آبان
اخبار
کوپایلت فیوژن گیت‌هاب: مسیریاب هوشمند مدل‌ها با نصف هزینه
گیت‌هاب در رویداد Universe از «کوپایلت فیوژن» رونمایی کرد؛ مسیریابی که برای هر درخواست کدنویسی، مدل، الگوی اجرا و سطح استدلال را خودش انتخاب می‌کند و ادعا می‌کند با نصف هزینه به عملکرد Claude Code نزدیک می‌شود.
لیست مطالب
۱. کوپایلت فیوژن دقیقاً چیست؟
کوپایلت فیوژن در اصل یک «مسیریاب و هماهنگ‌کننده‌ی زمان‌اجرا» است. تا امروز اگر در گیت‌هاب کوپایلت کار می‌کردید، باید خودتان از بین فهرست بلند مدل‌ها یکی را انتخاب می‌کردید و حدس می‌زدید کدام برای کار فعلی بهتر و ارزان‌تر است. فیوژن این تصمیم را از دوش شما برمی‌دارد. کافی است آن را از فهرست مدل‌ها انتخاب کنید؛ بعد برای هر درخواست، خودش تعیین می‌کند کدام مدل، با چه الگوی اجرا و چه میزان استدلال وارد کار شود.
گیت‌هاب این قابلیت را در رویداد Universe روز ۲۸ اکتبر ۲۰۲۶ معرفی کرد و همان روز در دسترس عموم قرار داد. به گزارش The New Stack، فیوژن حاصل ترکیب دو چیز است: هماهنگی زمان‌اجرای پروژه‌ی تحقیقاتی HydraFusion که در سپتامبر ۲۰۲۶ به‌صورت پیش‌نمایش پژوهشی آمده بود، و قابلیت قبلی «انتخاب خودکار مدل» در کوپایلت.
اگر تازه با دنیای ابزارهای هوشمند کدنویسی آشنا شده‌اید، پیشنهاد می‌کنیم قبل از ادامه، مقاله‌ی OpenAI چیست را بخوانید تا تصویر کلی از بازیگران این میدان داشته باشید.
۲. سه سطح تلاش: استاندارد، های و مکس
کاربر می‌تواند فیوژن را در چند سطح تلاش به کار بگیرد. هر سطح، توازن متفاوتی بین هزینه، کیفیت و سرعت دارد.
فیوژن استاندارد
سطح پیش‌فرض برای کارهای روزمره است و بین هزینه، کیفیت و تأخیر تعادل برقرار می‌کند. معمولاً برای هر کار فقط یک مدل را انتخاب می‌کند. مدل‌های محلی (که بعداً درباره‌شان می‌گوییم) فقط در همین سطح به کار می‌روند.
فیوژن های
برای کارهای اساسی و دقیقاً تعریف‌شده است. هماهنگی متوازن بین مدل‌ها انجام می‌شود و در عین حال کمی در مصرف توکن صرفه‌جویی می‌شود.
فیوژن مکس
برای عمیق‌ترین استدلال‌ها و تحلیل‌ها در نظر گرفته شده و هدفش ارائه‌ی توان در سطح مدل‌های پیشرو، با توجه به بهره‌وری توکن است. همه‌ی اعداد رقابتی که در ادامه می‌خوانید، مربوط به همین سطح است.
یک سطح چهارم به نام «فست» هم وجود دارد، اما قابل انتخاب توسط کاربر نیست و فقط در گفت‌وگوی درون‌خطی VS Code استفاده می‌شود.
۳. سه الگوی اجرا: تک‌مدلی، آبشاری و نقد
جذاب‌ترین بخش فنی فیوژن، همین الگوهای اجراست. فیوژن برای هر پرامپت یکی از این الگوها را برمی‌گزیند، پس ممکن است در یک جلسه‌ی کاری چند الگوی مختلف را ببینید.
در الگوی تک‌مدلی، فقط یک مدل کار را کامل می‌کند. در الگوی آبشاری، یک مدل کارآمد و ارزان پیش‌نویس را می‌نویسد و سپس یک داور تصمیم می‌گیرد آن را بپذیرد یا کار را به مدل قوی‌تر بسپارد. در الگوی نقد، یک مدل پیش‌نویس می‌نویسد، چند مدل دیگر هم‌زمان آن را نقد می‌کنند و مدل اول بر اساس بازخوردها اصلاحش می‌کند. به گفته‌ی مستندات گیت‌هاب، در کارهای ساده مراحل بازبینی اضافه حذف می‌شود تا هزینه بی‌دلیل بالا نرود.
اگر می‌خواهید بدانید چرا نحوه‌ی نوشتن درخواست‌تان روی خروجی چنین ابزارهایی اثر مستقیم دارد، راهنمای آموزش نوشتن پرامپت برای مبتدیان نقطه‌ی شروع خوبی است.
