40%。2026 年 9 月，GitHub 上超过四成的 pull request，第一稿是 coding agent 写的。3 月这个数字是 17%。

9 月单月就是 1.1 亿个，约等于 3 月的六倍。同一个月，付费 Copilot 用户一共用了 47 个不同的模型，没有哪个的请求量超过 25%。

10 月 28 日，GitHub Universe 第一天，Copilot 的模型下拉框被拿掉了。换成一档叫 Fusion 的选项——你只选努力级别，用哪个模型交给它。

这件事容易被读成「GitHub 帮你省钱了」。真正变的是另一件：模型选择从一个开发者的个人习惯，变成一个组织的策略对象。

• 一万亿参数的权重放出来了：Mistral Large 4 落地 Hugging Face，Terminal-Bench 4.0 从 28.3% 提到 41%，每百万输入 0.7 美元，许可证多了一条 MaaS 例外。
• 英伟达把转录做成一个模型干四件事：Nemotron 3.5 Transcribe 34B 总参、4.3B 激活，40 种语言，最多分 8 个说话人，英语组词错误率 5.33% 排开放权重第一。
• agent 写的测试 82.8% 能跑通，33.8% 才真能抓 bug：Req2Test-Bench 把「测试够不够充分」单独量了一遍。
• 机器人皮肤开始用织的：威海矩侨把压阻结构拆到纤维层面织成传感网，蚂蚁领投亿元 A 轮。

三个数字，一个下拉框

Fusion 不是一个模型，是一个系统：对每个 prompt，它自己决定用哪个模型、用几个、怎么配合。你只剩一个旋钮——努力级别，Standard、High、Max。

底下有三种执行方式。Single，一个模型直接把活干完；Cascade，便宜模型先起草，一道质量检查决定是收下还是升级给更强的模型；Critique，一个模型起草，另一个只读复核，第一个再改。

三个名字对应三种完全不同的账单。

项	内容
档位	Standard 日常编码；High 难题与深推理；Max 最吃能力的任务
执行方式	Single 单模型；Cascade 起草后判定升级；Critique 起草、互评、再改
客户端	VS Code、Copilot 应用、Copilot CLI、JetBrains
计费	按用到的每个模型的标准价，编排本身不另收费
管理员	决定模型池、可单独禁用某个模型、可设为默认

GitHub 给的成绩单只有一组：Artificial Analysis 的 Coding Agent Index，Fusion Max 拿 60 分，比 Claude Code 配 Opus 5.5 Max 低两分；每任务平均 API 成本大约是它的一半，token 大约一半，时间少约 40%。

「两分」和「一半」的比值才是重点。60 和 62 落在同一个噪声带里，两分说明不了谁更强；成本翻倍不落在噪声里。

便宜的不是模型，是分母

要理解价格怎么掉下来，得回到 Octoverse 那两个数：47 个模型、没有一个超过 25% 的请求。

这是长尾分布。真实负载里，大部分请求是读一个文件、改一个函数、补一段测试——中档模型就能过；少部分是跨仓库重构、啃一个悬了很久的 bug——才需要最贵的档。人做不到按任务切模型，因为切模型有成本：你得先判断这活难不难，判断错了还得重来。

路由就是把这道判断题自动化，还允许在同一任务内部换人。Cascade 的收益来自「大部分草稿是对的」：便宜模型写完，检查通过就结束。它的成本结构是 低单价 × 停在第一档的大多数 + 高单价 × 被升级的少数。

所以「成本减半」不能直接抄进你的账。它是相对最贵配置的一半——Claude Code 配 Opus 5.5 Max，是货架上最贵的组合。你本来就用中档模型的话，Fusion 未必更便宜；它接管的是「你有没有用错档」。

还有一条数据值得单独看：两周内合并的 agent PR 从 2 月的 83% 升到 9 月的 90%，同期没有 agent 参与的稳定在 86%。agent 起草的东西并不比人起草的更难合进去——这比分数更能解释路由为什么值得做。

我的判断

这不是省钱功能，是把模型选择变成一次不可见的系统行为。

以前成本可控，是因为变量少：团队批了三个模型，单价和用量都在明面上，乘一下就是预算。现在变量变成路由策略——什么任务升级、升级几次、Critique 什么时候触发。这三件事没有一件写在公开文档里。

更麻烦的是可复现性。同一个 prompt 跑两次，可能一次走 Single、一次走 Cascade 加一次升级；同样的失败，可能来自不同的模型。手里只剩一个总分，出问题没有链路可回放。

