ב־30 שניות

  • ב-28 באוקטובר הודיעה ⁦GitHub⁩ שהכלי ⁦Copilot Fusion⁩ זמין לכלל המשתמשים. במקום לבחור מודל, המפתח בוחר רמת מאמץ, והמערכת מחליטה אילו מודלים של ⁦Anthropic⁩ ושל ⁦OpenAI⁩ להפעיל ואיך לשלב ביניהם.
  • בבדיקה שפרסמה ⁦Artificial Analysis⁩ באותו יום, ההגדרה ⁦Max⁩ עלתה בממוצע 5.59 דולר למשימה, לעומת 11.42 דולר ל-⁠⁦Claude Code⁩ עם ⁦Opus 5.5⁩ בהגדרה ⁦Max⁩, והציון הכולל שלה היה נמוך בשתי נקודות. היא הובילה במבחן אחד, ובמבחן אחר דורגה שלישית.
  • הטענות ש-⁠⁦Fusion⁩ מהיר ב-40% ושחוסך עד 77% הן של ⁦GitHub⁩ ושל מנכ"ל ⁦Microsoft⁩, ולא של הבדיקה החיצונית. התמחור הוא לפי צריכה, ולא ברור כמה זה יעלה לצוות אמיתי.

מה GitHub הכריזה

לפי הודעת ⁦GitHub⁩ מ-28 באוקטובר, ⁦Copilot Fusion⁩ זמין לכלל המשתמשים. מי שבוחר בו בבורר המודלים לא בוחר מודל מסוים, אלא מערכת שמנתבת ומתזמרת מודלים לכל משימה, ובוחר רמת מאמץ: ⁦Standard⁩ לעבודה יומיומית, ⁦High⁩ למשימות קשות ו-⁠⁦Max⁩ למשימות המורכבות ביותר. ⁦GitHub⁩ מסבירה ש-⁠⁦Fusion⁩ משלב את ⁦Project HydraFusion⁩, תוכנית ניסוי קודמת, עם הבחירה האוטומטית של מודלים.

המערכת פועלת בשלושה דפוסים. ב-⁠⁦Single⁩ מודל אחד פותר את המשימה. ב-⁠⁦Cascade⁩ מודל זול כותב טיוטה, ובדיקת איכות קובעת אם לקבל אותה או להעביר למודל חזק יותר. ב-⁠⁦Critique⁩ מודל אחד כותב, מודל אחר סוקר, והמודל הראשון מתקן. ⁦Fusion⁩ זמין בכל תוכניות ⁦Copilot⁩ ב-⁠⁦VS Code⁩, באפליקציית ⁦Copilot⁩, ב-⁠⁦Copilot CLI⁩ ובסביבות ⁦JetBrains⁩, ו-⁠⁦GitHub⁩ כותבת שתמיכה בלקוחות נוספים תגיע בהמשך.

מה בדקה Artificial Analysis

⁦Artificial Analysis⁩ היא חברה שמריצה מבחני השוואה למודלים ולכלי קוד. ב-28 באוקטובר היא פרסמה בדיקה של ההגדרה ⁦Max⁩ דרך ⁦Copilot CLI⁩, במדד ⁦Coding Agent Index⁩ גרסה 2.0. לפי החברה, ⁦Fusion⁩ בוחר בין מודלים של ⁦Anthropic⁩ ושל ⁦OpenAI⁩, ובהם ⁦Claude Opus 5.5⁩, ⁦Claude Sonnet 5.5⁩, ⁦GPT‑6 Astra⁩ ו-⁠⁦GPT‑6 Sol⁩.

