GitHub Copilot Fusion: เลือกและประสานโมเดล AI ให้เหมาะกับงานเขียนโปรแกรม

• 1. Fusion ทำอะไรให้เรา
  • เปรียบเทียบกับการเลือกโมเดลแบบอื่น
• 2. รูปแบบการทำงาน 3 แบบ
  • ต่างจากการออกแบบ Multi-Agent อย่างไร
• 3. เลือกระดับ Standard, High หรือ Max
• 4. เริ่มใช้ใน VS Code
  • Prompt เริ่มต้นสำหรับสำรวจโครงการ
  • Prompt สำหรับแก้บั๊กด้วยหลักฐานจากการทดสอบ
• 5. เริ่มใช้ใน Copilot CLI
• 6. Local Model: อีกความสามารถที่ต้องแยกสถานะให้ชัด
• 7. ค่าใช้จ่ายและสิ่งที่ต้องตรวจหลังทำงาน
• เอกสารอ้างอิง

เวลาใช้ AI ช่วยพัฒนาซอฟต์แวร์ เรามักต้องตัดสินใจว่าจะใช้โมเดลใดกับแต่ละงาน งานแก้ข้อความเล็กน้อยอาจต้องการความเร็ว ส่วนงานวิเคราะห์บั๊กหลายไฟล์อาจต้องการการให้เหตุผลและการตรวจทานเพิ่มเติม

GitHub Copilot Fusion ช่วยจัดการการเลือกและการประสานโมเดลระหว่างทำงาน ผู้ใช้ระบุโจทย์และระดับความพยายาม ส่วนระบบตัดสินใจว่าจะใช้โมเดลใดและใช้กระบวนการแบบใด โดย GitHub ประกาศสถานะใช้งานทั่วไป หรือ General Availability เมื่อ 28 ตุลาคม 2026 (พ.ศ. 2569) [1]

#1. Fusion ทำอะไรให้เรา

Fusion เป็นระบบ model routing และ orchestration ในระหว่างรันงาน สามารถเลือกใช้หนึ่งโมเดล หรือประสานหลายโมเดลให้ร่วมกันสร้างคำตอบสุดท้ายได้ [2]

จุดที่เปลี่ยนสำหรับนักพัฒนาคือ เราสามารถเริ่มจากคำถามว่า “งานนี้ต้องการความพยายามระดับใด” แล้วปล่อยให้ระบบจัดการโมเดล แทนการสลับชื่อโมเดลเองทุกขั้นตอน

GitHub ระบุว่า Fusion นำแนวทางจาก Project HydraFusion มารวมกับ auto model selection และเปิดให้ใช้ผ่าน VS Code, Copilot CLI, GitHub Copilot app และ JetBrains IDEs ทั้งนี้สิทธิ์ใช้งานจริงขึ้นกับบัญชีและนโยบายองค์กร [1][2]

#เปรียบเทียบกับการเลือกโมเดลแบบอื่น

ความแตกต่างระหว่าง Auto กับ Fusion ตามเอกสาร VS Code คือ Fusion เพิ่มการประสานหลายโมเดลเข้าไปด้วย [3]

#2. รูปแบบการทำงาน 3 แบบ

GitHub อธิบายรูปแบบหลักไว้ดังนี้ [1][2]

คำอธิบายเปรียบเทียบในคอลัมน์สุดท้ายเป็นภาพจำประกอบการสอน ผู้ใช้ไม่ได้กำหนดลำดับภายในของ Fusion ผ่านข้อความธรรมดาได้แน่นอน

ตัวอย่างเช่น การขอเพิ่ม validation อาจจบด้วยคำตอบเดียว แต่การขอแก้ปัญหาที่เกี่ยวข้องกับหลายไฟล์อาจมีการตรวจทานเพิ่มเติม การเลือก High หรือ Max ไม่ได้รับประกันว่าทุกคำขอจะเรียกหลายโมเดล

#ต่างจากการออกแบบ Multi-Agent อย่างไร

การกำหนด agent วิเคราะห์ requirement, agent เขียนโค้ด และ agent ทดสอบ เป็นการจัดบทบาทและการมอบหมายงาน ส่วน Fusion จัดการการใช้โมเดล เอกสาร GitHub ระบุว่า Fusion ทำงานแยกจาก subagents และไม่ได้เริ่ม subagents ให้เอง [2]

สำหรับการสอน จึงควรแยกสองคำถาม: “ใครรับผิดชอบงานส่วนใด” กับ “แต่ละคำขอใช้โมเดลอย่างไร”

#3. เลือกระดับ Standard, High หรือ Max

ระดับเหล่านี้แสดงเป้าหมายในการจัดสรรความสามารถ ไม่ใช่คะแนนรับประกันความถูกต้อง ตัวอย่างงานในตารางเป็นข้อเสนอเพื่อการเรียนรู้ [2]

#4. เริ่มใช้ใน VS Code

เตรียม VS Code และ Copilot ให้เป็นรุ่นที่รองรับ แล้วลงชื่อเข้าใช้บัญชี GitHub ที่มีสิทธิ์ ขั้นตอนตามเอกสาร VS Code มีดังนี้ [4]

1. เปิด Settings และตรวจสอบ chat.copilot.dynamicAutoTiers.enabled
2. เปิดการตั้งค่านี้หากยังปิดอยู่ การเปลี่ยนค่าจะรีสตาร์ต Copilot runtime หลังคำขอที่ทำงานอยู่เสร็จ
3. เริ่มแชตใหม่โดยใช้ Copilot harness
4. เปิด model picker เลือก Copilot Fusion
5. เลือก Standard, High หรือ Max ตามตัวเลือกที่บัญชีได้รับ