۴. ادعای عملکرد: نزدیک به Claude Code با نصف هزینه
گیت‌هاب برای فیوژن مکس عدد مشخصی ارائه کرده است. در شاخص عامل‌های کدنویسی Artificial Analysis، این سطح امتیاز ۶۰ گرفته و فقط دو امتیاز با Claude Code مجهز به Opus 5.5 Max فاصله دارد. مهم‌تر از امتیاز، نسبت هزینه است: گیت‌هاب می‌گوید فیوژن مکس حدود نصف میانگین هزینه‌ی API در هر کار، حدود نصف توکن‌ها و حدود ۴۰ درصد زمان کمتر مصرف کرده است.
این اعداد از خود گیت‌هاب آمده‌اند و هنوز آزمون مستقل گسترده‌ای از آن‌ها ندیده‌ایم. بنابراین بهتر است آن‌ها را نقطه‌ی شروع بدانید، نه حکم نهایی. تیم‌های جدی باید ابزار را روی مخزن و کارهای واقعی خودشان بسنجند؛ چون عملکرد عامل‌های کدنویسی به شدت به نوع پروژه و زبان برنامه‌نویسی بستگی دارد.
گزارش The New Stack اشاره می‌کند که شرکت‌هایی مثل Ramp و Replit هم به مسیریابی خودکار مدل‌ها روی آورده‌اند. یعنی این یک روند صنعتی است و فقط به گیت‌هاب محدود نمی‌شود. برای نگاهی به رقابت مدل‌ها، مقاله‌ی مقایسه‌ی ChatGPT و DeepSeek را ببینید.
۵. هزینه و تخفیف ۳۰ درصدی
فیوژن هزینه‌ی جداگانه‌ای ندارد. هر مدلی که در فرایند استفاده شود، با نرخ استاندارد خودش حساب می‌شود. نکته‌ی مهم این است که سطح‌های های و مکس ممکن است نسبت به استاندارد اعتبار (AI credits) بیشتری مصرف کنند، چون گاهی چند مدل را هم‌زمان درگیر می‌کنند. تا ۳۰ نوامبر ۲۰۲۶ پلن‌های پولی ۳۰ درصد تخفیف روی هزینه‌ی مدل‌ها می‌گیرند، پس اگر می‌خواهید فیوژن را امتحان کنید، تا پایان آبان‌ماه (و کمی بعد از آن) زمان مناسبی است.
مستندات رسمی درباره‌ی «درخواست‌های ممتاز» حرفی نمی‌زنند و فقط از اعتبار هوش مصنوعی صحبت می‌کنند. پس برای محاسبه‌ی دقیق، صفحه‌ی قیمت‌گذاری مدل‌ها در گیت‌هاب را ببینید.
۶. در کجا و برای چه کسانی در دسترس است؟
فیوژن برای همه‌ی پلن‌های کوپایلت عرضه شده و در این محیط‌ها عمومی (GA) است: VS Code، خط فرمان کوپایلت، اپلیکیشن گیت‌هاب کوپایلت و ابزارهای JetBrains. برای فعال‌سازی، کافی است «Copilot Fusion» را از فهرست مدل‌ها انتخاب کنید. اگر هیچ‌یک از مدل‌های فیوژن برای شما در دسترس نباشد، این گزینه اصلاً در فهرست دیده نمی‌شود.
فیوژن مدل‌هایی را که در پلن شما نیستند، مدل‌هایی که مدیر سازمان بسته، مدل‌های محدود به قوانین اقامت داده یا FedRAMP و مدل‌های ارزیابی را کنار می‌گذارد. فهرست دقیق مدل‌ها هم ثابت نیست و در طول زمان تغییر می‌کند.
۷. مدل‌های محلی در پیش‌نمایش
یکی از بخش‌های کمتر دیده‌شده، پشتیبانی از مدل‌های محلی است. دو مدل در حالت پیش‌نمایش عمومی هستند: MAI Code 1.1 Flash که روی ویندوز و به‌صورت محلی نصب می‌شود، و Qwen3.8 Flash Next که در خط فرمان کوپایلت روی ویندوز، مک و لینوکس قابل استفاده است. این مدل‌ها فقط در سطح استاندارد به کار می‌روند.
برای فعال‌سازی در اپلیکیشن کوپایلت باید گزینه‌ی «Local model auto routing» را از بخش آزمایشی تنظیمات روشن کنید. در خط فرمان هم با پرچم experimental- شروع کنید یا داخل جلسه دستور /experimental on را بزنید. اجرای محلی یعنی بخشی از کارها بدون هزینه‌ی API و با حریم خصوصی بهتر انجام می‌شود؛ هرچند کیفیت مدل‌های سبک محلی به پای مدل‌های ابری بزرگ نمی‌رسد.
