Copilot Fusion casi iguala la puntuación de Claude Code por la mitad del costo

GitHub puso modelos de Anthropic y OpenAI en el mismo equipo de trabajo. Su nuevo Copilot Fusion decide qué modelo usar en cada paso y, cuando hace falta, combina varios. En el Coding Agent Index v2.0 de Artificial Analysis, la configuración Fusion Max quedó a dos puntos de Claude Code con Opus 5.5 Max, con cerca de la mitad del costo API por tarea. La parte interesante está en el intercambio: Fusion destaca en terminal, mientras Opus conserva ventaja en los otros dos componentes. Evaluación de Artificial Analysis.

De HydraFusion de prueba a Copilot Fusion disponible

Anunciado en GitHub Universe el 28 de octubre, Copilot Fusion pasa a disponibilidad general y reúne dos líneas previas: el enrutamiento entre modelos de Project HydraFusion y la selección automática de modelo de Copilot. Fusion analiza razonamiento, generación de código, depuración y uso de herramientas para decidir cómo ejecutar cada solicitud. La persona elige un nivel de esfuerzo; el sistema determina modelos y pasos. No se está eligiendo un solo modelo. Anuncio de GitHub Universe · Documentación de Fusion.

HydraFusion había aparecido antes como vista previa de investigación. Por eso el anuncio de hoy es la llegada general del sistema con otro nombre y con selección automática integrada, no el primer experimento de GitHub con orquestación. GitHub dice que el conjunto disponible puede incluir modelos Claude y OpenAI, aunque puede cambiar con el tiempo y depende de los modelos permitidos por la suscripción y las políticas de la organización.

Copilot Fusion frente a Claude Code: los benchmarks

Artificial Analysis evaluó Copilot Fusion Max dentro de GitHub Copilot CLI en su Coding Agent Index v2.0. La configuración comparada fue Claude Code con Opus 5.5 en esfuerzo Max; el gráfico de costo la etiqueta con Default Fallback. El índice promedia por igual tres pruebas: la cifra compuesta resume tareas distintas, no una nota universal de calidad. El artículo reporta 60 puntos para Fusion y 62 para Claude Code, con un costo medio de API de US$5,59 por tarea frente a US$11,42. Fusion utilizó 7,2 millones de tokens por tarea, aproximadamente la mitad del volumen de Claude Code en esa evaluación. (Artificial Analysis, 28 de octubre)

Si sueles elegir siempre el mismo modelo, fíjate en las pruebas que se parecen a tu trabajo. El promedio reúne resultados bastante distintos.

Qué ganas y dónde cedes

Artificial Analysis · Coding Agent Index v2.0 · 28 oct 2026

Índice compuesto · mayor es mejor

050100

Opus 5.562Devin Fusion62Copilot Fusion60GPT-6 Astra55GPT-6.1 Sol54

El resumen da el mismo peso a las tres pruebas. Cambia de benchmark para ver dónde gana cada sistema.

GitHub Copilot · Copilot Fusion (max)

Índice

6060

USD / tarea

5.595.59

FrontierCode v1.1

51%51%

Terminal-Bench 4.0

71%71%

SWE-Atlas-QnA-AA

57%57%

Los 16 sistemas del gráfico oficial. — = costo exacto no publicado en el texto consultado.

Agente y configuración	FrontierCode v1.1	Terminal-Bench 4.0	SWE-Atlas-QnA-AA	Índice	USD / tarea
Claude CodeClaude Opus 5.5 (max, Default Fallback)	56%	63%	66%	62	11.42
Devin Fusion CLIClaude Opus 5.5 (max) + GPT-6 Luna (high)	54%	63%	68%	62	8.00
GitHub CopilotCopilot Fusion (max)	51%	71%	57%	60	5.59
Claude CodeClaude Sonnet 5.5 (max)	48%	66%	64%	59	—
Muse CodeMuse Wonder Full (max)	49%	59%	69%	59	—
Claude CodeClaude Fable 5.1 (max)	49%	58%	66%	58	—
CodexGPT-6 Astra (max)	49%	56%	59%	55	—
CodexGPT-6.1 Sol (max)	49%	53%	60%	54	—
Antigravity CLIGemini 4 Argon (high)	49%	56%	55%	53	—
Muse CodeMuse Wonder (max)	46%	48%	62%	52	—
OpenCodeGLM-5.3 (max)	48%	40%	59%	49	—
CodexGPT-6.1 Terra (xhigh)	45%	46%	54%	48	—
Grok BuildGrok 4.7 (xhigh)	44%	33%	63%	47	—
DeepSeek HarnessDeepSeek V4.1 Flash 1017 (max)	47%	31%	62%	46	—
Kimi Code CLIKimi K3 (max)	43%	21%	60%	41	—
MirrorBeam 1.0	20%	4%	38%	20	—

Las tres pruebas revelan el intercambio detrás del promedio:

• Terminal-Bench 4.0: Fusion alcanzó 71, la mejor puntuación de su comparación en esta prueba de tareas realizadas desde terminal. Es su resultado más fuerte.
• FrontierCode v1.1: Fusion obtuvo 51. Claude Code con Opus 5.5 Max logró 56; Devin Fusion, con Opus 5.5 Max y GPT-6 Luna en High, marcó 54. Aquí Fusion queda detrás en cambios de código evaluados en repositorios.
• SWE-Atlas-QnA-AA: Fusion marcó 57 en preguntas que exigen entender repositorios. Artificial Analysis describe este resultado como un rezago relativo frente a otros agentes de la tabla.

