GitHub hat am 4. September 2026 ein Feature vorgestellt, das die Art, wie Entwickler mit KI-Coding-Assistenten arbeiten, spürbar verändern könnte: Project HydraFusion. Das System schaltet innerhalb der Copilot CLI automatisch zwischen mehreren KI-Modellen um, je nachdem, welches Modell für einen bestimmten Programmierschritt am günstigsten und zugleich am treffsichersten ist. Laut GitHubs eigenen Benchmarks auf TerminalBench 2.1 spart die automatische Modellwahl gegenüber einem alleinigen Einsatz von Claude Opus 5 rund 67 Prozent der Kosten, bei gleichzeitig um 4,9 Punkte besserem Ergebnis. Für ein Entwicklerwerkzeug, das mittlerweile Millionen Zeilen Code pro Tag mitschreibt, ist das keine kleine Randnotiz, sondern ein handfester Strategiewechsel.
Die Ankündigung fällt in eine ohnehin turbulente erste Septemberwoche für GitHub Copilot. Am selben Tag erreichte OpenAIs GPT-6 Astra die allgemeine Verfügbarkeit für Pro+, Max, Business- und Enterprise-Kunden. Nur wenige Tage zuvor waren Claude Fable 5.1 und Gemini 3.8 Flash neu im Modell-Picker gelandet, während GitHub gleichzeitig vier ältere Modelle zur Abschaltung am 2. Oktober 2026 markierte. Wer Copilot beruflich einsetzt, muss sich in dieser Woche gleich mit mehreren Neuerungen auseinandersetzen: einem neuen Orchestrierungs-Layer, einem neuen Spitzenmodell und einer weiteren Rotation im Modellkatalog.
Was ist Project HydraFusion überhaupt?
HydraFusion ist kein neues Sprachmodell, sondern eine Vermittlungsschicht zwischen Entwickler und den verschiedenen Modellen, die GitHub Copilot mittlerweile anbietet. Statt dass ein Nutzer manuell zwischen Claude Opus 5, GPT-6 Astra, Gemini 3.8 Flash oder anderen Optionen wählt, entscheidet HydraFusion selbst, welches Modell für die jeweilige Anfrage eingesetzt wird. Ein einfacher Refactoring-Schritt in einer bestehenden Datei landet dabei häufig bei einem günstigeren, schnelleren Modell, während eine komplexe Terminal-Aufgabe mit mehreren Abhängigkeiten an ein leistungsfähigeres, aber teureres Modell weitergereicht wird.
Laut GitHub läuft die Funktion aktuell als experimentelles Feature in der Copilot CLI und steht Nutzern auf allen Copilot-Plänen offen. Wichtig für die Kalkulation: Die Abrechnung erfolgt nicht mehr über eine pauschale Sitzplatzlizenz, sondern nutzungsbasiert pro Token, gestaffelt nach dem tatsächlich verwendeten Modell im jeweiligen Orchestrierungsschritt. Ein HydraFusion-Lauf, der zu 80 Prozent von einem günstigen Modell und nur zu 20 Prozent von einem teuren Spitzenmodell bearbeitet wird, kostet entsprechend deutlich weniger als ein Lauf, der komplett auf Claude Opus 5 setzt.
Die Zahlen hinter der 67-Prozent-Einsparung
Der zentrale Benchmark, den GitHub für HydraFusion veröffentlicht hat, basiert auf TerminalBench 2.1, einem Test für kommandozeilen-lastige Programmieraufgaben. Dabei schnitt die automatische Modellumschaltung sowohl bei den Kosten als auch bei der Qualität besser ab als der alleinige Einsatz von Claude Opus 5. Die folgende Tabelle fasst die von GitHub genannten Kennzahlen zusammen, ergänzt um Kontext aus den ersten Marktreaktionen.
