Copilot 自动选模型三档：效率、均衡、智能，省钱不靠一刀切降智

先说结论

• GitHub Copilot 的 auto model selection 新增 efficiency、balance、intelligence 三档；它们只改变自动选模型时对成本、质量和响应时间的权重，不改变可用模型池。
• 三档使用同一组模型，auto 会针对每个提示单独评估并选型；简单任务即使在智能档也可能使用小模型。
• 官方计费口径是按实际选中的模型计费，不按档位收费；付费订阅通过 auto 产生的用量继续享受 10% 折扣（官方数据）。
• 省钱判断核心：先看任务失败成本，再看是否能自动验证。简单、可验证、低风险任务挂效率档更划算；复杂、难验证、高返工风险任务不应为了省钱降档。
• 官方未公布三档对应的具体模型清单、默认档位和延迟差异，这些需要结合自己的使用数据测试。

数据口径说明：本文中三档名称、定位、模型池、计费与折扣均来自 GitHub Changelog，属官方数据；公式和清单属于自己推算或工程判断；本文未使用社区二手数据。

证据与过程

官方公告的核心事实

这条功能来自 GitHub 官方 Changelog 2026 年 9 月 14 日的发布说明：Configure cost and quality in Copilot auto model selection。这是本文的主要一手来源。

公告给出的三档定位如下（官方数据）：

• Efficiency：优先压低成本，适合快速、直接的任务。
• Balance：同时权衡成本、质量与延迟，适合日常工作。
• Intelligence：优先质量，面向复杂任务。

这三档并不是从“便宜模型”到“贵模型”的简单排序。官方特别明确：三档使用同一组可用模型，auto 会逐个提示评估并选择它认为最合适的模型。举例说，给已有函数添加 docstring 这种简单任务，即使在 intelligence 档，也可能只使用小而高效的模型。

这意味着，智能档不会把简单任务无脑升级到最贵模型，效率档也不会在复杂任务上死守小模型。省钱机制是“减少不必要的大模型消耗”，而不是把所有任务都塞给低质量模型。

计费口径：档位不直接计费，模型才计费

公告还给出了计费规则（官方数据）：Usage is charged based on the model auto selects, regardless of tier。也就是说，三档本身没有单独的价格标签；费用由 auto 实际选中的模型决定。无论你切到 efficiency 还是 intelligence，账单都取决于每个提示最终调用了哪个模型。

同时，付费订阅者通过 auto 产生的用量继续获得 10% 折扣（官方数据）。这是理解省钱空间的关键：auto 不是一个额外收费项，而是在现有模型计费基础上保留折扣。不同档位影响的是模型选择分布，而不是单价。

为了把这条计费口径说清楚，可以写成一个简化的费用表达式（自己推算，不是 GitHub 官方公式）：

# 自己推算：auto 账单简化表示
auto_费用 ≈ Σ(模型_i 单价 × 输入/输出 token_i × 0.9)
# 0.9 来自官方所述「付费订阅 auto 用量继续 10% 折扣」。
# 三档不直接改变 0.9，也不改变单价；它改变的是「哪个模型_i 被选中」的概率分布。

换句话说，如果你开 efficiency 档后总账单下降，那是因为 auto 更频繁地选择了低成本模型；如果某个任务在 intelligence 档仍有大量简单环节，auto 也可能继续选用小模型，账单不会必然暴涨。

官方入口与进一步文档

公告提到，该功能正在 Visual Studio Code、Copilot CLI 和 GitHub Copilot app 中推出。如果想查看更完整的 auto 概念说明，可以参考官方文档 Copilot Auto model selection；想知道 auto 当前支持哪些模型，则看 supported models in auto model selection。这两篇是官方文档入口，适合作为后续核验具体模型和切换路径的检查点。

需要强调：本文没有逐条展开这两篇文档的内部清单。原因是本次写作只完整读到了 Changelog 原文；具体模型列表更新快，且不在这条发布说明的正文里。下文“没核实”的部分会列出哪些信息必须回到文档或实际账号中再确认。

三档决策：不是「越低档越省钱」这么简单

从省钱角度，最容易犯的错是把 efficiency 档当成默认档。如果任务简单且数量大，效率档确实能省下可观的 token 费用；但如果任务复杂，智能档能减少返工。可以把选择问题简化成：

# 自己推算：简单决策思路，非官方公式
总成本 ≈ token 费用 + 失败概率 × 返工成本
# 如果任务可自动测试、失败后能立即发现、返工成本低，优先考虑效率档。
# 如果任务难验证、错误会进入生产、返工成本高于 token 价差，优先智能档。

这个公式不是从官方文档抄来的，而是我把“省 token 钱”和“错误返工成本”放在同一个框架里比较。实际使用中，团队可以拿自己的小时成本、失败率和平均返工时间往里套，比单纯比较单价更有用。

我的可操作清单

下面这张表是我的工程判断，不是 GitHub 官方分类，也不能替代自己仓库里的评测。它更像一个起点：哪些任务可以先试效率档，哪些不要省。

| 任务类型 | 建议档位 | 判断理由 |
| 生成 docstring、注释、简单测试模板 | 效率 | 直接、可验证、低风险，小模型通常够用 |
| JSON/YAML 转换、批量重命名、机械重构 | 效率 | 失败容易发现，返工成本低 |
| 日常补全、小函数重构、代码评审摘要 | 均衡 | 成本、质量和延迟需要一起看 |
| 跨文件 bug 追踪、并发与性能问题 | 智能 | 质量优先，避免低质量线索造成的长时间返工 |
| 安全审计、重大架构方案、复杂业务规则 | 智能 | 错误隐蔽或影响大，不宜优先省 token |

需要补充一句：效率档并不是“不掉质量”的官方承诺。它更适合那些即使模型输出一般，也能被快速校验和测试拦下来的任务。若质量要求极严格、验证链路不完整，不应把效率档当作省钱捷径。

这次没核实的

• 三档在 VS Code、Copilot CLI 和 GitHub Copilot app 中的具体设置路径、默认档位：公告未展开，需以官方文档和实际界面为准。
• 三档分别会优先选择哪些模型、是否会动态变化：官方只说“同一组可用模型”，具体映射未能核实。
• 不同档位实际带来的延迟差、成本差、质量差：本次没有官方数字，也没有可靠的可比较基准。
• 10% 折扣是否覆盖所有付费计划、是否与直接指定模型时的折扣叠加：公告只说了“付费订阅者继续享受”，细节未能核实。
• 是否已在所有 Copilot 界面（例如 JetBrains、移动端、网页端）完全上线：公告只列了 VS Code、CLI 和 GitHub Copilot app。
• 用量报表和账单中是否能按档位区分：未能核实。

参考来源

1. GitHub Changelog：Configure cost and quality in Copilot auto model selection（一手来源，2026-09-14）— https://github.blog/changelog/2026-09-14-configure-cost-and-quality-in-copilot-auto-model-selection/
2. GitHub Changelog 总页 — https://github.blog/changelog/
3. GitHub Docs：Copilot Auto model selection — https://docs.github.com/copilot/concepts/models/auto-model-selection
4. GitHub Docs：Supported AI models in auto model selection — https://docs.github.com/copilot/reference/ai-models/supported-models#supported-ai-models-in-auto-model-selection