۸. کنترل‌های سازمانی و محدودیت‌ها
برای تیم‌ها و شرکت‌ها، گیت‌هاب کنترل‌های دقیقی در نظر گرفته است. مدیران می‌توانند مدل‌های مشخصی را فقط برای فیوژن غیرفعال کنند، بدون اینکه آن مدل‌ها را برای کل تیم ببندند. سیاست هر مدل مستقل از بقیه تنظیم می‌شود و مدیر تعیین می‌کند فیوژن مدل پیش‌فرض کاربران کوپایلت باشد یا نه. یکی از مهندسان شرکت AT&T به نام Hari Pokhrel گفته که فیوژن استاندارد بهره‌وری توکن را بهتر کرده و مخارج غیرضروری را کم کرده است.
اما چند محدودیت مهم وجود دارد. اول اینکه فیوژن زیرعامل (subagent) راه نمی‌اندازد. دوم اینکه اگر یک پیش‌نویس ردشده قبلاً فایلی را تغییر داده باشد، آن تغییرها خودکار برگردانده نمی‌شوند. بنابراین پیش از کامیت، حتماً تغییرها را مرور کنید. سوم اینکه الگوهای اجرا و مجموعه‌ی مدل‌ها ممکن است عوض شوند؛ یعنی رفتار امروز فیوژن، ثابت و تضمین‌شده نیست.
این محدودیت‌ها یادآور یک نکته‌ی کلی‌اند: هیچ ابزار هوش مصنوعی جای مهندس را نمی‌گیرد. درباره‌ی این موضوع، مقاله‌ی توهم هوش مصنوعی: توسعه‌دهنده‌ی تنها در برابر مهندس واقعی را بخوانید.
۹. این خبر برای برنامه‌نویسان فارسی‌زبان چه معنایی دارد؟
مهم‌ترین پیام فیوژن این است که «انتخاب مدل» در حال تبدیل شدن به کاری است که نرم‌افزار انجام می‌دهد، نه کاربر. اگر ادعای گیت‌هاب در عمل هم تأیید شود، تیم‌هایی که تا امروز برای هر کار سراغ گران‌ترین مدل می‌رفتند، می‌توانند همان کیفیت را با هزینه‌ی کمتر بگیرند. برای فریلنسرها و استارتاپ‌های کوچک که هر توکن برایشان مهم است، این یعنی صرفه‌جویی واقعی.
از طرف دیگر، رقابت بین گیت‌هاب (با پشتوانه‌ی مایکروسافت)، Anthropic و OpenAI در حوزه‌ی عامل‌های کدنویسی داغ‌تر شده است. شما به‌عنوان کاربر، از این رقابت سود می‌برید: قیمت‌ها پایین‌تر می‌آید و ابزارها سریع‌تر پیشرفت می‌کنند. برای دیدن تأثیر هوش مصنوعی روی کسب‌وکار، مقاله‌ی چرا هوش مصنوعی در کسب‌وکار مهم است و توانایی‌ها و محدودیت‌های واقعی هوش مصنوعی را ببینید. آخرین اخبار را هم از بخش اخبار هوش مصنوعی و آموزش‌های چت‌جی‌پی‌تی دنبال کنید.
۱۰. پرسش‌های متداول
کوپایلت فیوژن چیست؟
یک مسیریاب و هماهنگ‌کننده‌ی مدل‌ها در گیت‌هاب کوپایلت است که برای هر درخواست، مدل و سطح استدلال را خودکار انتخاب می‌کند.
آیا برای استفاده از فیوژن باید پول جداگانه بدهم؟
خیر. هزینه‌ی جداگانه‌ای وجود ندارد و هر مدل با نرخ استاندارد خودش حساب می‌شود. فقط سطح‌های های و مکس ممکن است اعتبار بیشتری مصرف کنند.
فیوژن در کدام ابزارها کار می‌کند؟
در VS Code، خط فرمان کوپایلت، اپلیکیشن کوپایلت و ابزارهای JetBrains، برای همه‌ی پلن‌های کوپایلت.
آیا واقعاً به Claude Code نزدیک است؟
طبق ادعای خود گیت‌هاب، فیوژن مکس در یک شاخص خاص فقط دو امتیاز عقب‌تر است. این ادعا هنوز با آزمون مستقل گسترده تأیید نشده و باید روی پروژه‌ی خودتان امتحانش کنید.
تخفیف ۳۰ درصدی تا کی است؟
تا ۳۰ نوامبر ۲۰۲۶ و فقط برای پلن‌های پولی.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