| Kennzahl | Claude Opus 5 (Solo) | HydraFusion (Multi-Modell) |
|---|---|---|
| Kostenniveau (relativ) | 100 % (Referenzwert) | ca. 33 %, also rund 67 % günstiger |
| TerminalBench-2.1-Score | Referenzwert | +4,9 Punkte gegenüber Referenz |
| Abrechnungsmodell | Fixe Sitzplatzlizenz | Nutzungsbasiert pro Token und Modell |
| Verfügbarkeit | Alle Copilot-Pläne | Experimentell, Copilot CLI, alle Pläne |
| Zielszenario | Einheitliche Modellwahl für alle Aufgaben | Aufgabenspezifische Modellzuteilung |
Diese Zahlen stammen aus GitHubs eigenen Angaben, wie sie unter anderem vom japanischen Techmedium Gigazine und im wöchentlichen GitHub-Changelog dokumentiert wurden. Unabhängige, von Dritten reproduzierte Benchmarks liegen zum jetzigen Zeitpunkt noch nicht vor, was bei einem gerade erst gestarteten Research-Preview nicht ungewöhnlich ist. Wer HydraFusion produktiv einsetzen will, sollte die Zahl von 67 Prozent daher als Herstellerangabe und nicht als extern verifizierten Wert behandeln, bis unabhängige Tests nachziehen.
GPT-6 Astra: Neuer Standard für autonomes Coding
Parallel zu HydraFusion erreichte OpenAIs GPT-6 Astra am 4. September 2026 die allgemeine Verfügbarkeit in GitHub Copilot, zunächst für Pro+, Max, Business- und Enterprise-Abonnenten. Das Modell ist laut GitHub auf langfristige, autonome Programmieraufgaben zugeschnitten und soll eigenständig planen, Zwischenergebnisse überprüfen und erst dann eine Aufgabe als abgeschlossen markieren, wenn die Validierung erfolgreich war. Am ersten Tag der allgemeinen Verfügbarkeit war GPT-6 Astra bereits über vier Microsoft-Oberflächen erreichbar: Copilot Cowork, Copilot Studio, GitHub Copilot selbst und Microsoft Foundry.
Diese breite Verfügbarkeit auf mehreren Produktlinien gleichzeitig zeigt, wie sehr Microsoft mittlerweile auf eine gemeinsame Modell-Infrastruktur über verschiedene Copilot-Varianten hinweg setzt. Ein Modell, das in GitHub Copilot landet, taucht praktisch zeitgleich auch in den Business-Produkten von Microsoft 365 auf. Für Unternehmen, die sowohl Entwicklerteams als auch Fachabteilungen mit Copilot ausstatten, verkürzt das die Zeit zwischen Ankündigung und tatsächlicher Verfügbarkeit im eigenen Tenant erheblich.
Modell-Lifecycle im September: Wer bleibt, wer geht
Die erste Septemberwoche 2026 war für den Copilot-Modellkatalog ungewöhnlich dicht getaktet. Bereits am 1. September wurde das MAI-Code-1-Flash-Modell in allen Copilot-Oberflächen als veraltet markiert, die endgültige Abschaltung erfolgte am 10. September 2026 zugunsten von MAI-Code-1.1-Flash. Gleichzeitig kündigte GitHub zwischen dem 1. und 3. September vier weitere Modelle zur Abschaltung am 2. Oktober 2026 an, darunter Gemini 3.5 Flash, Gemini 3.6 Flash, Kimi K2.7 Code und Claude Opus 4.7. Wer produktive Workflows auf einem dieser Modelle aufgebaut hat, sollte rechtzeitig auf die von GitHub vorgeschlagenen Nachfolger umsteigen.
