微软于 2026 年 10 月正式宣布 GitHub Copilot 完成架构级升级，将于10 月底全面开放本地 AI 模型推理能力。本次升级是 Copilot 从纯云端服务向「云端 + 本地边缘」混合部署架构的核心演进，基于 Project HydraFusion 编排体系扩展，实现了跨环境的智能任务调度与模型管理。
一、核心架构升级：从多模型编排到云边一体化调度
本次架构升级的核心是将原有的HydraFusion 多模型编排引擎从纯云端扩展到云边双环境，形成统一的跨层调度体系：
- 原有基础架构：2026 年 9 月推出的 Project HydraFusion 是一套运行时编排系统，可根据任务复杂度、成本、延迟指标，在多个云端模型之间自动选择「单模型直接求解、级联迭代、交叉评审」三种执行模式，在保持编码质量的同时降低推理成本。
- 升级后的扩展能力：调度器新增本地设备算力节点，可依据响应速度、计算成本、生成质量、设备性能、隐私要求等多维指标，自动将推理任务分配到云端或本地端，后台无缝协同两类计算资源，开发者无需感知底层基础设施差异。
二、本地模型的两种运行模式
用户可通过 VS Code 插件、Copilot CLI 命令行工具、独立桌面应用等入口，选择两种本地运行模式：
- 自动编排模式：系统根据任务特性动态决策部署位置 —— 简单代码补全、语法检查等轻量任务优先走本地；复杂架构重构、跨文件逻辑分析等高阶任务自动调度到云端大模型，兼顾速度与质量。
- 强制本地模式：全部推理过程完全在设备端完成，数据不经过云端服务器，满足敏感代码开发、离线环境、强合规场景的隐私需求。
三、支持的本地模型与兼容方案
1. 微软官方原生本地模型：MAI Code 1.1 Flash
微软同步推出专为本地编码优化的轻量级大模型，作为 Copilot 本地推理的官方默认选项：
- 采用混合专家（MoE）架构，总参数量 1370 亿，每轮激活参数约 68 亿
- 融合量化压缩与推测解码技术，在保留编码质量的同时降低内存占用、提升端到端响应速度
- 支持最大 256k 上下文窗口，峰值内存占用 75.5GB，可在搭载 NVIDIA RTX AI 算力的 Windows 设备（如 Surface Laptop Ultra）上基于 Windows ML 原生加速运行
2. 第三方本地模型兼容
通过扩展 BYOK（Bring Your Own Key）机制，支持广泛的第三方本地部署模型：
- 原生支持Ollama作为本地模型提供商，覆盖 VS Code、JetBrains 全系列 IDE、Copilot CLI 等所有终端，可直接选择 Ollama 本地运行的任意模型
- 兼容所有符合OpenAI Chat Completions API 规范的本地端点，包括 vLLM、Foundry Local 等自部署服务
- 支持自定义 URL 端点，企业可接入内部私有部署的专属模型，适配定制化开发流程
四、配套安全与能力保障
- 安全沙箱隔离：微软推出 Microsoft Execution Containers（MXC）执行容器，为本地与云端的代理式编码会话提供隔离环境，精细化控制文件、网络、系统权限与凭证访问，保障本地运行时的系统安全与数据安全
- 全功能对齐：本地模型完整支持 Copilot 的代码补全、逻辑解释、结构化重构、工具调用、流式输出、跨会话记忆等全部能力，与云端体验保持一致
五、覆盖的产品终端
本次本地模型支持将同步覆盖 GitHub Copilot 全产品线：
- Visual Studio Code / Visual Studio 2026
- GitHub Copilot CLI 命令行工具
- GitHub Copilot 独立桌面应用
- JetBrains 系列 IDE 插件（已提前上线 Ollama 本地接入能力）
六、升级的核心价值
- 隐私合规：敏感代码、内部项目无需上传云端，满足金融、政企等强合规场景的数据安全要求
- 离线可用：无网络环境下仍可使用完整的智能编码辅助能力，适配离线开发、内网开发场景
- 成本优化：高频轻量任务由本地算力承接，显著降低云端 Token 消耗与订阅成本
- 低延迟体验：本地代码补全响应不受网络波动影响，交互更流畅
- 灵活定制：开发者可自由选择模型与部署方式，适配不同技术栈与业务流程