העלות הממוצעת למשימה הייתה 5.59 דולר, לעומת 11.42 דולר ל-⁠⁦Claude Code⁩ עם ⁦Opus 5.5⁩ בהגדרה ⁦Max⁩, ו-8.00 דולר ל-⁠⁦Devin Fusion⁩, מערכת תזמור מתחרה. ⁦VentureBeat⁩ חישב הפרש של כ-51%. הצריכה עמדה על 7.2 מיליון אסימונים למשימה, בערך חצי ממה ש-⁠⁦Claude Code⁩ עם ⁦Opus 5.5⁩ צרך. הציון הכולל של ⁦Fusion⁩ היה 60, לפי ⁦VentureBeat⁩, לעומת כ-62 ל-⁠⁦Claude Code⁩ וגם ל-⁠⁦Devin Fusion⁩.

לא ניצחון בכל מבחן

המדד מורכב משלושה מבחנים בשקלול שווה, והתוצאות לא אחידות. ב-⁠⁦Terminal‑Bench 4.0⁩ קיבל ⁦Fusion 71⁩ והוביל. ב-⁠⁦FrontierCode⁩, מבחן של שינויים במאגרי קוד, קיבל 51 ודורג שלישי, אחרי ⁦Claude Code⁩ עם ⁦Opus 5.5⁩ עם 56 ו-⁠⁦Devin Fusion⁩ עם 54. ב-⁠⁦SWE‑Atlas‑QnA‑AA⁩, מבחן שאלות ותשובות על מאגרי קוד, קיבל 57. לפי ⁦Artificial Analysis⁩, הציון הזה נמוך מזה של ⁦GPT‑6 Astra⁩ ב-⁠⁦Codex⁩ ומעל זה של ⁦Gemini 4 Argon⁩ ב-⁠⁦Antigravity CLI⁩.

⁦VentureBeat⁩ מדגיש שמדובר בעלויות של מבחן, ולא בהערכה של מה ישלם ארגון מסוים. ההפרש בעלות אינו מבטל את העובדה שהמערכת מפגרת בשינויים במאגרי קוד.

מה ש-GitHub אומרת ולא נבדק

⁦GitHub⁩ כותבת ש-⁠⁦Fusion Max⁩ השלים את המשימות ב-40% פחות זמן מההגדרה המתחרה. לפי ⁦VentureBeat⁩, הכתבה של ⁦Artificial Analysis⁩ אינה כוללת נתוני זמן, ולכן זו טענה של ⁦GitHub⁩ בלבד. הדבר אמור גם לגבי חיסכון של עד 77% בעלות, שאותו ייחס מנכ"ל ⁦Microsoft⁩, סאטיה נאדלה, ל-⁠⁦Fusion⁩ בפוסט בלינקדאין, לפי ⁦The Next Web⁩. ⁦VentureBeat⁩ כותב שהמספר הזה מגיע מבדיקה נפרדת של ⁦GitHub⁩ במבחן ⁦DeepSWE⁩, בתנאים שונים, ושלא ניתן לחבר אותו ל-51% של ⁦Artificial Analysis⁩.

מנהל המוצר הראשי של ⁦GitHub⁩, מריו רודריגז, אמר ל-⁠⁦VentureBeat⁩ ש-⁠⁦Fusion⁩ אינו מודל אלא מנוע תזמור בזמן ריצה. הוא גם אמר שהמטרה היא שמפתחים לא יצטרכו לחשוב כל הזמן על בחירת מודל.

תמחור ושליטה בארגון

לפי ⁦GitHub⁩, כל מודל ש-⁠⁦Fusion⁩ משתמש בו מחויב בתעריף הרגיל שלו. למנויים בתוכניות בתשלום מוצעת הנחה של 30% על עלות המודלים למשך זמן מוגבל. ל-⁠⁦Fusion⁩ יש גם בקרה ארגונית: הוא משתמש רק במודלים שהופעלו במדיניות הארגון, מנהלים יכולים להשבית מודלים מסוימים רק עבורו ולקבוע אותו כברירת מחדל.