所以该向厂商要的东西变了。不是更便宜的 token，是「这一次调用走了哪条链路」——哪几个模型、谁起草、谁复核、升级了几次。没有这条记录，账单无法解释，事故无法复现，你也分不清钱花在升级上还是长上下文上。

这条判断有个推论可以验证：如果成本优势主要来自「少用贵模型」，那把 Standard 强制设成默认的组织，省下的钱该明显多于让员工自选的组。GitHub 没公布这个对照，但管理员手里有那个开关——这是唯一能在自己账上做的实验。

泼一盆冷水

只公布了 Max 一档。 Standard 和 High 是日常绝大多数请求走的两档，成本和质量都没有对外数据。拿 Max 的半价去推整条产品线的半价，是把最好看的一档当成了平均值。

对照组是最贵配置。 「一半成本」是相对 Claude Code 加 Opus 5.5 Max 算的。你自己的基线如果是中档，这个折半跟你没关系。

计费按每个被调用模型的标准价。 Critique 至少两个模型，Cascade 升级要再跑一次，一条难任务被计费三四次很正常。账单随难度浮动，而难度分布只有厂商看得见。

折扣期做的对比天然偏向新功能。 付费计划有 30% 的模型费用折扣，官方只写「限时」，没说结束日。

「快 40%」是墙钟时间。 changelog 没说含不含排队、限流、重试，也没按任务类型拆。一个被升级过两次的任务快在哪里，读的人无从判断。

怎么用

一，先跑一周 Standard，只记一个数：升级次数。这是账单里最不可预测的变量，也是唯一能跟厂商对账的东西。

二，预算按「每任务成本」立，别按百万 token 单价。同时要求可导出每次调用的模型链路——这一条比折扣值钱得多。

三，把 Fusion 设默认、把 Max 当例外。反过来用只会更贵，Max 本来就是最强模型的入口。

四，别在折扣期做选型对比。要么等它结束，要么拿标准价把账重算一遍再决定。

其他动态

Mistral Large 4：权重落地，许可证多了一条

10 月 29 日，Mistral 把 Mistral Large 4（代号 Le Chonk）的权重放到 Hugging Face，模型卡名 Mistral-Large-4-1T-A52B：约 1 万亿总参数，每 token 激活 520 亿（含 embedding 与输出层），1M 上下文，官方给 FP8 与 NVFP4 两种精度。成绩单是 Terminal-Bench 4.0 从 10 月 6 日预览版的 28.3% 提到 41%，输出 token 还少了 30%；Artificial Analysis 编码 agent 指数 48%，与 GLM-5.3 持平，每任务 token 少 47%；Cognition 的私有基准 FrontierCode 2.0 上 19.7%，排开源第一。

许可证是修改版 MIT，叫 Mistral Ecosystem Open-Weight：可商用、可微调、可改，唯一例外是「经营模型即服务」的公司要单独申请商业许可。官方没说包一层 SaaS 算不算。

值得关注的原因：许可证第一次把「自用」和「转售」切开了。1T 级模型标到 0.7 美元，等于说「数据不出机房」不再等于「性能要打折」；但把别人的模型包成计费接口卖的人，从下载决策变成了采购决策。冷水也要泼：同一家的 AA 智能指数 v5 上它只有 26 分，是西方开源最高、全部开源第五，前面还是中国模型；Cyber Index 51%，低于 DeepSeek V4.1-Flash 的 57%。「编码最强」只在它自己挑的图上成立。

英伟达 Nemotron 3.5 Transcribe：把「谁在说话」当主指标

10 月 28 日，英伟达发布开放权重语音模型 Nemotron 3.5 Transcribe：MoE 架构，34B 总参、4.3B 激活，最长处理一小时录音，40 种语言转录，其中 31 种可与英语互译，最多区分 8 个说话人。公开评测：Hugging Face 开放 ASR 榜英语组平均词错误率 5.33%，开放权重第一；Artificial Analysis 非流式 WER 指数 2.8%，并列开源第一；David AI 的 21 语言说话人分离基准错误率 18.26%。同批放出 Granary v2 数据管线：463,062 小时音频、48 种语言。许可证 OpenMDW-1.1。局限写在明处：只支持录制音频，不支持实时流。

值得关注的原因：识别字已经接近饱和，会议纪要真正贵的是归属。官方演示拿 1940 年《女友礼拜五》那种叠话对白做测试，指向的正是这一步。多说话人的错误率过去一直被平均值藏起来，现在有了一个能单独比的数——做会议、课堂转录的团队终于可以按自己的场景挑模型，而不是看一个漂亮的总体 WER。

