GitHub Copilot Fusion: 51% menos costo por tarea

US$5,59 contra US$11,42 por tarea. Esa es la brecha que GitHub puso sobre la mesa al anunciar Copilot Fusion en su conferencia Universe: un sistema que enruta y combina modelos de IA para resolver trabajo de programación y que, en las pruebas independientes de Artificial Analysis, quedó a apenas dos puntos del agente de coding de referencia gastando cerca de la mitad por tarea completada.

Para cualquier equipo que ya recibe facturas de IA a fin de mes, el eje de la discusión cambió: la pregunta dejó de ser cuál es el modelo más potente y pasó a ser cuánto cuesta una tarea terminada. GitHub apuesta a que la respuesta se resuelve con orquestación, no comprando el modelo más caro del mercado.

¿Qué es GitHub Copilot Fusion y por qué no es un modelo más?

La confusión es razonable, porque aparece en el selector de modelos. Pero Mario Rodriguez, chief product officer de GitHub, lo aclaró a VentureBeat: "No es un modelo. Es un motor de orquestación en tiempo de ejecución".

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Fusion evalúa la tarea — razonamiento, generación de código, depuración y uso de herramientas — y decide si conviene mandar el pedido a un solo modelo o coordinar varios. Combina lo que GitHub desarrolló en el preview de investigación Project HydraFusion con su función de selección automática de modelo.

En la práctica, el programador no elige un modelo sino un nivel de esfuerzo:

Standard: prioriza modelos versátiles para el trabajo de coding cotidiano.
High: apunta a tareas difíciles y razonamiento más profundo.
Max: reserva los modelos más capaces para los problemas más complejos.

Fusion llegó a disponibilidad general en VS Code, la app de Copilot, Copilot CLI y los IDE de JetBrains, dentro de todos los planes de Copilot. Quienes habían activado auto, HydraFusion o HydraFusion Max durante el preview migran automáticamente al nivel equivalente.

¿Cuánto cuesta cada tarea? Los números del benchmark independiente

Artificial Analysis probó el nivel Max de Fusion a través de Copilot CLI con su Coding Agent Index v2.0, que pondera tres evaluaciones de coding por igual. Los resultados, publicados el 28 de octubre:

Fusion Max: US$5,59 de costo promedio por tarea y un score de 60.
Claude Code con Claude Opus 5.5 Max: US$11,42 por tarea y aproximadamente 62 puntos. Es decir, unos 51% más caro para dos puntos de diferencia.
Devin Fusion (sistema de orquestación competidor, con Opus 5.5 Max y GPT-6 Luna High): 62 puntos con un costo promedio de US$8,00 por tarea.

El detalle más interesante para quien paga la factura es el consumo: Artificial Analysis midió 7,2 millones de tokens por tarea en Fusion, cerca de la mitad de los que usa la configuración de Claude Code con Opus 5.5 y alrededor de un 30% menos que Devin Fusion. Eso sugiere que el ahorro no viene solo de usar tokens más baratos, sino de hacer menos trabajo de modelo.

Según el reporte de unite.ai, en las evaluaciones offline que GitHub publicó con el preview de HydraFusion, las políticas fijas mejoraron la calidad verificada de tareas en 4,9 puntos porcentuales con un costo estimado 67% menor que Claude Opus 5 en TerminalBench 2.1, quedaron a 1,5 puntos con 36% menos costo en DeepSWE y a 0,1 puntos con 65% menos costo en CheckpointBench.

¿Cómo decide qué modelo usar? Single, Cascade y Critique

Fusion trabaja con tres patrones de ejecución, según la documentación de lanzamiento de GitHub:

Single: manda el trabajo directo a un modelo, el que el sistema considera mejor para esa tarea.
Cascade: arranca con un modelo más económico, verifica si la respuesta alcanza y, si no, escala a uno más potente.
Critique: un modelo redacta, otro revisa y el primero revisa su propia respuesta.

Rodriguez describió Critique como una forma de meter capacidad de revisión sin asignar el modelo más caro a cada etapa. En el fondo, la promesa es sacarle al desarrollador la carga de pensar en modelos: "Solo lo activas y tienes tres niveles de razonamiento".

Artificial Analysis identificó modelos de Anthropic y OpenAI en el pool de Fusion: Claude Opus 5.5, Claude Sonnet 5.5, GPT-6 Astra y GPT-6 Sol. Los modelos concretos pueden variar según el pedido y según las políticas que fije cada organización.

¿Dónde gana y dónde pierde Fusion? Los límites del índice

El score compuesto de 60 esconde resultados desiguales, y esto importa si tu equipo trabaja en un tipo específico de tarea:

Terminal-Bench 4.0: Fusion lideró con 71 puntos.
FrontierCode, centrado en cambios de repositorio: Fusion sacó 51, detrás de Claude Code con Opus 5.5 (56) y de Devin Fusion (54).
SWE-Atlas-QnA-AA, de preguntas y respuestas sobre repositorios: 57 puntos.