במקביל, לפי ⁦The Next Web⁩ ו-⁠⁦VentureBeat⁩, לקוחות ⁦GitHub Enterprise Cloud⁩ יכולים להשתמש בכל יכולות ⁦Copilot⁩ בלי מנוי נפרד לכל משתמש ולשלם לפי צריכה של קרדיטים. ⁦VentureBeat⁩ מציין שאין מכסת קרדיטים חודשית למשתמש, שהחיוב מתחיל מהבקשה הראשונה, ושהשלמת קוד נשארת זמינה גם כשהתקציב נגמר.

הבדלים בין הדיווחים

הסקירה של ⁦Geektime⁩ על ההכרזות כותבת ש-⁠⁦Fusion⁩ בוחר בין מודלים כמו ⁦Claude 3.5 Sonnet⁩ ו-⁠⁦GPT‑4o⁩. זה אינו מתאים לרשימה של ⁦Artificial Analysis⁩, שמזכירה ⁦Claude Opus 5.5⁩, ⁦Claude Sonnet 5.5⁩, ⁦GPT‑6 Astra⁩ ו-⁠⁦GPT‑6 Sol⁩, ולכן הסתמכנו על ⁦Artificial Analysis⁩. הסקירה של ⁦Geektime⁩ אינה מפרטת מקור לרשימה שלה.

⁦The Next Web⁩ מוסיף הקשר מדוח ⁦Octoverse⁩ השנתי של ⁦GitHub⁩: עד ספטמבר יותר מ-40% מה-⁠⁦pull requests⁩ התחילו בטיוטה של סוכן, לעומת 17% במרץ. ⁦GitHub⁩ כותבת, לפי ⁦The Next Web⁩, שמספר הסוכנים הוא רף תחתון, כי היא אינה מזהה כל סוכן. הנתון אינו קשור ישירות ל-⁠⁦Fusion⁩, והוא מראה את הרקע שבו ⁦GitHub⁩ משיקה את הכלי.

⁦VentureBeat⁩ ו-⁠⁦The Next Web⁩ מסתמכים על ההודעות של ⁦GitHub⁩ ועל הבדיקה של ⁦Artificial Analysis⁩, ולכן אינם מקורות עצמאיים לטענות של ⁦GitHub⁩ על זמן ועל חיסכון.

מה לא ידוע

לא ידוע כמה ישלם צוות רגיל, כי הבדיקה שפורסמה הריצה ערכת מבחנים אחת וכללה רק את ההגדרה ⁦Max⁩. לא ידוע גם איך ⁦Fusion⁩ מתנהג על קוד פרטי של ארגון, ולא ברור כמה הנחת 30% תימשך. מי שרוצה לדעת אם זה משתלם צריך למדוד על המשימות שלו.

למה זה חשוב

המשמעות שמעבר לכותרת

חברות מפתחות משלמות על כל קריאה למודל, והעלות למשימה הפכה למדד מרכזי להשוואה בין כלי קוד. זו בדיקה חיצונית ראשונה של המערכת, והיא מראה יתרון בעלות ולא יתרון כולל באיכות.

מה עושים עכשיו?

צעד יישומי אחד

צוות שבוחן את ⁦Fusion⁩ יכול להריץ אותו על משימות מהקוד שלו ולמדוד עלות וזמן, ולבדוק אילו מודלים המנהלים אישרו, כי המערכת בוחרת רק מתוך המודלים המותרים בארגון.

מקורות ובדיקת עובדות

גילוי AI ושקיפות: כלי AI עשויים לסייע בניטור, תרגום, טיוטה ויצירת איור. ברשומת האתר אין לגרסה זו אישור אנושי מתועד; שם הכותב או המערכת מציין ייחוס תוכן ואינו מוצג כחותמת אישור. המקורות מוצגים לעיון ואפשר לדווח על טעות למערכת.
אחריות מקצועית

ד״ר יניב שנהב

יועץ ארגוני בכיר ומנחה, העוסק במנהיגות, שינוי התנהגותי והטמעת בינה מלאכותית בארגונים. מביא למערכת מבט ניהולי ויישומי על חדשות הטכנולוגיה.

לפרופיל של ד״ר יניב שנהב
מצאתם טעות? שלחו דיווח למערכת