不要选模型了。
2026年6月24日，GitHub在官方更新中宣布，Copilot Free和Student计划的模型选择功能正式切换为“自动模式”，而且是唯一模式。用户不再需要自己在下拉菜单里纠结选GPT-5.4还是Sonnet 4.6，系统根据任务复杂度、模型健康状况和实时可用性，自行决定调用哪个模型。简单提示走轻量级模型，复杂编码任务调度高性能模型。用户仍然可以在Chat中悬停查看具体模型名称，CLI和Cloud Agent则直接标注。
把它放在六月的时间坐标上，事情就变得耐人寻味了。6月1日，GitHub Copilot全面切换至基于AI Credits的用量计费（Usage-Based Billing），结束了“月票制”时代。6月17日，个人套餐注册重启。6月24日，自动模型选择覆盖全部Free和Student用户。同一天，Business Insider独家报道称GitHub刚经历了“史上最佳月”。
这四件事串在一起，画出的根本不是一条“体验优化”的路线图，而是一面正在被重新搭建的AI助手商业模式的完整拼图。
三步棋，一个平台的基础设施浮出水面
先看数据。据Business Insider 6月24日报道，GitHub高层在一次内部会议上表示，公司刚刚经历了“史上最佳月”，核心驱动力来自AI编码工具Copilot的需求爆发。虽然没有披露具体营收数字，但在AI编码助手赛道日趋拥挤的2026年，Cursor已经做到年化经常性收入1亿美元，Amazon CodeWhisperer整合进AWS全线工具链，Tabnine获得额外4000万美元融资。这个“最佳月”的分量不言自明。
这个结果背后，是GitHub在6月密集推进的一系列产品与计费变革。
一切从6月1日开始。GitHub Copilot全面切换用量计费，所有Copilot计划从Free到Enterprise全部转向基于GitHub AI Credits的消耗模式。每个计划每月包含定额Credits，用完可额外购买。Copilot代码审核也开始消耗GitHub Actions分钟数。这标志着Copilot从“订阅制”正式进入“按用量付费”时代。对于企业用户，GitHub还推出了用户级预算控制，管理员可以为不同团队设定独立的AI Credits消费上限。
紧接着6月17日，个人套餐重新开放注册。此前GitHub在5月宣布暂停新用户注册以优化产能，这一天起恢复开放。这意味着用量计费的底层基础设施已经就绪，GitHub有信心承载更大规模的用户增长。
一周后的6月24日，自动模型选择全面上线Free和Student计划。官方博客的措辞很关键：Copilot Free and Student plans will now use Copilot auto model selection as the default and only model selection experience。用户不再需要手动选模型，不是“建议用自动”，而是“只有自动”。
这三步棋走完，一个过去需要用户自行判断“这个任务该用哪个模型”的AI编码助手，变成了一个由系统智能路由的后端基础设施。用户只管提需求，模型分配由系统完成。同时，每次使用都在被精确计量、按Credits计费。GitHub在各个维度上同时推进，从计费到定价到模型路由到注册开放，节奏紧凑到不像是一家传统意义上的开发者工具公司，更像是一家平台型基础设施企业在做商业模型切换。
从手动挡到自动挡：这不仅是简化，这是路由层的出现
自动模型选择并不是全新功能。早在2026年3月，该功能就在JetBrains IDE中正式上线，支持根据实时可用性和性能自动路由到GPT-5.4、GPT-5.3-Codex、Sonnet 4.6、Haiku 4.5等模型。5月14日，Cloud Agent也接入了Auto模式，并且享受10%的模型乘数折扣和免周限速福利。
但直到6月24日之前，自动选择始终是一个可选项，用户可以在手动和自动之间切换。Free和Student计划的强制切换，意味着GitHub终于下定决心：这条路不需要两条，一条就够了。