El 60 agregado esconde perfiles distintos: Fusion destacó en Terminal-Bench, pero no lideró en las otras pruebas. Cada una pesa un tercio. La comparación es entre sistemas completos, con su agente y configuración. El resultado en un repositorio propio puede cambiar con la tarea, las herramientas y las políticas de la organización.

En esta prueba, Fusion se acercó a Claude Code con menor gasto API observado. El benchmark no demuestra que la orquestación por sí sola cause la diferencia ni que cada usuario ahorre la mitad: costo y calidad dependen de la tarea, los modelos activados y el número de pasos.

Cómo decide entre single, cascade y critique

La documentación describe tres patrones. Single resuelve el encargo con un modelo. Cascade pide a un modelo eficiente un primer borrador y a un juez decidir si alcanza el umbral o conviene escalar a otro más capaz. Critique genera una respuesta inicial, solicita críticas independientes en paralelo y hace que el modelo original la revise con esos comentarios. Cada solicitud puede activar un patrón distinto. Un trabajo sencillo evita una revisión innecesaria; Cascade y Critique pueden tardar más y consumir más créditos porque añaden llamadas. (documentación oficial)

Las etiquetas Standard, High y Max expresan niveles de esfuerzo: desde trabajo cotidiano hasta razonamiento más exigente. No garantizan una combinación fija de modelos. El conjunto cambia a medida que GitHub incorpora modelos y evalúa su rendimiento; además, las políticas de la organización pueden excluir opciones. Administradores pueden controlar qué modelos usa Fusion y si se selecciona por defecto.

Cómo reparte el trabajo

Resolver con un modelo

Un solo modelo completa la solicitud. Es la ruta para un encargo que no necesita más revisión.

Un juez decide si hay que escalar

Un modelo eficiente prepara el borrador. Un juez lo acepta o lo envía a un modelo más capaz.

Críticas en paralelo, revisión al final

Un modelo redacta; varios modelos critican de forma independiente. El modelo original revisa la respuesta con esos comentarios.

Explicación de los patrones documentados, no una ejecución en vivo. La ruta y los modelos pueden cambiar en cada solicitud. Documentación de GitHub ↗

Quién puede usar Copilot Fusion y cómo se cobra

GitHub indica que Fusion está disponible en todos los planes Copilot desde Visual Studio Code, Copilot CLI, la aplicación GitHub Copilot y los IDE de JetBrains. La disponibilidad de cada nivel depende del plan, los modelos habilitados y las políticas del administrador; GitHub no publica aquí un precio único de suscripción para Fusion. Para probarlo, hay que actualizar el cliente, abrir el selector de modelo y escoger Copilot Fusion junto con el nivel de esfuerzo. Fusion no aparecerá si la cuenta no tiene acceso a ninguno de sus modelos disponibles. Planes y políticas oficiales.

La facturación ocurre por cada modelo usado, a su tarifa estándar; no hay un cargo independiente por Fusion. High y Max pueden llamar a más de un modelo y consumir más créditos que Standard. GitHub ofrece a usuarios de planes pagados un descuento temporal del 30% en el costo de modelos de Fusion hasta el 30 de noviembre de 2026. Los US$5,59 y US$11,42 son los costos API por tarea publicados por Artificial Analysis. No aplicamos otro 30% a esas cifras: la evaluación no detalla aquí el tratamiento de esa promoción. Para tu cuenta, revisa las tarifas y las condiciones de créditos vigentes.

La limitación práctica es también la pregunta principal: el enrutamiento oculta la elección de modelo, pero no elimina la necesidad de revisar el resultado. La documentación advierte que Fusion funciona separado de los subagentes y no los inicia. Si descarta un borrador que ya modificó el espacio de trabajo, esos cambios no se revierten automáticamente. Y tanto sus patrones como su conjunto de modelos pueden cambiar. Fusion reduce decisiones manuales sobre qué modelo probar; sigue siendo el desarrollador quien verifica y decide qué se integra.

El anuncio original de GitHub

GitHub presentó Copilot Fusion el 28 de octubre de 2026. La publicación compara Fusion Max con Claude Code y enlaza sus condiciones de acceso y promoción.