GitHub 在 2026 年 5 月 14 日宣布，Copilot cloud agent 已支援 Copilot auto model selection。這個更新看似細小，但對 AI coding 工作流很有代表性：模型選擇開始由用戶手動判斷，轉向由平台根據任務和系統狀態自動路由。
GitHub 表示，當用戶在 model picker 選擇 Auto，Copilot 會根據 system health 和 model performance 智能選擇最佳可用模型。官方亦提到 Auto 模式會有 10% normal model multiplier discount，並且不受 weekly rate limits 影響。
這類功能背後的市場訊號，是 AI coding 產品正由「哪個模型最好」走向「哪個模型最適合此刻這個任務」。在真實工作中，開發任務有很多種類：簡單修文、快速查詢、重構、測試修復、長任務 agent、pull request review。每種任務對延遲、推理深度、上下文和成本的要求都不同。
Auto model selection 把這個選擇交給平台，等於把模型管理放進開發工具本身。對個人開發者來說，這可以減少模型選擇負擔；對團隊來說，則可能逐步形成更一致的成本和效能策略，尤其當 cloud agent 開始處理越來越多背景任務。
不過，自動路由也帶來新的治理問題。企業會想知道不同任務實際用了哪個模型、資料是否被送到符合政策的供應商、成本如何計算、結果是否可重現，以及某些敏感任務是否需要指定模型或禁止自動選擇。這些問題會隨 AI coding agent 規模化而變得更重要。
對中小企而言，這個更新的啟示是不要把 AI coding 導入只理解成「買一個最強模型」。更實際的方向，是建立任務分類、成本上限、敏感資料規則和 review 流程，然後讓平台在安全邊界內自動選擇合適能力。
GitHub 今次更新說明，AI 開發工具正在把模型路由、成本、速率限制和 agent 執行合併成一套產品體驗。未來開發團隊關心的不只是模型清單，而是整個 agent 工作流能否穩定、可控、可計量地完成任務。