为什么？
因为自动模型选择的本质不是帮用户省事，而是在底层搭建了一个AI模型路由层。这个路由层做的事，和CDN选择最近节点、云计算选择最优实例几乎没有区别。根据任务特征、资源健康度和实时可用性，动态分配最合适的计算资源。
这不是一个体验优化，这是一个基础设施层的抽象。就像调用云API时不必关心数据存在哪个机架一样，GitHub不想让用户再关心代码补全到底跑了哪个模型。它自己选，选得比你准，还比你自己选更便宜。Auto模式额外还有10%的Credits折扣。
这件事放在更长的时间维度上更有意思。当Copilot在2021年首次推出时，它只跑一个模型：OpenAI的Codex。后来Copilot经历了GPT-4、GPT-4-Turbo、再到多模型并存的阶段，用户需要从下拉列表中选择。每一次迭代，模型的多样性都在增加，而用户的认知负担也在同步上升。自动模型选择是这条演进路径的必然终点。当模型从1个变成5个再到10个以上，“让我来选”的UI模型就不再成立。用户需要的是一个抽象层，而不是一个选择器。
用量计费加上自动路由，正在重构Copilot的利润模型
把自动模型选择和用量计费放在一起看，商业逻辑就更清晰了。
在旧的月票制下，用户用多用少一个价。这对重度用户划算，对轻度用户浪费。更重要的是，GitHub无法精确知道不同模型组合的真实成本结构。一个复杂任务跑Sonnet 4.6和跑轻量Haiku 4.5，成本可能差好几倍，但用户付的是同一个价。这种情况下，用户的模型选择实际上不受成本约束。精明的用户会手动切换成最便宜模型完成所有任务，而用户的成本则被平均分摊到所有用户身上。
新的模式下，用户每月拿到定额Credits。简单任务消耗更少Credits，因为Auto会选轻量模型。复杂任务消耗更多。GitHub侧则获得了更大的操作空间：Auto路由允许平台在最经济的模型上跑简单任务，在最有竞争力的模型上跑复杂任务，整体资源利用率大幅提升。同时，Auto模式的10%折扣鼓励用户让系统来选，进一步优化成本结构。
配合Business Insider报道的“史上最佳月”，可以合理推断：用量计费加上自动路由的组合拳，正在显著提高GitHub Copilot的收入规模和利润空间。与按月订阅的固定收入不同，用量计费模式的收入天花板更高。当用户对AI编码助手的依赖加深，Credits消费自然增加，收入也随之增长。
这套模式有一个更值得关注的心理学效应。在订阅制下，用户用完即止、用多用少无感。而在用量计费制下，每次对话、每次补全都在消耗Credits，用户会更频繁地感知到“我在消费”。这看起来可能抑制使用量，但GitHub显然赌的是AI编码的高频刚需让用户会自动增加月度预算，就像AWS客户习惯了EC2按小时计费后逐步扩大资源规模一样。
为什么Free和Student用户被强制，而Pro用户还能手动选
一个值得追问的问题：为什么Free和Student计划被强制切换，而Pro和Enterprise用户仍然可以手动选模型？
答案藏在模型经济学里。
Free和Student计划是GitHub Copilot的获客漏斗，用低价甚至免费吸引用户，培养使用习惯，最终引导升级到付费计划。但这意味着，这部分用户的边际成本必须严格控制。如果一个Free用户手动选择了最贵的模型去完成一件简单任务，GitHub是在亏本运营这个用户。
强制Auto模式，本质上是对这类用户进行成本兜底。系统路由确保简单任务走便宜模型，只有在真正需要高性能时才调用昂贵模型。而对GitHub来说，这样做还有一个额外收益：Auto模式产生的数据可以反过来训练路由算法，让整套系统的效率随着使用量的增长而持续提升。这是个典型的“数据飞轮”。更多用户产生更多模型路由数据，路由算法变得更精准，成本进一步下降，平台可以给用户更好的体验或更低的价格。