| Modell | Status im September 2026 | Datum | Empfohlener Ersatz |
|---|---|---|---|
| MAI-Code-1-Flash | Abgeschaltet | 10. September 2026 | MAI-Code-1.1-Flash |
| Gemini 3.5 Flash | Abschaltung angekündigt | 2. Oktober 2026 | Gemini 3.8 Flash |
| Gemini 3.6 Flash | Abschaltung angekündigt | 2. Oktober 2026 | Gemini 3.8 Flash |
| Kimi K2.7 Code | Abschaltung angekündigt | 2. Oktober 2026 | Wird im Modell-Picker angezeigt |
| Claude Opus 4.7 | Abschaltung angekündigt | 2. Oktober 2026 | Claude Fable 5.1 |
| GPT-6 Astra | Neu, allgemein verfügbar | 4. September 2026 | – |
| Claude Fable 5.1 | Neu, allgemein verfügbar | 1. September 2026 | – |
| Gemini 3.8 Flash | Neu, schrittweiser Rollout | 3. September 2026 | – |
Auffällig ist das Tempo dieser Rotation. Innerhalb von zehn Tagen wurden drei neue Modelle allgemein verfügbar gemacht, ein Modell endgültig abgeschaltet und vier weitere zur Abschaltung angekündigt. Für IT-Abteilungen, die Copilot in größeren Organisationen verwalten, bedeutet das einen wachsenden administrativen Aufwand: Migrationsleitfäden lesen, interne Dokumentation aktualisieren und Teams über neue Standardmodelle informieren, bevor die alten Optionen verschwinden. Details zu den einzelnen Modelländerungen listet GitHub laufend im offiziellen Changelog.
Claude Fable 5.1 und Gemini 3.8 Flash im Modell-Picker
Claude Fable 5.1 wurde bereits am 1. September 2026 für Pro+, Max, Business- und Enterprise-Kunden allgemein verfügbar gemacht und war damit das erste von gleich drei neuen GA-Modellen in dieser Woche. Gemini 3.8 Flash folgte am 3. September und wird seither schrittweise auf eine ganze Reihe von Plänen ausgerollt, von Pro über Pro+ bis Max, Business und Enterprise. Die Verfügbarkeit erstreckt sich dabei nicht nur auf VS Code, sondern auch auf Visual Studio, die Copilot CLI, den Cloud-Agenten, die Copilot-App, JetBrains-IDEs, Xcode und Eclipse. Bis Ende Dezember 2026 gilt für Gemini 3.8 Flash zudem eine vergünstigte Einführungspreisstruktur des Anbieters.
Für Entwickler bedeutet diese Modellvielfalt in der Praxis vor allem eines: Die Wahl des richtigen Modells für die richtige Aufgabe wird zu einer eigenen Fähigkeit. Genau an diesem Punkt setzt HydraFusion an, denn die manuelle Auswahl aus mittlerweile mehr als einem Dutzend verfügbaren Modellen ist für die meisten Teams schlicht nicht mehr praktikabel. Wer nicht ständig die aktuellen Benchmarks der einzelnen Modelle verfolgt, trifft bei der manuellen Auswahl regelmäßig suboptimale Entscheidungen, sowohl bei den Kosten als auch bei der Codequalität.
Warum Multi-Model-Orchestrierung der nächste große Trend ist
Der Grundgedanke hinter HydraFusion ist nicht neu, aber GitHub ist der erste große Anbieter, der ihn in dieser Form direkt in ein Mainstream-Entwicklerwerkzeug integriert. Die Idee: Kein einzelnes KI-Modell ist für jede Programmieraufgabe gleichermaßen gut geeignet, und die Preisunterschiede zwischen Modellen sind teilweise erheblich. Ein Modell wie GPT-6 Astra ist für komplexe, mehrstufige Aufgaben ausgelegt und entsprechend teurer im Betrieb, während ein Flash-Modell für einfache Codevervollständigung oder kleine Refactorings ausreicht und dabei deutlich weniger kostet.