การเปิด setting ไม่ได้เพิ่มสิทธิ์ให้บัญชี หากบริการยังไม่มี Fusion tier ที่บัญชีใช้ได้ อาจเห็น Auto ต่อไป [4]

#Prompt เริ่มต้นสำหรับสำรวจโครงการ

อ่านโครงสร้าง repository และอธิบาย flow ของ request หลัก
ระบุไฟล์ที่เกี่ยวข้องกับ routing, validation และ business logic
อ้างอิงตำแหน่งไฟล์ที่พบจริง
เสนอจุดที่ควรเพิ่ม automated tests พร้อมเหตุผล

#Prompt สำหรับแก้บั๊กด้วยหลักฐานจากการทดสอบ

ปัญหา: API ยอมรับ quantity = 0 ทั้งที่ requirement ระบุว่าต้องเป็นจำนวนเต็มบวก

ช่วยดำเนินการดังนี้:
1. ตรวจสอบ implementation และชุดทดสอบปัจจุบัน
2. เพิ่ม test ที่แสดงปัญหานี้และรันเพื่อยืนยันว่า fail ด้วยเหตุผลที่ตรงโจทย์
3. แก้ implementation ให้ผ่าน test
4. รันทดสอบที่เกี่ยวข้องและ regression tests
5. รายงานไฟล์ที่เปลี่ยน คำสั่งที่รัน และผลที่เกิดขึ้นจริง

เงื่อนไข: รักษา response format เดิม และใช้ test framework ที่โครงการมีอยู่

Prompt นี้กำหนดพฤติกรรมที่ต้องการตรวจสอบ การเลือกโมเดลและรูปแบบภายในยังเป็นหน้าที่ของ Fusion

#5. เริ่มใช้ใน Copilot CLI

เมื่อติดตั้งและยืนยันตัวตนกับ Copilot CLI เรียบร้อยแล้ว เปิด interactive session ด้วย copilot จากนั้นใช้ /model เพื่อเลือก Fusion และระดับที่มีให้ใช้ [5]

copilot

ภายใน interactive session:

/model

สำหรับการระบุจาก command line เอกสารรองรับ --model fusion และ --fusion-tier ซึ่งรับ standard, high หรือ max [5]

copilot --model fusion --fusion-tier standard -p "Explain the request validation flow in this repository."

copilot --model fusion --fusion-tier high -p "Investigate the quantity validation bug, add a reproducing test, implement a fix, and run the relevant tests."

copilot --model fusion --fusion-tier max -p "Compare two refactoring approaches for the pricing module. Explain trade-offs, compatibility risks, and a verification plan."

คำสั่งข้างต้นเป็นตัวอย่างการใช้งานตามรูปแบบเอกสาร ผู้เขียนไม่ได้รันคำสั่งเหล่านี้กับบัญชี Copilot หรือ repository จริงในการจัดทำบทความ

#6. Local Model: อีกความสามารถที่ต้องแยกสถานะให้ชัด

ประกาศวันที่ 28 ตุลาคม 2026 ระบุว่าการเลือกโมเดลในเครื่องอัตโนมัติอยู่ในช่วงทดลองและต้องเปิดใช้งานเอง โดยใช้กับ Fusion Standard และเฉพาะโมเดลที่รองรับ [6]

GitHub Copilot app มีข้อจำกัดเพิ่มเติม: intelligent routing สำหรับ local model ณ วันที่ประกาศรองรับโมเดลที่ Windows ML จัดการให้ ส่วนการเชื่อมโมเดลแบบอื่นกับการเลือกใช้โดยตรงเป็นอีกความสามารถหนึ่ง [6]

ก่อนทำแล็บส่วนนี้ ควรตรวจข้อกำหนดฮาร์ดแวร์และคู่มือของ client ที่ใช้จริง ไม่ควรคาดว่าเครื่องที่รัน local LLM ขนาดเล็กได้จะรันโมเดลเหล่านี้ได้ด้วย

#7. ค่าใช้จ่ายและสิ่งที่ต้องตรวจหลังทำงาน

Fusion คิดค่าใช้โมเดลที่เรียกตามอัตราของแต่ละโมเดล ไม่มีค่าบริการ orchestration แยก แต่ขั้นตอนตรวจทานเพิ่มอาจใช้ AI credits มากขึ้น เอกสารระบุส่วนลดค่าโมเดล 30% สำหรับแผนชำระเงินถึง 30 พฤศจิกายน 2026 ควรตรวจเงื่อนไขปัจจุบันก่อนใช้งานจริง [2][7]

อีกข้อจำกัดที่มีผลต่อการพัฒนาโดยตรงคือ เมื่อระบบทิ้งร่างคำตอบ การแก้ไฟล์ที่ร่างนั้นทำไปแล้วไม่ได้ถูกย้อนกลับอัตโนมัติ [2]

สำหรับกิจกรรมในชั้นเรียน แนะนำให้ผู้เรียนตรวจ git diff เทียบกับ requirement และอ่านผลทดสอบก่อน commit ทุกครั้ง การมีโมเดลช่วยตรวจโค้ดควรตามด้วยหลักฐานจากเครื่องมือที่ตรวจพฤติกรรมซอฟต์แวร์ได้จริง

#เอกสารอ้างอิง

1. GitHub Changelog — Route and orchestrate models with GitHub Copilot Fusion, 28 October 2026.
2. GitHub Docs — About GitHub Copilot Fusion.
3. Visual Studio Code — Understand language models.
4. Visual Studio Code — AI language models in VS Code.
5. GitHub Docs — Choosing a model in GitHub Copilot CLI.
6. GitHub Changelog — GitHub Copilot Fusion now supports selection of local models, 28 October 2026.
7. GitHub Docs — Optimizing your AI usage to maximize efficiency and reduce cost.