Pro和Enterprise用户则不同。他们是付费主力，有权选择“我要用最好的模型完成这个任务，贵点没关系”。给他们保留手动选择权，既符合用户体验，也符合定价分层逻辑。企业客户甚至可能要求只使用某个特定模型以避免供应商锁定，微软和GitHub显然不想在B端市场触碰这条红线。
这种分层策略在SaaS领域并不陌生。Salesforce的Einstein AI工具免费版只提供预配置的AI能力，企业版才允许自定义模型训练。HubSpot的ChatSpot免费版使用GPT-3.5，付费版才上GPT-4。GitHub Copilot只是把这种分层从“用什么模型”推进到了“谁来选模型”。
模型路由正在成为AI编码赛道的新壁垒
如果只把自动模型选择看作GitHub的一个功能更新，格局就小了。
一个更深层的趋势是：当模型不再稀缺，市场上已经有几十个可用模型，稀缺的变成了“把模型用好”的能力。谁能做出最精准的任务-模型匹配系统，谁就能以最低的成本提供最好的结果。
这不是GitHub一家在做。OpenAI已经在ChatGPT Plus用户中测试自动路由，根据问题类型选择GPT-4o还是o3。Anthropic的Claude也推出了类似的能力，在不同规模的模型间做智能切换。Google的Gemini同样在尝试基于任务复杂度的模型路由。甚至xAI的Grok也在探索根据实时负载调整模型规模的方案。
但GitHub有一个独特优势：代码任务的可量化性。代码补全的正确与否、性能高低，比开放域对话更容易衡量。这意味着GitHub的自动路由系统可以通过持续反馈闭环，更快地收敛到最优分配策略。什么类型的bug修复该用哪个模型，什么复杂度的重构该让哪个模型来写，这些都可以被量化训练。而一旦路由算法成为基础设施层的内置能力，竞争对手想要复制同样的体验，需要的就不仅仅是接入更多模型，而是同样规模的路由数据。后者根本无法快速获取。
换句话说，GitHub在不经意间，正在构建AI编码时代的模型路由操作系统。它不是通过禁止竞争对手使用模型来建立壁垒。事实上，所有模型都是公开可用的。它是通过让“谁来决定用哪个模型”这件事本身成为一项不可复制的核心能力。
这个逻辑和移动互联网时代的超级App类似。微信不靠单一功能锁定用户，而是靠关系链路由。你的社交关系都在这里，无法迁移。GitHub的模型路由层做的，可以理解为“任务路由”。你的编码行为模式、任务类型分布、偏好习惯都在这里被路由系统掌握和优化，迁移成本越来越高。
从工具到平台，Copilot正在完成一次基因突变
回到开头的判断：这不是一次优化，这是一次重构。
六月的一系列变化组合在一起，指向GitHub Copilot的一个明确方向：从AI编码工具变成AI编码资源平台。用户不再为一个模型付费，而是为编码能力付费。至于这种能力来自哪个模型、怎样组合、如何路由，由GitHub的路由系统来决定。当GitHub同时掌控定价权（用量计费）、分配权（自动路由）和产能（模型选择），它在整个AI编码生态中的位置就从一个参与者变成了规则制定者。
这对竞争对手意味着什么？如果自动路由加用量计费的模式被验证可行，Amazon CodeWhisperer、Tabnine、Cursor等竞争者将很难回避相同的进化路径。但问题在于，这条路不是想走就能走。它需要庞大的用户基数来训练路由算法，而用户基数恰恰是GitHub不可撼动的护城河。GitHub拥有超过1亿开发者用户，这个数据池优势是任何单一AI编码创业公司都无法在短期内追赶的。
对于Free和Student用户来说，失去手动选模型的权利可能引发一些不适。但从另一个角度看，一个能自动判断“这个bug该由哪个模型来修”的系统，远比一个每次都要用户自己选模型的系统更接近真正的AI助手。你不需要懂模型，只需要懂代码。
这正是GitHub想要实现的终极叙事：让AI能力的消费变得像用电一样自然。你不需要知道电是从哪个发电站来的，也不需要知道它是火电、水电还是核电。插上就用，按度计费。
当AI助手开始替自己决定用哪个AI的时候，人类开发者离只负责想清楚问题的那个未来，又近了一步。
快报