Berita viral dari dunia pengembangan perangkat lunak datang lewat GitHub Universe 2026. GitHub resmi membuka GitHub Copilot Fusion untuk semua paket Copilot, sebuah sistem yang memilih dan menggabungkan beberapa model kecerdasan buatan secara otomatis untuk satu tugas. Alih-alih memilih satu model di menu, pengembang kini memilih tingkat usaha dan membiarkan sistem menentukan model mana yang bekerja.
Berita Viral: Satu Tombol untuk Banyak Model AI
Copilot Fusion tersedia di Visual Studio Code, aplikasi GitHub Copilot, Copilot CLI, dan IDE JetBrains. Pengguna tidak lagi memilih model tertentu saat memulai percakapan. Sistem membaca jenis tugas, lalu menentukan apakah cukup satu model atau perlu beberapa model yang saling memeriksa.
GitHub menyebut Fusion sebagai penggabungan dua pendekatan yang sudah diuji sebelumnya. Yang pertama adalah orkestrasi multi model dari Project HydraFusion. Yang kedua adalah pemilihan model otomatis yang sudah dipakai Copilot untuk menyeimbangkan kualitas dan biaya.
Dalam pengujian Artificial Analysis Coding Agent Index, varian Fusion Max mencetak skor 60. Skor itu hanya terpaut dua poin dari Claude Code dengan Opus 5.5 Max. Menurut GitHub, hasil tersebut dicapai dengan biaya API rata-rata sekitar setengah per tugas dan jumlah token sekitar separuh.
Iklan
Paviliun Akademika: punya kost tanpa repot kelola
Paviliun Akademika menghadirkan pilihan investasi kost terkelola di Akademika Townhouse, Gowa. Unit disiapkan untuk disewakan, dengan pengelolaan kawasan yang ditangani pemilik proyek.
Tiga Pola Eksekusi di Balik Layar
Copilot Fusion bekerja dengan tiga pola eksekusi. Pola Single membuat satu model menyelesaikan tugas langsung. Pola Cascade memakai model efisien untuk membuat draf, lalu model penilai memutuskan apakah draf itu diterima atau dieskalasi ke model yang lebih kuat.
Pola Critique melibatkan beberapa model sekaligus. Satu model menyusun jawaban, sementara model lain menilainya secara paralel. Umpan balik itu digabungkan, lalu model awal merevisi jawabannya berdasarkan penilaian tersebut.
Sistem memilih pola untuk setiap perintah, sehingga dua perintah berurutan dalam satu sesi bisa memakai pola berbeda. GitHub menyatakan pemilihan pola hanya menambah latensi kecil. Model tambahan hanya dipanggil bila tugas memang membutuhkan pemeriksaan lebih.
Tingkat Usaha dan Biaya
Pengguna memilih tingkat usaha saat mengaktifkan Fusion. Fusion Standard menekankan keseimbangan biaya, kualitas, dan kecepatan untuk pekerjaan sehari-hari. Fusion High dipakai untuk tugas yang lebih rumit, misalnya memperbaiki bug kompleks atau mengubah beberapa berkas sekaligus.
Fusion Max ditujukan untuk tugas yang menuntut penalaran paling dalam. Ada juga Fusion Fast yang hanya dipakai pada skenario tertentu di inline chat Visual Studio Code dan tidak bisa dipilih pengguna. Semakin tinggi tingkat usaha, semakin besar kemungkinan sistem memakai lebih dari satu model.
Soal tagihan, GitHub menerapkan tarif standar per model yang dipakai. Tidak ada biaya terpisah untuk Copilot Fusion. Pengguna paket berbayar mendapat diskon 30 persen biaya model sampai 30 November 2026, masa perkenalan yang memberi ruang bagi tim untuk menguji biaya sebenarnya.
Kendali Admin dan Kebijakan Model
Administrator perusahaan tetap memegang kendali atas model yang boleh dipakai. Fusion hanya memilih dari model yang diaktifkan dalam kebijakan organisasi atau perusahaan. Admin juga bisa mematikan model tertentu khusus untuk Fusion tanpa mematikan model itu untuk seluruh pengguna.
Pengaturan lain memungkinkan admin menjadikan Fusion sebagai model bawaan pada tingkat usaha tertentu. Fitur itu berguna bagi perusahaan yang ingin menyeragamkan pengalaman pengembang tanpa melarang pilihan lain. Kebijakan data, termasuk persyaratan residensi data dan kepatuhan tertentu, tetap membatasi daftar model yang bisa dipakai.
GitHub juga menyatakan Fusion mempertimbangkan kesehatan sistem secara waktu nyata. Jika satu model sedang sibuk atau bermasalah, sistem bisa mengalihkan permintaan ke model lain. Routing dilakukan pada batas cache dan saat kompleksitas percakapan berubah agar biaya cache tidak membengkak.
Dampak bagi Pengembang Indonesia
Bagi tim pengembang di Indonesia, daya tarik utama Fusion adalah penghematan biaya per tugas. Banyak perusahaan masih menahan anggaran untuk alat bantu koding berbasis kecerdasan buatan karena khawatir tagihan membengkak. Model yang memilih sendiri tingkat usaha dinilai lebih mudah dianggarkan.
Namun penghematan itu perlu diuji dengan data internal. Biaya per tugas bisa berbeda jauh tergantung jenis pekerjaan, ukuran basis kode, dan kebiasaan pengembang. Tim sebaiknya mencatat konsumsi kredit sebelum dan sesudah memakai Fusion agar keputusan lisensi tidak hanya berdasar klaim pemasok.