Diese Logik kennt man aus der Cloud-Infrastruktur schon länger, etwa beim automatischen Wechsel zwischen Instanztypen je nach Lastprofil. Neu ist die Übertragung dieses Prinzips auf generative KI-Modelle im Coding-Kontext. Sollte sich HydraFusion im breiten Einsatz bewähren, ist davon auszugehen, dass Wettbewerber wie Cursor, JetBrains oder Amazon nachziehen und eigene Orchestrierungsschichten für ihre jeweiligen Coding-Assistenten entwickeln. Der Wettbewerbsdruck in diesem Marktsegment ist derzeit so hoch, dass technische Vorteile selten länger als ein bis zwei Quartale exklusiv bleiben.
Marktauswirkungen: Was HydraFusion für Copilot-Kunden bedeutet
Für Unternehmenskunden mit großen Copilot-Deployments könnte HydraFusion die Gesamtkosten für KI-gestützte Entwicklung spürbar senken, vorausgesetzt die von GitHub genannte Einsparung von 67 Prozent bestätigt sich auch außerhalb des TerminalBench-2.1-Szenarios in der alltäglichen Praxis. Gerade für Organisationen, die bereits jetzt hohe Nutzungskosten durch teure Spitzenmodelle wie Claude Opus 5 oder GPT-6 Astra verzeichnen, wäre eine automatische Kostenoptimierung ein direkter Hebel für das IT-Budget.
Gleichzeitig verändert das nutzungsbasierte Abrechnungsmodell die Planbarkeit von Copilot-Ausgaben. Wo bisher eine feste Sitzplatzlizenz pro Entwickler kalkulierbar war, hängt die tatsächliche Rechnung nun stärker davon ab, wie intensiv einzelne Teams komplexe, teure Modelle anstoßen. Für Finanzabteilungen bedeutet das mehr Monitoring-Aufwand, aber potenziell auch eine fairere Kostenverteilung zwischen Teams mit unterschiedlichem Nutzungsprofil. Ergänzend hat GitHub am 2. September 2026 die Content-Exclusion-Richtlinien ausgeweitet, sodass ausgeschlossene Dateien nicht nur in der IDE, sondern auch in der Copilot-App und der CLI aus dem Kontext herausgehalten werden, ein Detail, das gerade für regulierte Branchen relevant ist.
Wettbewerbsvergleich: Copilot, Cursor und JetBrains AI
Im direkten Vergleich zeigt sich, dass GitHub mit HydraFusion und der schnellen Modellrotation aktuell das aggressivste Innovationstempo im Coding-Assistant-Markt vorlegt. Cursor setzt bislang primär auf die Integration einzelner Spitzenmodelle in eine eigene IDE-Umgebung, ohne eine vergleichbare automatische Multi-Modell-Orchestrierung öffentlich anzukündigen. JetBrains wiederum hat mit IntelliJ IDEA 2026.1 den Fokus auf offene Agenten-Kompatibilität gelegt und unterstützt laut eigenen Angaben inzwischen Codex, Cursor und beliebige ACP-kompatible Agenten direkt in der IDE, wie aus den Release Notes verschiedener Anbieter hervorgeht.
| Anbieter | Kernstrategie September 2026 | Modellauswahl | Besonderheit |
|---|---|---|---|
| GitHub Copilot | Automatische Multi-Modell-Orchestrierung (HydraFusion) | Über ein Dutzend Modelle, automatische Zuteilung | Nutzungsbasierte Abrechnung pro Modellschritt |
| Cursor | Eigene IDE mit manueller Modellwahl | Mehrere Spitzenmodelle, manuell wählbar | Enge Integration in eigene Editor-Oberfläche |
| JetBrains AI / IntelliJ | Offene Agenten-Kompatibilität | Codex, Cursor, ACP-kompatible Agenten | Herstellerunabhängige Agenten-Anbindung |
Wichtig einzuordnen: Die aktuell verfügbaren Vergleichszahlen stammen überwiegend aus Herstellerangaben und Produktankündigungen, nicht aus einheitlich durchgeführten Drittanbieter-Tests. Ein direkter, methodisch vergleichbarer Benchmark zwischen HydraFusion, Cursor und JetBrains AI unter identischen Aufgaben liegt bislang nicht vor. Wer eine Kaufentscheidung auf Basis dieser Zahlen treffen will, sollte das im Hinterkopf behalten und im Zweifel eigene Pilotprojekte mit realistischen internen Codebasen durchführen.
