1. 【最重要】Copilot Fusion一般提供 — 複数LLMを自動連携、タスクコスト約50%削減

発表：10月28日｜一般提供開始

GitHubが、複数モデルを組み合わせる「Copilot Fusion」の一般提供を開始しました。

従来のモデル自動選択とは異なり、1つのタスク内で複数のモデルを利用し、回答の生成・評価・修正を実行できます。

GitHubの公表値では、Artificial Analysis Coding Agent Indexで60点を記録。Claude Code + Opus 5.5 Maxとの差は2点以内で、平均APIコストは約半分、使用トークン数も約半分、実行時間は約40%短縮したと報告しています。

なぜ重要か

Coding Agentの性能向上が、単一モデルの性能改善だけに依存しなくなってきたためです。

複数モデルの能力を組み合わせることで、品質を維持しながら費用を削減できる可能性があります。

技術・実装ポイント

Copilot Fusionには3種類の実行方式があります。

特に興味深いのは、CascadeとCritiqueをタスクごとに自動選択する点です。

また、推論レベルはStandard、High、Maxから選択できます。

API・料金・利用条件： VS Code、Copilot CLI、Copilotアプリ、JetBrainsで利用可能。独立した新APIではなく、Copilotのモデル選択機能です。

利用料金は、実際に使用した各モデルの標準料金を合算します。Fusion自体の追加料金はありません。

有料Copilotプランでは、2026年11月30日までモデル利用料金が30%割引されます。複数モデルを使用すると、単一モデルより高額になる場合もあります。

公式情報：GitHub Copilot Fusion発表 ／ 技術仕様・料金

2. GitHub Agentic Workflows正式リリース — MarkdownからAI対応GitHub Actionsを生成

発表：10月28日｜一般提供開始・OSS

GitHubが「GitHub Agentic Workflows」を正式リリースしました。

自然言語で書いたMarkdownファイルをGitHub ActionsのYAMLに変換し、CI/CD内でAIエージェントを実行できます。

Issueの分類、CI障害の分析、ドキュメント更新、テストコード生成などを自動化できます。

Copilotだけでなく、Claude Code、Codex、Gemini CLIなども実行エンジンとして利用できます。

なぜ重要か

これまでのGitHub Actionsは、事前に定義した処理を実行する仕組みでした。

Agentic Workflowsでは、何を達成するかを定義し、具体的な処理方法をAIに判断させることができます。

技術・実装ポイント

既存のGitHub Actionsと連携できる点が重要です。

textGitHub Event
     ↓
Agentic Workflow
     ↓
Coding Agent
     ↓
コード・ログ・Issueを分析
     ↓
テスト・検証
     ↓
Safe Outputs
     ↓
Issue更新・PR作成

セキュリティ面では、エージェントを原則読み取り専用で実行します。

書き込み操作はSafe Outputsによって制御され、変更内容には専用の脅威検出処理が適用されます。

一般提供に伴い、Actions Runner Controller、Docker-in-Docker、microVMによる隔離実行にも対応しました。

開発者が見るべきポイント

導入はGitHub CLIから行えます。

bashgh extension install github/gh-aw

gh aw init

gh aw add-wizard

API・実装： Markdownによるワークフロー定義を標準のActions YAMLにコンパイルします。

料金： GitHub Free、Team、Enterpriseで利用可能。GitHub Actionsの実行料金と、選択したAIエンジンの利用料金が発生します。

利用条件： GitHub Actionsが有効なリポジトリが必要です。標準のCopilot CLIを利用する場合はCopilotライセンスが必要です。

注目点： gh aw forecastによってAIクレジットの使用量を事前に見積もれます。

AWS開発であれば、CloudFormationやTerraformの変更を検出し、AIが差分を分析してPRにレビュー結果を投稿する用途が考えられます。

公式情報：GitHub正式リリース ／ 公式クイックスタート

3. GitHub「AI Scan」公開 — リポジトリ全体の脆弱性をAIエージェントが調査

発表：10月28日｜Public Preview

GitHubが、リポジトリ全体を対象とする新しいAI脆弱性検査機能「AI Scan for repositories」を公開しました。

従来のPull Request単位のAI Scanから対象を拡大し、デフォルトブランチの最新コミットを分析します。

CodeQLが対応していない言語やフレームワークも調査でき、従来のルールベース解析では発見しにくい脆弱性を検出することを目指しています。

検出結果は既存のGitHub Code Scanningのアラート一覧へ統合されます。

なぜ重要か

AIによるコード生成が増えると、コードレビューだけでは発見しにくい脆弱性が問題になります。

特に、複数ファイルにまたがる認可処理や業務ロジックの問題は、通常の静的解析だけでは十分に検出できない場合があります。

技術・実装ポイント

今回のAI Scanは、エージェントがリポジトリを探索し、脆弱性が存在する可能性の高いコードを重点的に調査します。

既存のCodeQLと併用する場合、CodeQLが報告済みの問題は重複して報告しない設計です。

API： 今回の発表はGitHub上のスキャン機能の拡張であり、新しい公開APIの提供は明示されていません。

料金： Code Security AI Creditsを消費します。予算上限の設定が可能です。

利用条件： Copilotライセンスは不要。個人所有の公開リポジトリで利用できます。組織の非公開リポジトリではGitHub Code SecurityまたはAdvanced Securityが必要です。

