多模型选型实战：29 个模型怎么选，Auto 还是手动指定？

为什么现在有 29 个模型

GitHub Copilot 刚发布时，底层只有 OpenAI 的 Codex。2024 年 10 月开始陆续引入 Anthropic、Google 等厂商的模型，到 2026 年官方模型列表已经扩展到 29 个，覆盖 OpenAI GPT-5/6 系列、Anthropic Claude 全家、Google Gemini、xAI Grok、月之暗面 Kimi、阿里 Qwen、微软 MAI-Code。

这么多选择，不是为了让你纠结——而是因为不同任务有最合适的"专家"。

模型速查表（按任务分类）

以下信息来自 GitHub 官方 AI 模型对比文档：

另外两个特殊选项：

• Auto：Copilot 根据你的问题自动选模型，适合"懒人"日常用
• Copilot Fusion：你选难度级别，Copilot 同时选模型 + 执行策略，适合复杂 Agent 任务

怎么切换模型

VS Code

1. 打开 Copilot Chat 面板（Ctrl+Alt+I）
2. 对话框底部找到当前模型名称下拉框，点击
3. 从列表里选你要用的模型

┌─────────────────────────────────────────────┐
│  Copilot Chat                                │
│                                              │
│  ...                                         │
│                                              │
│  > [Claude Sonnet 5.5 ▼]  Send              │
└─────────────────────────────────────────────┘

注意：切换 Chat 模型不影响代码补全（Ghost Text），补全有自己独立的模型设置。

JetBrains

1. 点击状态栏右下角的 Copilot 图标
2. 选择 Open GitHub Copilot Chat
3. 右下角有模型下拉菜单

JetBrains 对推理模型还有额外选项：可以设置 thinking effort（低/中/高），控制模型"思考"时间，高 effort 更准但更慢。

团队成员没法切换？

组织账号的 Copilot Business 用户需要管理员开放权限。管理员在 GitHub Organization Settings → Copilot → Policies 里启用 "Allow members to change AI models" 即可。

实战：同一问题用 3 个模型对比

场景：你有一个递归函数，在数据量大时内存溢出，需要优化。

def find_all_paths(graph, start, end, path=[]):
    path = path + [start]
    if start == end:
        return [path]
    if start not in graph:
        return []
    paths = []
    for node in graph[start]:
        if node not in path:
            new_paths = find_all_paths(graph, node, end, path)
            paths.extend(new_paths)
    return paths

用 Claude Haiku 5.5 问（快，适合先摸清问题）：

这个递归函数会内存溢出，快速分析一下原因？

→ 10 秒内给出：path = path + [start] 每次创建新列表，路径多时内存爆炸，建议用迭代 + 生成器。

用 Claude Opus 5.5 问（深度推理）：

#selection 分析这段代码的性能瓶颈，给出迭代版本和内存复杂度对比分析

→ 给出完整迭代实现 + 空间复杂度分析 + BFS/DFS 对比，适合写进文档。

用 Claude Fable 5.1 做 Agent 任务：

这个项目里所有调用了 find_all_paths 的地方都换成你写的迭代版，
改完跑一下 pytest 确认没有回归

→ 自动扫描调用点、批量替换、验证测试——这是 Haiku/Opus 单次问答做不到的。

什么时候用 Auto

简单规则：

• 不确定选哪个 → 用 Auto，省心
• 知道任务类型 → 手动选，准确且不浪费 credits
• 跑长任务 Agent → 手动选 Fable 5.1 或 GPT-6 Astra，Auto 偶尔会选轻量模型导致任务失败

Credits 消耗提示

不同模型消耗 AI credits 的速率不同，官方文档的原话是：

"Different models consume AI credits at different rates based on their token pricing."

具体费率见 GitHub 的 Models and pricing 页面。经验规则：

• Luna 系列（快速/轻量）< Terra / Sol 系列 < Opus / Fable 等重型推理模型
• 免费用户的 50 条/月额度和 Pro 的 unlimited 策略只计 premium request 次数，不单独算 credits——具体看你当前的计划
• 拿不准就选 Auto，让 Copilot 帮你平衡效果和成本