GitHub Copilot Fusion cuesta la mitad que Claude Code, con 2 puntos de desventaja

GitHub ha añadido a Copilot el modo Fusion. Es un sistema que, en pleno funcionamiento, decide por sí solo qué modelo se encargará de la tarea: uno de la gama de Anthropic o uno de la de OpenAI. Artificial Analysis, un laboratorio independiente que compara modelos de IA y agentes con reglas uniformes, evaluó Fusion en su Coding Agent Index v2.

0. El índice calcula la media de tres benchmarks con el mismo peso y no prueba modelos "desnudos", sino combinaciones listas para usar de agente más modelo. Resultado: Fusion obtuvo 2 puntos menos que Claude Code con Claude Opus 5.

5, pero costó la mitad. Una tarea salió por $5,59, frente a $11,42 de Claude Code con Opus 5.5 en modo max.

Cómo elige Fusion quién escribe el código

GitHub describe Fusion como un sistema de orquestación en tiempo real. Selecciona y coordina modelos para cada tarea concreta y equilibra calidad, precio y latencia. Una modificación compleja en un repositorio grande puede ir a un modelo de primer nivel, mientras que una tarea rutinaria y menor puede ir a uno más barato. El usuario no elige el modelo manualmente.

El conjunto incluye cuatro modelos:

• Claude Opus 5.5: el modelo superior de Anthropic; • Claude Sonnet 5.5: un modelo de Anthropic más ligero y barato; • GPT-6 Astra: un modelo de OpenAI; • GPT-6 Sol: otro modelo de OpenAI.

El dinero se descuenta según las tarifas de los modelos que realmente ejecutaron la solicitud. En los datos de Artificial Analysis no consta un recargo aparte por la orquestación. La prueba se realizó en modo max a través de GitHub Copilot CLI, la versión de consola.

Dónde Fusion va por delante y dónde se queda atrás

El índice se compone de tres mediciones. Este fue el rendimiento de Fusion en cada una:

• Terminal-Bench 4.0: tareas que el agente resuelve en la línea de comandos. Fusion obtuvo 71 puntos y alcanzó el primer puesto, con una ligera ventaja sobre el resto. • FrontierCode: tareas de programación difíciles. Fusion sacó 51 y quedó tercero. Por delante están Claude Code con Opus 5.5 (max), con 56 puntos, y Devin Fusion, con la combinación Opus 5.5 (max) + GPT-6 Luna (high), con 54. • SWE-Atlas-QnA-AA: un bloque de preguntas y respuestas sobre código. Aquí Fusion logró 57 puntos y quedó entre GPT-6 Astra en Codex y Gemini 4 Argon en Antigravity CLI.

Si se promedian las tres cifras, el resultado ronda los 60. Es coherente con los 2 puntos de desventaja respecto al líder. Fusion cede más terreno en las tareas más difíciles de FrontierCode: ahí la brecha con Claude Code llega a 5 puntos. En la línea de comandos, en cambio, lo supera.

Por qué cuesta la mitad: tokens y precio

El precio de una tarea depende del volumen de tokens (fragmentos de texto que el modelo lee y escribe) y de la tarifa de cada uno. En Fusion son menores ambos factores. Gasta 7,2 millones de tokens por tarea. Es aproximadamente la mitad del consumo de Claude Code con Opus 5.5 y un 30% menos que Devin Fusion con la combinación Opus 5.5 (max) + GPT-6 Luna (high). Parte del trabajo recae en modelos baratos y el costoso Opus entra en juego con menos frecuencia.

Comparación de precios:

• Copilot Fusion en GitHub Copilot: $5,59 por tarea; • Devin Fusion (Opus 5.5 max + GPT-6 Luna high): $8,00 y 62 puntos en el índice; • Claude Code con Opus 5.5 (max): $11,42.

Fusion es aproximadamente un 30% más barato que Devin Fusion y la mitad de caro que Claude Code. Perder 2 puntos respecto al líder y 5 puntos en FrontierCode parece un precio razonable.

Qué cambia para los equipos

Para la mayoría de los equipos de desarrollo, es un argumento de peso a favor de la selección automática de modelos. Si un agente resuelve cientos de tareas al día, la diferencia de $5,83 por tarea se convierte rápidamente en una partida importante del presupuesto. Ya no es imprescindible elegir a mano un modelo para cada tipo de trabajo.

Hay también salvedades. Para tareas extremadamente complejas, del tipo de FrontierCode, lanzar Claude Code directamente con Opus 5.5 sigue dando por ahora el mejor resultado. Los datos proceden de un solo índice y de un solo conjunto de tareas, y la base de código de cada equipo puede comportarse de otra manera. Antes de migrar a un equipo, conviene ejecutar Fusion con sus propias tareas habituales y comparar el coste de una tarea resuelta, no el precio por token.

También es significativo que Fusion mezcle modelos de laboratorios competidores. La competencia se desplaza de los modelos individuales a una capa superior: los sistemas que reparten el trabajo entre ellos.