注意点： 修正PRをマージしてもアラートは自動終了しません。再スキャンが必要です。

公式情報：GitHub AI Scan公式発表

4. 【日本】PLaMo 3.1 Prime公開 — 100万トークン60円、Deep Researchにも対応

発表・提供開始：10月27日｜新モデル

日本のPreferred Networksが、国産LLM「PLaMo 3.1 Prime」を公開しました。

今回のモデルでは、Web検索とDeep Researchに対応。調査計画の作成から情報収集、分析、出典付きレポートの生成まで自動実行できます。

オンプレミス環境でもDeep Researchを利用でき、閉域ネットワーク内の社内文書だけを対象にした調査も可能です。

また、事実性・忠実性を改善し、ハルシネーション関連の8ベンチマークで前モデルから平均約15%のスコア改善を報告しています。

なぜ重要か

国産LLMが、海外モデルに依存せずに業務用AIエージェントを構築できる選択肢になってきたためです。

特に、APIの低価格とオンプレミス運用への対応は、国内企業の導入で重要な要素です。

API・料金

APIはOpenAI互換のChat Completions形式を採用しています。

textPOST https://api.platform.preferredai.jp/v1/chat/completions

既存のOpenAI SDKやLangChainから接続できます。

技術的に興味深い点

PLaMo 3.1 Primeでは、推論モードと非推論モードを1つのモデルに統合しています。

さらに、Speculative DecodingとKV Cacheの低ビット量子化を導入しました。

PFNによれば、非推論モードでは出力トークン数を約90%削減し、処理速度はPLaMo 3.0 Primeの1.7倍になっています。

ただし、これはPFNの評価条件での結果です。

料金・データ保護の注意点

Web検索とDeep Researchには、トークン料金とは別に検索料金が発生します。

Standardプランでは、2027年1月31日まで検索1回2円です。

Deep Researchは通常15〜25回程度の検索を行うため、検索料金だけで約30〜50円が目安になります。

また、無料プランでは入力・出力が保存され、モデルの学習に利用されます。

Standardプランの通常APIはZDRに対応しますが、Web検索では検索クエリが外部サービスへ送信されます。機密データを扱う場合には、機能ごとの条件を確認する必要があります。

公式情報：PFN公式発表 ／ 技術ブログ ／ API仕様

5. Copilot Fusion、ローカルLLMとクラウドLLMの自動切り替えに対応

発表：10月28日｜Experimental Preview

GitHubが、Copilot Fusionの新機能としてローカルLLMの自動選択に対応しました。

これまではクラウド上のモデルを切り替えていましたが、今回から対応するローカルモデルとクラウドモデルを自動的に使い分けられます。

Windowsでは「MAI Code 1.1 Flash」をWindows ML経由でダウンロードできます。

さらに、Copilot CLIではmacOS・Linux・Windows上のOpenAI互換ローカルサーバーも利用できます。

なぜ重要か

これまでローカルLLMとクラウドLLMを併用する場合、開発者が手動でモデルを切り替える必要がありました。

今回の機能は、軽いタスクはローカル、高難度のタスクはクラウドという使い分けを自動化する方向への進展です。

技術・実装ポイント

対応するローカルモデルには、MAI Code 1.1 FlashとQwen3.8 Flash Nextがあります。

ローカルサーバーはOpenAI互換APIを使用します。

VS Codeでは、次の設定を有効化します。

json{
  "chat.copilot.localModel.enabled": true
}

Copilot CLIでは、Experimental Modeを有効化し、/modelから設定できます。

API： OpenAI互換のローカル推論サーバーを利用可能。

対応環境： Copilot CLIはWindows、macOS、Linux。Windows MLによる管理付きモデルダウンロードはWindows限定です。

料金： ローカル推論自体にはクラウドLLMのトークン料金は発生しませんが、クラウドモデルを使用した部分にはCopilotの通常料金が適用されます。

重要な制限： ローカル推論を使っても、完全なオフライン環境にはなりません。モデルのルーティング判断はクラウド側で行われます。

また、現段階ではExperimental Previewであり、対応モデルや利用できるクライアントに制限があります。

公式情報：GitHub公式発表・設定方法