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：
| 任务场景 | 推荐模型 | 理由 |
|---|---|---|
| 日常编码、问问题 | GPT-6 Sol / Claude Sonnet 5.5 | 平衡速度与质量，everyday 首选 |
| 长任务、大型项目 Agent | Claude Fable 5.1 | 深度代码库研究 + 并行工具调用 + 自动验证测试 |
| 快速补全、简单问答 | GPT-6 Luna / Claude Haiku 5.5 | 低成本快速响应 |
| 复杂 bug 调试、推理 | Claude Opus 5.5 / GPT-6.1 Sol | 多步骤推理，适合找难以复现的 bug |
| 长上下文大代码库 | Kimi K3 | 擅长多步骤 Agent 任务和超长上下文 |
| 有图片/截图输入 | Claude Sonnet 4.6 / GPT-5.6 Luna | 原生支持图片输入 |
| 自主纠错，全自动 | GPT-6 Astra | 持续规划 + 自我验证，适合"扔给它跑完"的任务 |
| 通用 Agent 任务 | GPT-5.3-Codex | 功能、测试、重构、代码审查全能型 |
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
- 打开 Copilot Chat 面板（
Ctrl+Alt+I） - 对话框底部找到当前模型名称下拉框，点击
- 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
- 点击状态栏右下角的 Copilot 图标
- 选择 Open GitHub Copilot Chat
- 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