En el evento GitHub Universe 2026 celebrado en San Francisco, GitHub ha presentado Copilot Fusion, una innovadora plataforma que automatiza la elección y coordinación de diferentes modelos de inteligencia artificial para tareas de programación. Esta herramienta permite que los desarrolladores deleguen en el sistema la selección del modelo más adecuado para cada tarea, facilitando así procesos complejos como la generación de código, depuración y uso de herramientas.
Copilot Fusion combina dos tecnologías previas de GitHub: la avanzada orquestación de ejecución de múltiples modelos del Project HydraFusion y la selección automática de modelos integrada en Copilot. Esta unión se traduce en un sistema capaz de decidir no solo qué modelo utilizar, sino también cómo integrarlos según el contexto y la necesidad, optimizando resultados, coste y tiempo.
Según datos aportados por GitHub, Copilot Fusion Max —la versión más potente de la herramienta— ofrece un rendimiento cercano al del modelo Claude Code con Opus 5.5 Max, pero a la mitad del coste medio por llamada a la API y ejecutando las tareas aproximadamente un 40 % más rápido. Esto supone un avance significativo que beneficia a desarrolladores y empresas, en especial por la mejora en eficiencia y ahorro económico. 
Copilot Fusion está ya disponible de manera general y forma parte de la nueva visión de GitHub para construir la plataforma de entrega de software más completa del mundo. La idea es que los programadores puedan centrarse en la dirección y resultados finales del desarrollo, mientras el sistema gestiona inteligentemente la selección y combinación de modelos para cada fase del trabajo.
La inteligencia que toma decisiones
La principal ventaja de Copilot Fusion radica en liberarse de la ardua tarea de decidir qué modelo utilizar en cada momento. GitHub explica que, en actividades que requieren razonamiento, generación de código o uso de herramientas específicas, el sistema escoge automáticamente el modelo óptimo y dirige la interacción entre los distintos modelos según convenga.
Esto se traduce en un importante ahorro de tiempo para los programadores, quienes anteriormente debían evaluar ventajas, capacidades y costes de cada modelo para cada función. Ahora, Fusion actúa como un «selector inteligente» que adapta su elección en función del paso del flujo de trabajo, lo que permite cambiar de modelo en tiempo real para optimizar resultados.
El sistema puede utilizar un solo modelo para toda la tarea o trabajar en flujos escalonados (“cascada”), donde un modelo evalúa la respuesta de otro para decidir si se acepta o debe revisarse. También contempla flujos de crítica donde un modelo supervisa el trabajo generado por otro, reduciendo la carga cognitiva y aumentando la eficacia.
Hari Pokhrel, ingeniero principal en AT&T, señala que anteriormente los desarrolladores tendían a usar modelos potentes para todo sin cambiar a opciones más ligeras para tareas simples, generando costos innecesarios. Copilot Fusion ayuda a evitar este tipo de errores al gestionar automáticamente las transiciones.
Decisiones que los desarrolladores mantienen
Aunque Copilot Fusion asuma la selección y orquestación de modelos, los usuarios siguen eligiendo el nivel de esfuerzo en función de la complejidad de la tarea. Disponibilidad de tres opciones se ofrece: Fusion Standard para tareas cotidianas, Fusion High para cuestiones más complejas que requieren mayor razonamiento, y Fusion Max para los trabajos más exigentes.
Además, las empresas con cuentas corporativas disponen de controles administrativos para restringir qué modelos pueden usarse, ajustar políticas por modelo e incluso configurar si Copilot Fusion debe ser la opción predeterminada para el equipo, ofreciendo flexibilidad y supervisión a los responsables.
Beneficios demostrados y futuro del desarrollo asistido
GitHub destaca que desde el lanzamiento inicial de Project HydraFusion en septiembre de 2026 han mejorado el rendimiento de la plataforma. Según el Índice de Agentes de Codificación de Artificial Analysis, Copilot Fusion Max obtuvo una puntuación de 60, solo dos puntos por debajo de Claude Code con Opus 5.5 Max, pero usando la mitad de tokens y ejecutando las tareas un 40 % más rápido.
En la experiencia práctica en AT&T, Pokhrel resalta que Fusion Standard ayudó a mejorar la eficiencia en el uso de tokens, evitando gastos superfluos y permitiendo destinar recursos a actividades de mayor valor.
Copilot Fusion es solo uno de varios lanzamientos en GitHub Universe 2026, que también ha presentado la aplicación GitHub Copilot, Copilot Projects y Copilot Automations, todos enfocados en simplificar y potenciar el trabajo de los desarrolladores con inteligencia artificial.
El movimiento hacia la automatización de la selección de modelos se está consolidando en el sector. Por ejemplo, plataformas como Ramp y Replit han implementado sistemas similares para que la elección del modelo se gestione internamente, liberando a los desarrolladores de esta tarea para que puedan centrarse en la creación de software.
