GitHub Copilot Fusion 实验预览：可为每次请求智能选择本地或云端模型

事件核心：发生了什么

GitHub Copilot Fusion 新增本地模型智能路由能力，目前已进入实验性预览阶段。该功能在 Copilot CLI、Copilot 应用和 Visual Studio Code 中提供：开启实验模式后，在 Copilot Fusion 中选择 Standard，Copilot 即可根据请求自动判断使用设备端模型还是云端模型，也允许直接指定本地模型。

在受支持的 Windows 设备上，用户可通过 Windows ML provider 下载和配置 MAI Code 1.1 Flash。CLI 中启用实验模式后打开 /model 按提示完成设置；应用中需在 Settings > Model providers 配置 Windows ML provider，并在 Settings > Experiments 开启本地模型自动路由；VS Code 则需启用 chat.copilot.localModel.enabled。

托管下载目前仅限 Windows。CLI 的本地路由也支持在 Windows、macOS 和 Linux 上手动配置模型，可接入 MAI Code 1.1 Flash 或 Qwen3.8 Flash Next 的本地 OpenAI 兼容服务器，但模型下载与推理运行时由用户自行管理。

为什么重要

这次更新的关键不在于“本地模型”本身，而在于把路由决策做成了一层自动化能力。此前开发者要在本地模型和云模型之间取舍，往往得手动切换；现在 Copilot Fusion 统一调度，意味着 AI 编程助手开始按任务类型、资源条件和模型能力分配算力。这一方向若能稳定，会降低对单一云端 API 的依赖，也让本地推理更接近日常可用。

从竞争格局看，GitHub 把本地模型接入放在 Copilot 的既有入口里，而非另外做一个独立工具。这会强化 Copilot 作为编排层的位置：模型可以是云端的、也可以是设备端的，但入口和体验由 GitHub 统一。目前公开信息显示，该能力仍是 opt-in 的实验性预览，距离默认启用还有距离。

对用户/开发者/创作者的影响

对开发者，最直接的变化是使用路径变多：Windows 用户可用托管方式下载 MAI Code 1.1 Flash，其他平台则可通过本地 OpenAI 兼容服务接入模型。需要留意两点：一是通过 BYOK 添加或发现的模型不会自动获得 Copilot Fusion 路由资格；二是本地推理不等于离线会话，路由决策仍在云端完成，本地模型的安全防护也可能与 Copilot 云端模型不同。Copilot 应用虽支持 BYOK 直连本地模型，但智能路由目前只支持托管的 Windows ML 模型。

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。

了解 GamsGo AI

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。

对团队和企业而言，这套能力意味着可以更细地权衡成本、延迟与数据路径，但在实验阶段不宜直接当作生产级方案，需要先验证本地硬件资源和模型表现是否匹配实际工作流。

值得关注的后续

一是托管下载是否会从 Windows 扩展到 macOS 和 Linux，以及支持模型列表是否扩大。二是路由质量：Copilot 能否在真实编程任务中合理区分适合本地和适合云端的请求，而非简单二选一。三是 Copilot 应用仅支持托管 Windows ML 模型的限制何时解除，这决定本地路由的覆盖范围。

来源：GitHub Changelog