GitHub ha afegit tres nivells configurables a la selecció de models automàtics de Copilot, oferint a les organitzacions una nova manera d'influir en com l'assistent de codificació compensa el cost, la qualitat i el temps de resposta per a cada sol·licitud.

El canvi, anunciat el 14 de setembre de 2026, introdueix paràmetres d'eficiència, equilibri i intel·ligència per al selector automàtic de models de Copilot. Els tres nivells utilitzen el mateix conjunt de models disponibles, però canvien com Copilot valora les prioritats en competència a l'hora de decidir quin model ha de gestionar una sol·licitud. La funció s'està implementant a Visual Studio Code, Copilot CLI i l'aplicació GitHub Copilot.

Per als equips d'enginyeria empresarial, el punt important no és simplement que Copilot pugui triar un model automàticament. És que l'elecció ara té una superfície de política orientada a l'administrador. En lloc de demanar a tots els desenvolupadors que entenguin quin model és més barat, més ràpid o més fort per a una tasca de codificació determinada, els equips poden establir una postura predeterminada que s'ajusti millor a les seves prioritats operatives.

El que ha canviat a la selecció automàtica de models de Copilot

La selecció de models automàtics de Copilot ja va avaluar les sol·licituds i les va dirigir a un model del conjunt compatible amb GitHub. Els nous nivells afegeixen un control de nivell superior sobre aquest comportament d'encaminament.

El nivell d'eficiència pretén afavorir respostes més ràpides i de menor cost. El nivell d'equilibri es troba entre el cost i la qualitat. El nivell d'intel·ligència dóna més pes al rendiment del model més fort quan Copilot avalua quin model ha de respondre. GitHub diu que el conjunt de models disponible és el mateix a tots els nivells, de manera que la configuració no és una simple llista de models barats o premium. És un senyal de política que influeix en el procés de selecció.

L'ús encara es factura en funció del model realment seleccionat per auto. Els subscriptors de pagament continuen rebent un descompte del 10% en l'ús facturat a través del camí de selecció automàtica del model. Això vol dir que la configuració del nivell pot afectar la despesa indirectament, però no substitueix la necessitat d'inspeccionar quins models s'utilitzen i amb quina freqüència.

El llançament també és important perquè toca diverses superfícies del desenvolupador alhora. Visual Studio Code cobreix el flux de treball de l'IDE principal. Copilot CLI incorpora el comportament al desenvolupament basat en terminal. L'aplicació GitHub Copilot l'estén a una altra interfície on el treball com a agent i d'estil de xat pot tenir lloc fora de l'editor.

Per què això és important per als equips d'enginyeria i finances

La majoria de les organitzacions que adopten eines de codificació d'IA han anat més enllà de la qüestió de si els desenvolupadors les utilitzaran. El problema més difícil és com gestionar l'ús quan es combinen diversos models, tarifes de facturació, tipus de tasques i fluxos de treball de desenvolupadors en una experiència de producte.

L'elecció manual del model ofereix control als usuaris experts, però no s'escala clarament a les grans organitzacions d'enginyeria. Molts desenvolupadors no coneixeran el cost marginal o les diferències de capacitat entre els models disponibles i no haurien de prendre decisions de grau d'adquisició durant el treball rutinari de codificació. La selecció automàtica redueix aquesta càrrega, però també pot fer que els costos semblin opacs si els administradors no poden veure ni donar forma a la lògica d'encaminament.

Els nous nivells són una capa mitjana. No exposen l'algoritme complet de selecció del model i no garanteixen que una indicació determinada vagi a un model concret. Però donen als líders un control més pràctic que dir-li a cada desenvolupador que escolliu models més barats a mà.

Això està estretament relacionat amb el control de costos de l'API AI, tot i que Copilot s'empaqueta com una eina de desenvolupament en lloc d'una API de model brut. El problema de govern subjacent és el mateix: les organitzacions han de decidir quan es justifica un model més car, quan un model més barat és prou bo i com es mostren aquestes opcions als pressupostos.

