GitHub lanza Copilot Fusion: agentes de IA a mitad de costo

GitHub ya no vende autocompletado: vende una flota de agentes

El 40% de los pull requests que se abrieron en GitHub en septiembre de 2026 empezaron con un borrador generado por un agente de IA, según el informe Octoverse 2026 de la propia plataforma. En marzo esa cifra era del 17%. En seis meses, el trabajo de escribir código pasó de ser una tarea humana asistida a una tarea delegada.

Ese es el contexto en el que GitHub, subsidiaria de Microsoft, presentó en su evento GitHub Universe 2026 (28 y 29 de octubre, San Francisco) su apuesta central: Copilot Fusion, un sistema que decide qué modelo de IA —o qué combinación de modelos— resuelve cada parte de una tarea de programación. Para un founder que paga licencias de IA para su equipo, la pregunta ya no es si sus desarrolladores usan agentes, sino cuánto cuesta cada tarea y quién la revisa.

¿Qué anunció GitHub en el Universe 2026?

La compañía quiere posicionarse como el sistema de entrega de software más completo del mercado, cubriendo todo el ciclo: desde la idea hasta el producto en producción. Jay Parikh, vicepresidente ejecutivo de CoreAI en Microsoft, lo resumió así en el blog de la compañía: el trabajo pasó de escribir cada línea de código a orquestar flotas de agentes, y el resultado que importa ya no es el código, sino el trabajo terminado.

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 →

Los anuncios principales fueron:

Copilot Fusion: disponible de forma general desde el 28 de octubre, es un servicio unificado de agentes cuyo trabajo central es la selección y orquestación de modelos. Se elige desde el selector de modelos existente.
Copilot Projects: permite ejecutar trabajo de agentes en varios repositorios a través de sesiones paralelas gestionadas por la plataforma. En una demostración durante el evento, GitHub mostró cómo coordinar cientos de agentes sobre un mismo proyecto.
Session Continuity: la misma sesión de agente puede seguirse en la aplicación de GitHub, en VS Code, en la línea de comandos y en la versión web.
Copilot Automations: flujos de trabajo con IA que se ejecutan manualmente, por eventos o de forma agendada, y que ahora pueden aprender de sus resultados y proponer mejoras para aprobación del usuario.
Copilot Code Review Max: según GitHub, alcanzó la clasificación F1 más alta en ReviewBench para problemas de alta gravedad.

Copilot Fusion: cómo decide qué modelo usar

La diferencia con un asistente tradicional es que Fusion no manda cada petición a un solo modelo. Evalúa la tarea en cuatro dimensiones —razonamiento, generación de código, depuración y uso de herramientas— y luego elige un patrón de ejecución, según la documentación que recoge Unite.AI.

Los tres patrones son:

Single: un modelo resuelve la tarea directamente.
Cascade: un modelo eficiente prepara un borrador y un control de calidad lo acepta o lo escala a un modelo más potente.
Critique: un modelo redacta, un segundo revisa y el primero corrige.

El usuario solo elige el nivel de esfuerzo: Fusion Standard para trabajo cotidiano, Fusion High para tareas exigentes y Fusion Max para razonamiento complejo. La tecnología nace de Project HydraFusion, que GitHub lanzó como vista previa de investigación el 4 de septiembre de 2026 y que ya combinaba orquestación multi-modelo con selección automática.

Hay un detalle que conviene leer con atención: GitHub advierte que Fusion no crea subagentes y que, si descarta un borrador intermedio, las ediciones ya hechas en el entorno del desarrollador no se revierten solas. La revisión humana sigue siendo obligatoria antes de hacer commit.

Los números que GitHub pone sobre la mesa

La compañía afirma que Fusion Max obtuvo 60 puntos en el Artificial Analysis Coding Agent Index, a dos puntos de Claude Code con Opus 5.5 Max, con aproximadamente la mitad del costo promedio de API por tarea, cerca de la mitad de tokens y un 40% menos de tiempo por tarea. Satya Nadella, CEO de Microsoft, fue más lejos en LinkedIn: sostuvo que Fusion entrega calidad de frontera un 40% más rápido y hasta un 77% más barato, según recogió The Next Web.

Ese segundo dato merece matices. La comparación es contra un benchmark específico y una medida de costo de API, no una garantía de ahorro para tu equipo. Cada modelo que usa Fusion se factura a su tarifa estándar, sin cargo extra por Fusion, pero los niveles High y Max pueden consumir más créditos de IA porque llaman a varios modelos. Los usuarios de planes pagos tienen un 30% de descuento en costos de modelo hasta el 30 de noviembre de 2026.

En infraestructura, GitHub sumó este año 4 millones de núcleos de CPU, 160 PB de almacenamiento de alta velocidad y 50 Tb/s de capacidad de red, y avanza en una migración multi-región en Azure que espera completar a inicios de 2027. También presentó una arquitectura Git rediseñada: en pruebas internas con 5.000 agentes sobre un solo repositorio, sostuvo 7.200 escrituras por segundo, unas 180 veces el rendimiento actual.

El cambio de modelo comercial que sí te afecta

El anuncio con impacto más directo en la factura de una startup es otro: desde el 28 de octubre, los clientes de GitHub Enterprise acceden a todas las funcionalidades de Copilot —la aplicación, la revisión de código y las automatizaciones— sin comprar una suscripción separada. En su lugar, pagan por los créditos de IA que consumen. La oferta se gestiona por ahora a través del equipo de ventas, con autoservicio próximamente, y los clientes actuales de Copilot Business y Copilot Enterprise pueden mantener sus planes o cambiarse cuando quieran.

Esto empuja a GitHub hacia un modelo de consumo puro, donde el costo escala con el uso de agentes y no con el número de asientos. Para una startup con equipo pequeño y mucha actividad de agentes, eso puede ser más barato; para un equipo grande con uso moderado, puede ser lo contrario. La única forma de saberlo es medir.

¿Qué significa esto para tu startup?

El mensaje de fondo es que la ventaja competitiva en herramientas de código se está moviendo desde "qué modelo es mejor" hacia "quién organiza los modelos, controla el costo y verifica el resultado". El mercado lo confirma por los dos lados: CodeRabbit, una startup que revisa código escrito por IA, levantó US$143 millones en agosto, según The Next Web, y el ex CEO de GitHub, Thomas Dohmke, lanzó Entire, una compañía rival enfocada justamente en revisar código generado por agentes.

Dos acciones concretas que puedes tomar esta semana:

Mide el costo por tarea antes de escalar. Si tu equipo ya usa agentes, instrumenta cuántos créditos consume cada flujo. El ahorro que promete la orquestación multi-modelo depende del tipo de tarea: en trabajo simple, un solo modelo suele bastar y añadir revisiones solo suma costo.
Define una política de modelos antes de que la defina el proveedor. Los administradores de GitHub pueden excluir modelos por política, respetar límites de plan y restricciones de residencia de datos, y fijar Fusion como opción por defecto. Si tu startup opera en LATAM o España con clientes que exigen residencia de datos, esa configuración no es opcional.

Y una advertencia para founders no técnicos: el dato de que el 40% de los pull requests nazcan de un agente no significa que el 40% del código esté listo para producción. Significa que la revisión —humana y automatizada— se vuelve el cuello de botella real del equipo. Ahí es donde conviene invertir tiempo de ingeniería, no en generar más código.