GitHub Copilot Fusion custa metade do Claude Code e fica 2 pontos atrás

O GitHub adicionou ao Copilot o modo Fusion. Trata-se de um sistema que, em tempo de execução, decide qual modelo vai cuidar de cada tarefa: um da linha da Anthropic ou um da linha da OpenAI. O Artificial Analysis, laboratório independente que compara modelos de IA e agentes com regras unificadas, avaliou o Fusion no seu Coding Agent Index v2.

0. O índice calcula a média de três benchmarks com o mesmo peso e testa não os modelos isolados, mas combinações prontas de "agente mais modelo". O resultado: o Fusion fez 2 pontos a menos que o Claude Code com Claude Opus 5.

5, mas custou metade do preço. Uma tarefa saiu por $5,59, contra $11,42 do Claude Code com Opus 5.5 no modo max.

Como o Fusion escolhe quem vai escrever o código

O GitHub descreve o Fusion como um sistema de orquestração em tempo real. Ele seleciona e coordena modelos de acordo com a tarefa, equilibrando qualidade, preço e latência. Uma alteração complexa em um repositório grande pode ir para um modelo de ponta, enquanto uma tarefa rotineira vai para um modelo mais barato. O usuário não escolhe o modelo manualmente.

O pool tem quatro modelos:

• Claude Opus 5.5 — modelo topo de linha da Anthropic; • Claude Sonnet 5.5 — modelo mais leve e mais barato da Anthropic; • GPT-6 Astra — modelo da OpenAI; • GPT-6 Sol — outro modelo da OpenAI.

O valor é cobrado conforme as tarifas dos modelos que de fato executaram a requisição. Nos dados do Artificial Analysis, não há cobrança adicional pela orquestração. O teste rodou no modo max, pelo GitHub Copilot CLI, a versão de linha de comando.

Onde o Fusion lidera e onde fica atrás

O índice reúne três medições. Veja o desempenho do Fusion em cada uma:

• Terminal-Bench 4.0 — tarefas que o agente resolve na linha de comando. O Fusion fez 71 pontos e assumiu o primeiro lugar, por uma margem pequena sobre os demais. • FrontierCode — problemas difíceis de programação. O Fusion fez 51 pontos e ficou em terceiro. À frente estão o Claude Code com Opus 5.5 (max), com 56 pontos, e o Devin Fusion, na combinação Opus 5.5 (max) + GPT-6 Luna (high), com 54. • SWE-Atlas-QnA-AA — bloco de perguntas e respostas sobre código. Aqui são 57 pontos, e o Fusion ficou entre o GPT-6 Astra no Codex e o Gemini 4 Argon no Antigravity CLI.

A média simples dos três números dá cerca de 60, o que é coerente com a diferença de 2 pontos para o líder. Onde o Fusion mais perde é nas tarefas mais difíceis do FrontierCode: ali, a distância para o Claude Code chega a 5 pontos. Na linha de comando, o sistema o supera.

Por que custa metade: tokens e preço

O preço de uma tarefa depende do volume de tokens (os pedaços de texto que o modelo lê e escreve) e da tarifa de cada um. O Fusion leva vantagem nos dois fatores. Ele gasta 7,2 milhões de tokens por tarefa, cerca de metade do consumo do Claude Code com Opus 5.5 e 30% menos que o Devin Fusion na combinação Opus 5.5 (max) + GPT-6 Luna (high). Parte do trabalho vai para modelos baratos, e o caro Opus entra em ação com menos frequência.

Comparação de preços:

• Copilot Fusion no GitHub Copilot — $5,59 por tarefa; • Devin Fusion (Opus 5.5 max + GPT-6 Luna high) — $8,00 e 62 pontos no índice; • Claude Code com Opus 5.5 (max) — $11,42.

O Fusion custa cerca de 30% menos que o Devin Fusion e metade do Claude Code. Os 2 pontos a menos em relação ao líder e os 5 pontos a menos no FrontierCode são um preço razoável a pagar.

O que isso muda para as equipes

Para a maioria das equipes de desenvolvimento, é um argumento forte a favor da seleção automática de modelos. Se o agente resolve centenas de tarefas por dia, a diferença de $5,83 por tarefa rapidamente vira uma linha relevante no orçamento. Escolher manualmente o modelo para cada tipo de trabalho deixa de ser necessário.

Há ressalvas. Para tarefas muito complexas, no estilo do FrontierCode, rodar o Claude Code diretamente com Opus 5.5 ainda entrega o melhor resultado. Os dados vêm de um único índice, com um único conjunto de tarefas, e a sua própria base de código pode se comportar de outro jeito. Antes de migrar a equipe, vale rodar o Fusion nas suas tarefas típicas e comparar o custo por tarefa resolvida, não o preço por token.

Outro ponto relevante é que o Fusion mistura modelos de laboratórios concorrentes. A competição sobe de nível: sai dos modelos individuais e passa para os sistemas que distribuem o trabalho entre eles.