AI Aulis

AI-UUTISET SUOMEKSI · 18.11.2026

Tekoälyalan tärkeimmät uutiset joka aamu. Tekoäly kirjoittaa ja tarkastaa jutut alkuperäisiä lähteitä vasten – tarkista tärkeät tiedot lähteistä.

32 juttua · seuraava numero huomenna aamulla · Miten lehti tehdään →

← Numero 18.11.2026Lehti

GitHub: Copilot Fusion Max ratkaisi 71,2 % Terminal-Bench 4.1 -tehtävistä

Tekoälyn tuottama sisältöTekoälyn kirjoittama

github.blog, x.com, youtube.com, blogs.windows.com · 7 lähdettä · Lähteet julkaistu: 17.11.2026

GitHubin mukaan malleja tehtäväkohtaisesti valitseva ja yhdistelevä Copilot Fusion Max ratkaisi Terminal-Bench 4.1:ssä 5,4 prosenttiyksikköä enemmän tehtäviä kuin Claude Codella ajetut Opus 5.5 ja Fable 5.2 ja maksoi vähemmän kuin kumpikaan niistä.

Copilot Fusion ei ole uusi malli vaan valinta Copilotin mallivalitsimessa. Käyttäjä ei valitse mallia vaan tason: Standard, High tai Max. Sen jälkeen Fusion päättää jokaisen kehotteen kohdalla, mikä malli työn tekee ja millä päättelytasolla.

GitHubin esittelyvideon tekstityksen mukaan Standard valitsee yhden monipuolisen mallin. Esiversiona se voi olla myös käyttäjän koneella toimiva paikallinen malli. High ja Max voivat lisäksi yhdistellä malleja. Kaskadissa kevyt malli laatii luonnoksen, ja arvioija joko hyväksyy sen tai siirtää työn vahvemmalle mallille. Kritiikissä useat mallit arvioivat luonnosta rinnakkain, ja niiden palautteen perusteella yksi malli korjaa sen. Videon esimerkissä GPT-6.1 Sol toteutti ominaisuuden, GPT-6 Luna tarkisti sen ja Opus 5.5 teki korjaukset.

GitHubin 17. marraskuuta julkaiseman muutoslokin mukaan Fusion Max ratkaisi Terminal-Bench 4.1:n tehtävistä 71,2 %. Vertailutesti mittaa, miten tekoälyagentit selviävät vaikeista komentorivitehtävistä. Sen julkista tulostaulukkoa ylläpitävät Stanford, Harbor ja Laude Institute. GitHub kertoo, että Fusion oli 5,4 prosenttiyksikköä Opus 5.5:n ja Fable 5.2:n edellä. Lisäksi se maksoi 88 % vähemmän kuin Fable 5.2 ja 57 % vähemmän kuin Opus 5.5.

Vertailussa eivät ole vastakkain pelkät mallit. Tulostaulukon jokaisella rivillä on malli ja harness eli agenttia ohjaava ohjelma, joka antaa mallille työkalut ja ajaa sen työvaiheet. GitHubin X-julkaisun kuvan mukaan Fusion ajettiin GitHub Copilotilla, Opus ja Fable taas Claude Codella. Fusion voi itse käyttää esimerkiksi Opus 5.5:tä.

Kuvan taulukossa Fusion ei myöskään ollut halvin. Esimerkiksi Codexilla ajettu GPT-6.1 Sol ja Antigravity CLI:llä ajettu Gemini 4 Carbon maksoivat vähemmän mutta ratkaisivat vähemmän tehtäviä. Taulukko ilmoittaa jokaiselle tulokselle myös epävarmuusvälin, ja Fusionin väli menee hieman päällekkäin Opus 5.5:n ja Fable 5.2:n välien kanssa.

Kyse on siis yhden vertailutestin tuloksesta. Omaa Copilot-kokoonpanoa voi mitata Copilot Evals -työkalulla, jonka GitHub julkaisi samana päivänä julkisena esiversiona. Työkalulla voi laatia toistettavan testin skillille, omalle agentille tai MCP-työkalulle ja verrata tuloksia ennen muutosta ja sen jälkeen. GitHub perustelee työkalua sillä, että tekoälyn tuotos vaihtelee ajosta toiseen eikä yksi onnistunut vastaus siksi vielä osoita muutoksen toimivan. Evals on saatavilla VS Coden laajennuksena, Copilot CLI:n liitännäisenä ja Copilot-sovelluksessa Individual-, Business- ja Enterprise-tilauksille.

Fusionin voi nyt valita github.comin, Visual Studion ja GitHub Mobilen beetasovellusten uusimmissa versioissa. Mobiilisovellusten tuotantoversioihin se tulee pian. Max-tasolle lisättiin Claude Sonnet 5.5, High-tasolle GPT-6.1 Terra ja Standard-tasolle MAI-Code-2. Microsoftin mukaan Fusion voi esiversiona ohjata koodaustöitä paikallisille malleille, kuten MAI Code 1.1 Flashille. Ominaisuus on käytettävissä Copilot-sovelluksessa, CLI:ssä ja VS Codessa NVIDIA RTX Spark- ja AMD Ryzen AI Max -suorittimilla varustetuilla Windows-koneilla. Lisäksi Enterprise Managed Users -tilejä käyttävät GitHub Enterprise Cloud -yritykset voivat välittää Copilotin agenttien toimet Microsoft Agent 365 -palveluun valvottaviksi.

Aiemmin aiheesta

Ilmoita virheestä tässä jutussa