GitHub发布Copilot Fusion，多模型自动编排提升编码效率与性价比

GitHub在Universe2026大会上正式发布Copilot Fusion，这是一款智能编排层，可自动路由并组合OpenAI、Anthropic、Google等多家AI模型完成编码任务，无需开发者手动选择模型。该功能整合了既有自动模型选择技术与9月研究预览的Project HydraFusion多模型编排能力。

开发者只需在模型选择器中选用Copilot Fusion，系统将根据任务复杂度自动决定使用单一模型、级联（Cascade）或评审(Critique)等执行模式，并匹配Standard(侧重效率与成本)、High(增强推理)或Max(追求最强能力)三档努力等级，避免简单任务产生不必要开销。

在Artificial Analysis Coding Agent Index评测中，Copilot Fusion Max获得60分，仅比运行Opus5.5Max的Claude Code低2分，但平均API成本约为一半、Token消耗减半、任务完成速度快约40%。该功能已在所有GitHub Copilot计划中全面可用，覆盖Visual Studio Code、CLI、应用及JetBrains IDE，不额外收取编排费用，仅按实际调用模型计费，并提供至2026年11月30日的30%模型费用折扣。企业管理员可控制可用模型并设为默认体验。此外，系统还支持实验性本地模型路由，例如在Windows设备上调用微软MAI Code1.1Flash。

微软同步推出由GitHub团队开发的Copilot harness，已赋能包括Copilot Studio、VS Code在内的多款产品，并通过Microsoft Foundry向开发者开放。多模型智能编排正成为AI编程工具的重要演进方向，有望在性能与成本之间实现更优平衡。

via AI新闻资讯 (author: AI Base)

大晓机器人推出 ACE-Brain-0.6 空间智能 API，七项评测均分反超 GPT-6 Astra

大晓机器人在10月29日端出了自家的具身空间智能接口 ACE-Brain-0.6API，把"看懂空间"的本事直接交到开发者手里。这套接口能调用三种核心能力:认出眼前是什么目标、在三维空间里给目标精准定位、再判断出人和物体可以互动的区域在哪——等于给机器装上一套能理解物理环境的"空间感知神经"。

让这个"大脑"更聪明的，是训练数据的扩容。大晓机器人披露，模型的空间锚定训练数据从约110万条一路喂到了150万条，相当于给它的空间记忆又补了近四成素材。数据垫厚之后，模型在七项公开 Grounding 评测里平均得分爬到了75.41，不仅稳稳站上自己此前的水位，还压过了 OpenAI 的 GPT-6Astra。对一个瞄准具身智能的国产模型来说，能在空间理解这条基础赛道上正面超过前沿旗舰，意味着它离真正指挥机器人看明白、动对地方，又近了一步。

via AI新闻资讯 (author: AI Base)