GitHub Copilot のエージェント実行基盤が複数のAIモデルに対応しながら、同等のタスク完了率を維持して少ないトークン消費を実現。

要点

• GitHub Copilot の実行基盤は、20以上のフロンティアモデル（GPT、Claude、Gemini、MAI ファミリー、オープンソースモデル対応）をサポートしながら、複数の標準ベンチマーク（SWE-bench Verified、SWE-bench Pro、SkillsBench など）で同等のタスク完了率を保ちながらトークン消費を減らしていることが明らかになりました。

• 開発者はモデルベンダーの公式ハーネスに比べて、同じ結果をより少ないトークンで達成でき、タスク特性に応じて効率か品質かを選択できるようになります。

3つのポイント

よくある質問

GitHub Copilot のエージェント実行基盤はどのモデルに対応していますか？

20以上のフロンティアモデルに対応しており、GPT、Claude、Gemini、MAI ファミリーのほか、オープンソースやローカルモデルもサポートしています。

従来のモデルベンダーのハーネスと比べて何が違いますか？

GitHub Copilot の実行基盤は、同じモデルとタスクで複数のベンチマークにおいてトークン消費が少ないうえ、複数モデルを柔軟に選択できるマルチモデル設計により、モデルベンダーの単一ハーネスでは提供できないハーネスレベルの機能（例えば Rubber Duck という複数モデル間による相互レビュー機能）が利用できます。

ベンチマークではどのような項目を評価していますか？

SWE-bench Verified（オープンソース Python リポジトリの 500 件のバグ修正タスク）、SWE-bench Pro（複雑な多段階タスク）、SkillsBench（スキル活用能力）、TerminalBench（ターミナルベース作業のパフォーマンス）、Win-Hill（Windows コンテナ内のタスク）など複数の標準およびカスタムベンチマークで評価しています。