Traducción práctica: un score compuesto parejo no significa que Fusion gane en todos los tipos de asignación. Si tu equipo pasa el día modificando repositorios grandes y heredados, el dato de FrontierCode es el que deberías mirar antes de decidir.

¿Qué significa esto para tu startup?

La lección central es que el costo se movió del precio del token al costo por tarea aceptada. Y eso cambia cómo se compra, se asigna y se audita la IA de coding dentro de un equipo pequeño.

Mide costo por tarea, no por asiento. Antes de firmar cualquier plan, corre un piloto de dos semanas y registra el gasto total dividido por pull requests efectivamente mergeados, no por líneas generadas. La cifra que importa es la del trabajo aceptado.
Escalona el esfuerzo según el tipo de trabajo. Usa Standard como default para el día a día y reserva Max para refactors o cambios de arquitectura. En Fusion eso es un toggle, no un cambio de proveedor: el ahorro viene de no pagar razonamiento máximo en tareas triviales.
Define la política de modelos antes, no después. Si vas a dejar que un sistema elija proveedor por ti, fija primero qué modelos están habilitados y cuáles no. GitHub dice que los administradores pueden ver los modelos elegibles para Fusion, desactivar modelos individuales solo para Fusion y configurar el nivel de esfuerzo por defecto.
Cuenta el costo humano. Ahorrar en inferencia no es lo mismo que abaratar el software. Revisión humana, errores, reintentos, integración y seguridad posterior siguen siendo parte del total.

La letra chica: facturación, créditos de IA y control

GitHub factura cada modelo que Fusion llama a la tarifa estándar de ese modelo, y ofrece a los suscriptores de pago un descuento temporal del 30% sobre costos de modelo al usar Fusion. Ese descuento promocional es distinto del ahorro por tarea medido en los benchmarks.

En paralelo, la compañía abrió otra forma de comprar Copilot para clientes elegibles de GitHub Enterprise Cloud: en lugar de una suscripción adicional por cada usuario con licencia, la empresa paga el uso de IA contra un presupuesto corporativo. Los términos publicados aclaran que estos usuarios no reciben una asignación mensual de créditos de IA por asiento: el uso medido empieza con la primera solicitud. La finalización de código y las sugerencias de siguiente edición siguen funcionando sin presupuesto, pero Copilot Chat, code review y las funciones en la nube lo requieren.

También hay un dato de precio de referencia: GitHub lista Copilot Standalone a US$10 por usuario por mes para usuarios de cuenta enterprise sin licencia de GitHub Enterprise.

El contexto: el coding con IA ya se compite por costo

Fusion cae en un mercado donde el capital sigue entrando con fuerza y donde el costo de inferencia es la principal restricción. Según TechCrunch, Cognition, la empresa detrás de Devin, levantó US$2.000 millones a una valoración de US$48.000 millones en septiembre de 2026, apenas cuatro meses después de haber levantado a US$26.000 millones, con un run-rate que pasó de US$492 millones a US$900 millones. El mismo medio reportó que Cursor negociaba en abril una ronda a una valoración de US$50.000 millones antes de acordar su venta a SpaceX por US$60.000 millones.

Ese es el fondo del argumento de GitHub: si el costo de correr agentes es el cuello de botella del sector, quien logre bajar el precio por tarea tiene una ventaja estructural. La otra pata es la infraestructura. En el anuncio de Universe, GitHub dijo que sumó durante 2026 160 petabytes de almacenamiento de alta velocidad, 4 millones de núcleos de CPU y 50 terabits por segundo de capacidad de red, y que avanza hacia un despliegue multi-región en Azure con meta de cierre a principios de 2027.

El volumen de trabajo que lo justifica aparece en el reporte Octoverse, publicado el mismo día: según thenextweb.com, los desarrolladores hicieron 17.900 millones de pushes en los doce meses hasta el 30 de septiembre, más que en 2024 y 2025 combinados, y en septiembre más del 40% de los pull requests arrancaron con un borrador de un agente, contra el 17% de marzo. La plataforma supera los 225 millones de desarrolladores.

Microsoft va en la misma dirección y lo empaquetó aparte: según su propio blog, el harness de Copilot que construyó el equipo de GitHub ahora se ofrece a través de Microsoft Foundry, con soporte para más de 20 modelos frontier y la opción de traer tu propia clave. La idea declarada es que ningún equipo tenga que mantener su propio router de modelos.

Conclusión

GitHub ya tiene evidencia independiente de que su orquestación de modelos se acerca al rendimiento de un agente de coding líder por la mitad del costo medido por tarea. Las dos cifras que conviene citar con cuidado son distintas: el 51% de ahorro promedio medido por Artificial Analysis frente a Claude Code con Opus 5.5, y el hasta 77% de reducción que reportó la propia GitHub con el benchmark DeepSWE, que no es una medición independiente ni un promedio.

La prueba real no está en el benchmark sino en tu repositorio. Si el costo por pull request mergeado baja sin que suba la tasa de errores que llega a producción, Fusion habrá cumplido. Si baja el gasto de inferencia pero sube la revisión humana y los reintentos, solo habrás movido el costo de lugar.