienti GitHub Enterprise possono usare tutte le funzioni Copilot – app, revisione del codice, automazioni – senza acquistare licenze per utente. L’offerta passa per ora dal team commerciale, mentre l’attivazione in autonomia arriverà più avanti. Chi ha già un piano Copilot Business o Copilot Enterprise può mantenerlo o passare al nuovo modello.

Per i team IT il cambiamento è sostanziale: si passa da un costo fisso e prevedibile per utente a una spesa variabile legata all’uso degli agenti. Il controllo del budget diventa quindi un tema di governo tecnico, non solo di acquisto.

Gli altri annunci su GitHub Copilot

• GitHub Copilot app: un’unica applicazione per coordinare agenti e strumenti su più progetti, dalla specifica fino all’analisi dei dati di funzionamento.
• Copilot projects: esegue il lavoro degli agenti su più repository in sessioni parallele gestite.
• Continuità di sessione: la stessa sessione di un agente nel cloud si può seguire dall’app, da VS Code, dalla riga di comando e dal web.
• Copilot automations: flussi di lavoro automatizzati che ora imparano dai risultati e propongono miglioramenti da approvare.
• Copilot Connectors: semplificano il collegamento ai server MCP (Model Context Protocol, il protocollo aperto che collega i modelli AI a strumenti e fonti dati esterne).
• Copilot code review Max: secondo GitHub ha ottenuto il punteggio F1 più alto su ReviewBench per i difetti ad alta gravità. L’F1 è una metrica che combina precisione e completezza nell’individuare i problemi.
• Sicurezza: AI Scans cerca vulnerabilità nelle pull request scritte in linguaggi non coperti dall’analisi basata su regole e nel codice già integrato. Si aggiungono un’analisi di raggiungibilità, per concentrarsi sulle vulnerabilità effettivamente sfruttabili, e un firewall che verifica le policy aziendali prima di scaricare pacchetti npm.

La ricerca Octoverse, i numeri della crescita

Nei 12 mesi chiusi al 30 settembre gli sviluppatori hanno eseguito 17,9 miliardi di push su GitHub, più che nel 2024 e nel 2025 messi insieme. I commit hanno raggiunto 34,3 miliardi e le pull request integrate 1,3 miliardi, in media 3,5 milioni al giorno. I dati comprendono repository pubblici e privati.

A settembre le pull request avviate da un agente sono state 110 milioni, circa sei volte quelle di marzo. GitHub precisa che il conteggio è una soglia minima, perché non tutti gli agenti sono rilevabili. Secondo il rapporto, il 90% delle pull request degli agenti viene integrato entro due settimane, contro circa l’86% di quelle senza agenti: è un indicatore della velocità, ma non della qualità del codice.

La piattaforma conta oltre 225 milioni di sviluppatori, con Stati Uniti (38,3 milioni) e India (32 milioni) in testa. L’Italia non compare tra i primi dieci paesi, dove l’Europa è rappresentata da Regno Unito, Germania e Francia.

Un’infrastruttura sotto pressione

La crescita ha avuto un costo in termini di affidabilità, come documentano i rapporti mensili sulla disponibilità pubblicati dalla stessa GitHub. Ad agosto l’azienda ha registrato cinque incidenti. Nel più grave, il 17 agosto, per quasi sette ore issue, pull request, API, GitHub Actions e Copilot hanno restituito errori o risposte lente. Nel momento peggiore il 56% delle richieste in ingresso falliva o rallentava, e circa 29.000 organizzazioni hanno subito almeno un disservizio.

Il grafico dell’impatto dell’incidente del 17 agosto dal report sullo stato del servizio di GitHub.

Un altro incidente di agosto mostra anche un altro aspetto della strategia multi-modello. Il 27 agosto un problema presso il fornitore esterno del modello Kimi K3 ha fatto fallire il 63% delle richieste Copilot dirette a quel modello. Chi usava la selezione automatica del modello non ha subito conseguenze, perché le richieste sono state instradate altrove.

A settembre gli incidenti sono scesi a due. Il 13 settembre per circa due ore quasi tutte le richieste di creazione di issue via web e il 90% delle nuove registrazioni sono falliti. Il 28 settembre una modifica al servizio di revisione del codice di Copilot ha impedito per ore la consegna delle revisioni, anche nelle regioni con residenza locale dei dati.

Quest’anno GitHub ha aggiunto 4 milioni di core di CPU, 160 PB di storage ad alte prestazioni e 50 Tb/s di capacità di rete. È in corso la migrazione verso un’architettura multi-regione su Azure, che dovrebbe concludersi all’inizio del 2027. La nuova architettura di Git separa storage e calcolo, con aspettative molto alte sul miglioramento di prestazioni e stabilità del servizio.

Parikh guarda lontano: “tutto il software che abbiamo scritto finora rappresenterà meno dell’1% di quello che scriveremo nei prossimi cinque anni”. Chi gestisce i team di sviluppo, però, si sta facendo alcune domande importanti: quanto costeranno davvero gli agenti con la fatturazione a consumo e quanto controllo resterà sulle scelte che il router compie al posto loro?