Qui es veu afectat

El públic més directe són les organitzacions d'enginyeria que utilitzen GitHub Copilot Business o Enterprise amb una exposició de facturació basada en l'ús. Els equips que ja revisen el consum de Copilot, estableixin pressupostos o restringeixen els models disponibles hauran d'avaluar com s'adapta la nova configuració a la seva política existent.

És possible que els equips d'enginyeria de plataformes també hagin d'actualitzar la guia interna. Si se'ls ha dit als desenvolupadors que escollissin models específics per a la revisió del codi, la refactorització, les proves o el treball agent, els nous nivells automàtics podrien canviar el valor predeterminat recomanat. Una organització pot decidir que la majoria dels desenvolupadors haurien d'utilitzar l'equilibri, que els equips de gran volum haurien de començar amb eficiència o que determinats grups que treballen en migracions complexes haurien d'utilitzar intel·ligència.

Els equips de finances i adquisicions es veuen afectats perquè la factura encara depèn del model seleccionat. Una política anomenada eficiència no s'ha de tractar com un límit de despesa dur. És una preferència d'encaminament.Les organitzacions encara necessitaran informes que connectin la despesa amb equips, usuaris, fluxos de treball i models seleccionats.

Els equips de seguretat i govern tenen un interès més restringit però real. Si les polítiques del model difereixen segons el proveïdor, la regió, els termes de gestió de dades o l'estat d'aprovació interna, la selecció automàtica del model ha de funcionar dins d'aquestes limitacions. L'anunci de GitHub diu que s'utilitza el mateix conjunt de models disponible en diferents nivells, de manera que els administradors haurien de verificar que les polítiques d'habilitació de models reflecteixen el que l'organització està realment disposada a utilitzar.

Conseqüències pràctiques per als desenvolupadors

Per als desenvolupadors individuals, el millor resultat és menys interrupcions. Un desenvolupador pot demanar ajuda a Copilot i el sistema pot triar un model alineat amb l'equilibri preferit de cost i capacitat de l'organització. Això pot ser especialment útil per a l'autocompletació rutinària, petites explicacions, suggeriments de proves i assistència de línia d'ordres, on pot ser que no sigui necessari pagar pel model més fort cada vegada.

La compensació és que el comportament pot ser menys previsible a nivell de model. Es poden encaminar de manera diferent dues indicacions que semblen semblants a un usuari i el mateix flux de treball podria produir característiques de cost i latència diferents a mesura que GitHub actualitza el conjunt de models o la lògica de selecció disponible. És possible que els equips que necessiten proves deterministes, comparacions de referència o documentació estricta del model poden preferir l'opció explícita del model per a alguns fluxos de treball.

Els administradors haurien de tractar el llançament com una revisió de polítiques en lloc d'una actualització passiva del producte. Els primers passos útils inclouen comprovar quines superfícies Copilot estan habilitades, confirmar les polítiques de model predeterminades, revisar com es configura la facturació basada en l'ús i decidir si els diferents equips necessiten una guia diferent. Els equips amb analítiques d'ús d'IA madurs haurien de vigilar si els nous nivells destinen la despesa cap a menys trucades premium, més ús total o comportament diferent per equip.

La incertesa més gran és la transparència. GitHub no ha publicat tots els detalls sobre com Copilot avalua cada sol·licitud o com la configuració del nivell canvia la probabilitat d'escollir un model sobre un altre. Això limita amb quina precisió les empreses poden preveure els canvis de costos o de qualitat abans de provar la funció al seu propi entorn.

Tot i així, la direcció és clara. Els assistents de codificació s'estan convertint en sistemes multimodel amb controls de polítiques, no subscripcions d'un sol model. Per a les empreses que estandarditzen eines de desenvolupament d'IA, la pregunta operativa passa de "quin model és el millor?" a "quina política d'encaminament és adequada per a aquest treball, aquest equip i aquest pressupost?"