Компания GitHub, принадлежащая Microsoft, официально расширила функциональные возможности своего ИИ-ассистента, добавив поддержку нейросетей Claude от Anthropic и Codex от OpenAI. Интеграция новых моделей направлена на предоставление разработчикам большей гибкости при написании кода и решении сложных архитектурных задач непосредственно в привычной рабочей среде. Обновление стало доступно пользователям с 5 февраля 2026 года в рамках расширенных тарифных планов.
Мультимодельный подход в экосистеме GitHub
Новая функциональность интегрирована в веб-интерфейс платформы, мобильное приложение GitHub и популярный редактор кода Visual Studio Code (VS Code). Ключевой особенностью обновления является возможность бесшовного переключения между различными ИИ-агентами. Теперь подписчики уровней GitHub Copilot Pro Plus и GitHub Copilot Enterprise могут выбирать наиболее подходящую модель в зависимости от специфики текущей задачи.
- Возможность выбора между Claude 3.5 Sonnet и решениями от OpenAI.
- Сохранение контекста проекта при смене ИИ-модели.
- Поддержка мультиязычного программирования и сложных алгоритмов.
- Минимизация задержек при генерации фрагментов кода.
Преимущества для профессиональной разработки
По мнению руководства компании, такой шаг позволит специалистам оптимизировать рабочий процесс, не тратя время на перенос данных между сторонними чат-ботами.
Это позволяет разработчикам выбирать различных агентов для разных этапов разработки, не переключая инструменты и не теряя контекст, — отметил главный директор по продуктам GitHub Марио Родригес.
Внедрение модели Codex, оптимизированной для работы с программным кодом, в сочетании с аналитическими способностями Claude, обеспечивает более высокую точность ответов на технические вопросы.
Внедрение мультимодельной архитектуры подтверждает стремление GitHub к созданию универсального хаба для разработчиков, где выбор инструментов ИИ становится стандартом индустрии. В ближайшей перспективе ожидается, что доступ к различным нейросетям позволит значительно сократить цикл выпуска программного обеспечения и повысить качество кода за счет перекрестной проверки решений разными алгоритмами.