GitHub Copilot Fusion sceglie i modelli AI per programmare: cosa cambia e quando può usare quelli locali

Il 28 ottobre 2026 GitHub ha annunciato la disponibilità generale di Copilot Fusion, una funzione che sceglie e coordina i modelli di intelligenza artificiale impiegati nelle attività di sviluppo. Nella stessa giornata ha aperto un'anteprima sperimentale distinta per selezionare anche alcuni modelli eseguiti sul computer dell'utente. Per chi programma, la novità riguarda il compromesso fra qualità delle risposte, tempi, costi e controllo sui dati: le due disponibilità, però, non vanno confuse.

Che cosa cambia nella scelta dei modelli

Con Copilot Fusion non si seleziona necessariamente un singolo modello per ogni richiesta. Si sceglie Fusion e un livello di impegno: Standard per attività comuni, High per compiti più impegnativi e Max per problemi che richiedono analisi approfondite. Il sistema decide quali modelli utilizzare e, quando serve, può coinvolgerne più di uno nella stessa risposta.

GitHub descrive tre schemi di lavoro: Single, con un solo modello; Cascade, in cui un primo risultato viene controllato e può essere affidato a un modello più capace; e Critique, che aggiunge una fase di revisione. Non significa che ogni richiesta passi sempre attraverso più modelli: il percorso dipende dal compito, dal livello scelto e dalle risorse disponibili.

La funzione è annunciata come generalmente disponibile in Visual Studio Code, GitHub Copilot CLI, nell'app Copilot e negli IDE JetBrains. La comparsa effettiva delle opzioni dipende dal client aggiornato, dal piano e dalle policy applicate dall'organizzazione.

Modelli locali: per ora è un'anteprima separata

Il routing verso modelli eseguiti sul dispositivo è ancora sperimentale. Sui computer Windows supportati GitHub prevede un percorso gestito per installare MAI Code 1.1 Flash; per il routing automatico è necessario abilitare le opzioni sperimentali previste dal client e utilizzare Fusion Standard.

Chi sviluppa su macOS o Linux non ottiene automaticamente lo stesso percorso di installazione. GitHub documenta invece, per Copilot CLI, la possibilità di configurare manualmente un modello locale compatibile tramite un server con API in formato OpenAI. Sono richieste risorse hardware adeguate, un runtime di inferenza già predisposto e l'abilitazione delle funzioni sperimentali. La semplice presenza di un modello tra quelli configurati non garantisce che Fusion possa selezionarlo.

Nell'app Copilot si possono collegare modelli locali compatibili e sceglierli direttamente, ma il routing automatico locale dell'app è attualmente limitato ai modelli Windows ML gestiti. Anche questo è diverso dalla disponibilità generale del sistema Fusion.

Privacy e funzionamento offline: il limite da conoscere

Un modello locale può elaborare parte della richiesta sul computer, ma una sessione che usa il routing di Copilot Fusion non diventa per questo completamente offline: secondo GitHub, le decisioni di instradamento rimangono nel cloud. Non bisogna quindi presentare l'anteprima come una garanzia che tutto il codice, il contesto o i metadati restino esclusivamente sul dispositivo.

Per repository aziendali, progetti riservati e codice sottoposto a policy interne, è opportuno verificare le regole di disponibilità dei modelli e le autorizzazioni prima dell'uso. GitHub segnala inoltre che i modelli locali possono avere protezioni differenti rispetto a quelli cloud. Il controllo umano del codice generato rimane necessario.

Quanto costa e quali risultati aspettarsi

GitHub indica che Fusion addebita l'utilizzo dei singoli modelli alle tariffe previste per ciascuno. La documentazione ufficiale segnala uno sconto promozionale del 30% sui costi dei modelli per gli utenti dei piani a pagamento fino al 30 novembre 2026. Non equivale a un risparmio garantito per ogni richiesta: High e Max possono attivare più modelli e consumare più crediti rispetto a Standard.

Il fornitore presenta anche risultati di benchmark favorevoli per Fusion Max, ma sono dati comunicati da GitHub, non misurazioni indipendenti effettuate da questa redazione. Per valutare la convenienza nel proprio team conviene confrontare compiti simili, qualità del codice, crediti consumati e tempi effettivi, senza dedurre prestazioni universali da un singolo benchmark.

Cosa verificare prima di provarlo

Aggiornare il client, controllare la presenza di Fusion nel selettore dei modelli e scegliere un livello coerente con il lavoro da svolgere. In un'organizzazione, verificare le policy sui modelli disponibili e sui dati. Se si vuole sperimentare il routing locale, distinguere le istruzioni per Windows da quelle per Copilot CLI su macOS e Linux, verificando i requisiti hardware e le opzioni sperimentali.

Un'ultima precauzione riguarda il lavoro sul repository: la documentazione GitHub chiarisce che scartare una bozza intermedia di Fusion non annulla automaticamente le modifiche ai file già effettuate. Prima di un commit restano indispensabili diff, test e revisione del codice.

La disponibilità generale di Fusion è una novità concreta per gli strumenti di sviluppo; la selezione automatica dei modelli locali è invece un'anteprima da valutare con attenzione, soprattutto quando entrano in gioco dati riservati, costi e risorse del computer.

Le novità sono descritte da GitHub negli annunci del 28 ottobre 2026 sulla disponibilità generale e nell'aggiornamento sui modelli locali. Per i dettagli su limiti e fatturazione si può consultare la documentazione tecnica ufficiale.

Redazione Quotidiano Digitale — Sikelia Labs. Articolo originale, aggiornato il 29 ottobre 2026. Le prestazioni citate dal fornitore non sono state verificate con test indipendenti.