一句话看懂：GitLab 扩展了 GitLab Duo 自托管版本，企业可以通过微软 Foundry 在自有 Azure 环境中部署和运行 AI 模型，支持 OpenAI GPT、Anthropic Claude、Meta Llama、Mistral 等主流模型系列。这意味着 AI 开发工具正在从“绑定单一厂商”走向“模型可选择、部署可管控”。
事件核心：发生了什么
GitLab 对其自托管 AI 方案 GitLab Duo 进行了扩展，新增通过微软 Foundry 部署模型的能力。企业可以将自管理的 GitLab 实例、自托管的 GitLab AI Gateway，以及一个或多个微软 Foundry 模型端点组合起来，让 AI 请求不再必须发送到 GitLab 管理的模型基础设施。支持的模型包括 OpenAI GPT、Anthropic Claude、Meta Llama 和 Mistral 系列。AI Gateway 作为中间层，承担 GitLab Duo 与所选模型之间的调度与连接。
这次集成的一个实际变化是“功能级模型选择”：企业可以为不同 Duo 功能分配不同模型，比如用代码模型做代码建议，用另一套模型处理智能体任务，或用更小的模型承接高吞吐场景。模型更换也不必推翻原有 GitLab 开发流程。
为什么重要
对企业来说，模型可用不等于与 GitLab Duo 兼容。微软 Foundry 目录更新速度快于 GitLab 支持矩阵，选型前仍需验证兼容性。更重要的是，这类集成顺应了一个趋势：AI 开发工具与底层基础模型正在解耦。GitLab 负责 DevSecOps 和开发者工作流，模型层则由企业自行决定放在哪里、用哪家。GitHub Copilot 也在增加多模型支持，但其标准体验仍与 GitHub 托管服务深度绑定；GitLab 自托管方案则更强调对 AI 基础设施和网络路径的控制。Amazon Bedrock 和微软 Foundry 提供多模型基础设施，但本身不替代 GitLab 这种集成开发平台。
对用户/开发者/创作者的影响
对受数据驻留、数据主权、合规监管或网络隔离约束的组织，这套方案提供了更清晰的路径：源代码和提示词可以在企业选定的 Azure 环境中处理，管理员能控制请求响应位置和模型部署方式。代价是运维责任转移——团队除了维护 GitLab，还要管理模型部署、容量、网络、凭证、可用性和模型全生命周期。对普通开发者而言，日常使用体验变化不大，但企业采购和技术选型时，需要把“模型在哪运行、凭据谁控制、数据经哪些司法管辖区”纳入决策。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 GitLab 支持模型矩阵能否跟上微软 Foundry 目录迭代速度；二是功能级模型选择在实际 DevSecOps 流程中的稳定性和成本表现；三是其他企业开发平台是否跟进类似的自托管、多模型、可管控部署路线。
来源：InfoQ CN