Req2Test-Bench：82.8% 能跑通，33.8% 真能抓 bug

10 月 27 日提交的 arXiv 论文（2610.36584）发布 Req2Test-Bench：从 8 个开源项目的 BDD 资产里回收 5,086 个执行验证过的实例，覆盖 5 种语言、4 个框架。任务只给 Gherkin 写的自然语言需求和目标接口，不给实现，要求 agent 生成完整、可能跨多文件的测试。衡量标准不是跑不跑得通，是 kill-completeness——生成的测试必须杀掉标准答案测试能杀掉的每一个变异体。8 种配置里，最好的 Codex 配 DeepSeek-V4.1-Flash 让 82.8% 的实例跑通，但只有 33.8% 达到行为充分。作者还发现：继续加 agent 数量，收益迅速递减；主因是需求写得不够具体，前置条件含糊、预期结果没写全。

值得关注的原因：这个基准量的是「测试够不够」，不是「测试过不过」。agent 起草的 PR 已占四成，测试是最后一道还能拦住它的闸门；如果闸门本身只有三分之一有效，「测试全绿」这个信号的含金量就要重估。可以当天做的一步：给 agent 生成的测试加一道变异测试门槛，先在小模块上试，记下「能杀掉的变异体 / 标准测试能杀掉的变异体」这个比值。

矩侨工业：把触觉织进布里

10 月 29 日，威海的矩侨工业宣布完成亿元 A 轮，蚂蚁集团领投。它做「织物电子皮肤」：别人把传感器做成芯片、贴成薄膜，它把导电和压阻结构拆到纤维层面，直接织成传感网。触觉手套左右手各几百个传感点，最小点间距 2 毫米，最小触发力 0.01 牛；威海自有产线从喷丝到织造一条龙，良率超过 95%，一天内能打样。据公开报道，2026 年前七个月国内人形机器人传感器领域 15 起融资、合计 31 亿元。

值得关注的原因：触觉是眼下唯一没法从互联网上白嫖的模态——文字喂出了大模型，视频喂出了机器人的视觉，但一个鸡蛋被捏住时的力度与滑移，网上没有现成语料。所以这笔钱投的不是传感器，是数据入口。判断一家触觉公司，看它有没有自己的产线，比看它有多少个传感点更有用。

顺带一提

• IDC：2026 年上半年中国数据中心 AI 加速器出货约 200.8 万颗，英伟达份额降到 34%，华为昇腾 57.2 万颗、约 28%；非 GPU 加速器 101.6 万颗，首次超过 GPU 的 99.1 万颗。推理侧算的是并发与延迟，不是峰值算力。
• OpenAI 更新 Model Spec（2026.10.29）：提出 ScopeOfAutonomy 结构，要求写明允许的工具、成本上限、停止条件；明确模型不得自我保全、不得逃避关机。
• 智元被曝启动新一轮 10 亿至 15 亿元融资，投后估值约 500 亿元，港股 IPO 可能推到明年 2 月底之后；按 2025 年 10.5 亿元营收算约 48 倍市销率。

参考资料

• GitHub Changelog：Route and orchestrate models with GitHub Copilot Fusion，2026-10-28
• GitHub Octoverse 2026 报告（在 Universe 2026 发布），2026-10-28
• Artificial Analysis Coding Agent Index v2.0（GitHub 引用），2026-10-28
• Mistral 官方发布：Mistral Large 4 (Le Chonk) is now open weight，2026-10-29
• NVIDIA 官方博客、IT 之家：Nemotron 3.5 Transcribe 与 Granary v2 发布，2026-10-28
• arXiv:2610.36584：Benchmarking LLM Agents for Behaviorally Adequate Test Generation from Software Requirements，2026-10-27
• 具身涌现、OFweek：矩侨工业亿元 A 轮融资，2026-10-29
• IDC 中国 AI 加速器市场跟踪报告（经媒体转述），2026-10
• OpenAI 官方博客：An updated Model Spec for more capable and beneficial AI，2026-10-29
• 南方都市报：智元创新新一轮融资与 IPO 进度，2026-10-29

微信公众号

欢迎关注「字与码」

如果这篇文章对你有用，也欢迎在微信里继续关注后续更新。

X

X / Twitter

关注 @ax2_zicode

更即时的技术观察、新文章提醒和一些短想法会发在 X 上。