GitHub、Copilot自動モデル選択に3段階設定を導入

結論：プロンプトごとの最適モデル選定に「コスト」「バランス」「品質」の3階層ポリシーを新設

米GitHubは現地時間2026年9月14日、公式チェンジログにおいて、GitHub Copilot（GitHubが提供するAIペアプログラミング支援ツール） の自動モデル選択（Auto Model Selection）機能に、開発者がコスト・品質・応答速度の優先度を指定できる「3段階の階層設定（tiers）」を導入したと発表しました。

これまでの自動モデル選択はバックエンド側で一律の基準により行われていましたが、今回の機能拡張により、ユーザーは自身のプロジェクトの要件や予算方針に合わせて「効率（efficiency）」「バランス（balance）」「高知能（intelligence）」の3つから動作モードを選択できるようになります。本機能はVisual Studio Code、Copilot CLI、およびGitHub Copilotアプリ向けに順次ロールアウトされています。

確認済みの事実：3つの階層定義と動的モデルルーティング

GitHubの公式発表で公表された仕様と動作挙動は以下の通りです。

3つの階層（tiers）の特性

自動モデル選択で選択可能になった3階層の役割は以下のように定義されています。

• Efficiency（効率重視）​: コストを抑えることを最優先とし、迅速で単純なコード補完や定型作業に適しています。
• Balance（バランス重視）​: コスト、生成品質、およびレイテンシ（応答遅延）を総合的に勘案する設定で、一般的な日々の開発業務に最適とされています。
• Intelligence（知能重視）​: 生成品質を最優先し、複雑なロジックの実装やアーキテクチャ設計、高度なリファクタリングなどに向けて構築されています。

プロンプト単位の動的評価

すべての階層において、利用可能なモデルプール自体は共通のセットが使用されます。Copilotは入力されたプロンプトごとにタスクの難易度を個別評価し、最適なモデルを選択します。 たとえば、最上位の「Intelligence」を選択している場合でも、既存関数へのdocstring（説明文）追加のような単純なタスクであれば、過剰な計算リソースを消費せず、小型で軽量な高効率モデルが自動的に割り当てられます。

課金体系と対応クライアント

• ​対応環境​: Visual Studio Code、Copilot CLI、GitHub Copilotアプリにて段階的に展開されています。
• ​利用料金​: 選択した階層の設定自体に追加料金は発生せず、​​自動選定されたモデルの実際の消費量に基づいて従量課金​​されます。
• ​割引特典​: 有料サブスクリプションの契約者は、自動モデル選択経由で請求される利用料金に対して、従来通り​10%の割引​​が継続して適用されます。

独自価値要素：3階層の比較と未確認事項の整理

今回の3つの階層の特性比較、および現時点における運用上の留意事項の整理は以下の通りです。

階層名	優先指標	最適なユースケース	プロンプト処理の特徴
Efficiency	​低コスト・低遅延​	単純な関数作成、ボイラープレート記述、型定義の補完	可能な限り軽量・安価なモデルを優先配備
Balance	​総合最適​	通常の機能実装、単体テスト作成、日常的なPR対応	コストと精度のトレードオフを動的に均衡
Intelligence	​最高精度・推論力​	複雑なアルゴリズム、セキュリティ監査、難解なバグ調査	難度の高いタスクには最上位推論モデルを積極配備（単純作業は小型モデルに抑制）

未確認事項と運用の留意点

• ​モデルプールの内訳​: 各階層で実際に裏側でルーティングされるモデル（OpenAI系、Anthropic Claude系等）の最新一覧や、各プロンプトでどの特定モデルが実行されたかのリアルタイム可視化方法については、公式ドキュメント（Supported AI models）を参照する必要があります。
• ​組織ポリシーでの固定設定​: エンタープライズ管理者が組織全体やリポジトリ単位で「全エンジニアの設定を強制的にEfficiencyまたはBalanceに固定する」といった集中制御ポリシーが即座に利用可能かどうかは、発表内では言及されていません。

分析・展望：単一モデルから「コスト最適化ルーター」への進化

GitHubが自動モデル選択にユーザー設定可能な階層を導入したことは、AI開発支援ツールにおける「マルチモデル・インテリジェントルーター」の重要性が急速に高まっていることを示しています。

フロンティアモデル（最先端の大規模モデル）は推論能力が極めて高い一方でトークン単価が高く、すべてのコード補完に適用すると開発コストが急騰します。一方、小規模モデルは安価かつ高速ですが、複雑な設計要求には応えられません。

今回のアップデートは、開発者がいちいち手動でモデルを切り替える手間を省きつつ、「予算重視」「品質重視」といったポリシーの大枠を指定するだけで、AIが最適な費用対効果を自動調停する仕組みの第一歩です。今後は組織単位での予算上限設定や詳細な利用分析レポートなど、ガバナンス機能の拡充が次の焦点になるとみられます。

引用元：The GitHub Blog