GitHub 在 2026 年 5 月 14 日宣布，Copilot cloud agent 已支持 Copilot auto model selection。这个更新看似细小，但对 AI coding 工作流很有代表性：模型选择开始由用户手动判断，转向由平台根据任务和系统状态自动路由。
GitHub 表示，当用户在 model picker 选择 Auto，Copilot 会根据 system health 和 model performance 智能选择最佳可用模型。官方亦提到 Auto 模式会有 10% normal model multiplier discount，并且不受 weekly rate limits 影响。
这类功能背后的市场讯号，是 AI coding 产品正由「哪个模型最好」走向「哪个模型最适合此刻这个任务」。在真实工作中，开发任务有很多种类：简单修文、快速查询、重构、测试修复、长任务 agent、pull request review。每种任务对延迟、推理深度、上下文和成本的要求都不同。
Auto model selection 把这个选择交给平台，等于把模型管理放进开发工具本身。对个人开发者来说，这可以减少模型选择负担；对团队来说，则可能逐步形成更一致的成本和效能策略，尤其当 cloud agent 开始处理越来越多后台任务。
不过，自动路由也带来新的治理问题。企业会想知道不同任务实际用了哪个模型、资料是否被送到符合政策的供应商、成本如何计算、结果是否可重现，以及某些敏感任务是否需要指定模型或禁止自动选择。这些问题会随 AI coding agent 规模化而变得更重要。
对中小企而言，这个更新的启示是不要把 AI coding 导入只理解成「买一个最强模型」。更实际的方向，是建立任务分类、成本上限、敏感资料规则和 review 流程，然后让平台在安全边界内自动选择合适能力。
GitHub 今次更新说明，AI 开发工具正在把模型路由、成本、速率限制和 agent 执行合并成一套产品体验。未来开发团队关心的不只是模型清单，而是整个 agent 工作流能否稳定、可控、可计量地完成任务。
