GitHub Copilot Fusion أرخص بمرتين من Claude Code رغم تأخره بفارق 2 نقطة

أضافت GitHub إلى Copilot وضع Fusion. وهو نظام يقرر لحظة التنفيذ أي نموذج سيتولى المهمة: نموذج من عائلة Anthropic أو نموذج من عائلة OpenAI. واختبرت Artificial Analysis، وهي مختبر مستقل يقارن نماذج الذكاء الاصطناعي والوكلاء وفق قواعد موحدة، نظام Fusion ضمن مقياسها Coding Agent Index v2.0. يحتسب المقياس المتوسط عبر ثلاثة اختبارات معيارية بوزن متساوٍ، ولا يختبر النماذج منفردة بل حزم جاهزة من نوع «وكيل + نموذج». النتيجة: حصل Fusion على نقطتين أقل من Claude Code مع Claude Opus 5.5، لكن كلفته كانت أقل بمرتين. فقد بلغت كلفة المهمة الواحدة $5,59، مقابل $11,42 لـ Claude Code مع Opus 5.5 بوضع max.

كيف يختار Fusion من يكتب الكود

تصف GitHub نظام Fusion بأنه نظام تنسيق في الزمن الحقيقي. فهو ينتقي النماذج وينسق بينها بحسب المهمة، موازنًا بين الجودة والسعر وزمن الاستجابة. ويمكن إسناد التعديل المعقد في مستودع كبير إلى نموذج من الفئة العليا، وإسناد الأعمال الروتينية الصغيرة إلى نموذج أرخص. ولا يختار المستخدم النموذج يدويًا.

تضم المجموعة أربعة نماذج:

• Claude Opus 5.5 — النموذج الأكبر لدى Anthropic؛ • Claude Sonnet 5.5 — نموذج أخف وأرخص من Anthropic؛ • GPT-6 Astra — نموذج من OpenAI؛ • GPT-6 Sol — نموذج آخر من OpenAI.

تُخصم الأموال وفق تعرفة النماذج التي نفّذت الطلب فعليًا. ولا توجد في بيانات Artificial Analysis أي رسوم إضافية مقابل التنسيق. وجرى الاختبار بوضع max عبر واجهة سطر الأوامر GitHub Copilot CLI.

أين يتقدم Fusion وأين يتأخر

يتكوّن المقياس من ثلاثة اختبارات. وهذا أداء Fusion في كل منها:

• Terminal-Bench 4.0 — مهام يحلها الوكيل في سطر الأوامر. حصل Fusion على 71 نقطة وجاء في المرتبة الأولى، متقدمًا بفارق ضئيل على البقية. • FrontierCode — مسائل برمجية صعبة. حصل Fusion على 51 نقطة واحتل المركز الثالث. وتقدّم عليه Claude Code مع Opus 5.5 (max) بـ 56 نقطة، وDevin Fusion بحزمة Opus 5.5 (max) + GPT-6 Luna (high) بـ 54 نقطة. • SWE-Atlas-QnA-AA — مجموعة أسئلة وأجوبة حول الكود. حصل Fusion هنا على 57 نقطة، وجاء بين GPT-6 Astra في Codex وGemini 4 Argon في Antigravity CLI.

إذا حُسب المتوسط البسيط للأرقام الثلاثة، فالناتج نحو 60. وهذا يتسق مع التأخر بفارق 2 نقطة عن المتصدر. ويكون تأخر Fusion أكبر ما يكون في أصعب المهام ضمن FrontierCode، إذ يبلغ الفارق مع Claude Code هناك 5 نقاط. أما في سطر الأوامر فيتفوق عليه.

لماذا هو أرخص بمرتين: الرموز والسعر

تتكوّن كلفة المهمة من حجم الرموز (توكن، وهي أجزاء النص التي يقرؤها النموذج ويكتبها) وتعرفة كل رمز. وفي Fusion تقل المكوّنتان معًا. فهو يستهلك 7,2 مليون رمز للمهمة. وهذا نحو نصف استهلاك Claude Code مع Opus 5.5، وأقل بنسبة 30% من Devin Fusion بحزمة Opus 5.5 (max) + GPT-6 Luna (high). إذ يُحال جزء من العمل إلى نماذج رخيصة، ولا يُستدعى Opus الغالي إلا في حالات أقل.

المقارنة من حيث السعر:

• Copilot Fusion في GitHub Copilot — $5,59 للمهمة؛ • Devin Fusion (Opus 5.5 max + GPT-6 Luna high) — $8,00 و62 نقطة في المقياس؛ • Claude Code مع Opus 5.5 (max) — $11,42.

يقل سعر Fusion عن Devin Fusion بنحو 30%، ويقل عن Claude Code بمرتين. وخسارة 2 نقطة أمام المتصدر و5 نقاط في FrontierCode ثمن معقول.

ماذا يغيّر هذا بالنسبة للفرق

بالنسبة لمعظم فرق التطوير، تمثل هذه النتيجة حجة قوية لصالح الاختيار التلقائي للنموذج. فإذا كان الوكيل يحل مئات المهام يوميًا، فإن فارق $5,83 للمهمة الواحدة يتحول سريعًا إلى بند كبير في الميزانية. ولم يعد الانتقاء اليدوي للنموذج بحسب نوع العمل ضروريًا.

لكن هناك تحفظات. ففي المهام شديدة التعقيد من نوع FrontierCode، يظل التشغيل المباشر لـ Claude Code مع Opus 5.5 يعطي حتى الآن أفضل نتيجة. كما أن البيانات مستمدة من مقياس واحد وعلى مجموعة مهام واحدة، وقد تتصرف قاعدة الكود الخاصة بكم بشكل مختلف. وقبل نقل الفريق إلى Fusion، يُستحسن تجربته على المهام النموذجية الخاصة بكم ومقارنة كلفة المهمة المنجزة، لا سعر الرمز الواحد.

ومن اللافت أيضًا أن Fusion يمزج نماذج من مختبرات متنافسة. فالمنافسة تنتقل من النماذج المنفردة إلى طبقة أعلى، هي الأنظمة التي توزع العمل بينها.