Historischer Kontext: Vom Autocomplete zum Agenten-Orchestrator
GitHub Copilot startete 2021 als reines Autocomplete-Werkzeug, das auf einem einzigen, fest verdrahteten Modell basierte. Über die folgenden Jahre kamen Chat-Funktionen, Agenten-Modi und schließlich eigenständig arbeitende Coding-Agenten hinzu, die ganze Pull Requests eigenständig erstellen und bearbeiten können. Mit der Einführung von Copilot Workspace, das mittlerweile mehrere spezialisierte Agenten für Implementierung, Tests und Dokumentation gleichzeitig koordiniert, hatte sich der Trend zur Agenten-Vielfalt bereits abgezeichnet. HydraFusion ist der nächste logische Schritt in dieser Entwicklung: Wo bisher mehrere Agenten parallel an einer Aufgabe arbeiteten, wählt das System nun zusätzlich pro Einzelschritt das jeweils passende Basismodell aus.
Diese Entwicklung spiegelt sich auch in aktuellen Branchendaten wider. Laut einer aktuellen Erhebung von JetBrains nutzen mittlerweile 90 Prozent der professionellen Entwickler KI-Coding-Agenten mindestens wöchentlich, 68 Prozent sogar täglich. Mikhail Bogdanov von JetBrains kommentierte im Rahmen dieser Auswertung, dass Claude Code seine Führungsposition in bestimmten Nutzungsszenarien weiter ausgebaut habe, wie aus dem Bericht von i-programmer.info hervorgeht. Diese Zahlen zeigen, wie stark sich der Markt in wenigen Jahren von einem reinen Nice-to-have-Feature zu einer festen Grundausstattung im Entwickleralltag entwickelt hat.
Governance und Sicherheit: Enterprise Server 3.22
Neben den modellbezogenen Neuerungen brachte die erste Septemberwoche 2026 auch Fortschritte auf der Governance-Seite. GitHub Enterprise Server 3.22, dessen Release-Notes am 11. September 2026 aktualisiert wurden, bringt Unterstützung für die Copilot CLI in getrennten Netzwerkumgebungen ohne direkte Internetverbindung. Das ist vor allem für Organisationen mit strengen Datenresidenz-Anforderungen relevant, etwa in regulierten Branchen wie dem Finanzsektor oder der öffentlichen Verwaltung, die KI-gestützte Entwicklungswerkzeuge bislang aus Compliance-Gründen nur eingeschränkt einsetzen konnten.
Ergänzend wurde die Code-Review-Funktion von Copilot dahingehend erweitert, dass sie seit dem 1. September 2026 Pull Requests formal freigeben kann. Aktivieren Administratoren die entsprechende Einstellung, zählen diese automatisierten Freigaben sogar zur Pflichtanzahl an Approvals, bevor ein Merge möglich ist. Das markiert einen Wendepunkt: Copilot agiert damit nicht mehr nur beratend, sondern in bestimmten Team-Workflows als vollwertige, autoritative Prüfinstanz im Entwicklungsprozess. Diese Detailänderung sorgt in Entwicklerforen bereits für Diskussionen über die richtige Balance zwischen Automatisierung und menschlicher Kontrolle bei Code-Freigaben.
Kritik und offene Fragen zu HydraFusion
So vielversprechend die angekündigten Zahlen klingen, bleiben einige Fragen offen. Erstens handelt es sich bei HydraFusion ausdrücklich um ein Research Preview, also eine experimentelle Funktion ohne Garantie auf dauerhafte Verfügbarkeit in der aktuellen Form. Zweitens basiert der zentrale 67-Prozent-Wert auf einem einzelnen Benchmark, TerminalBench 2.1, der zwar für Kommandozeilen-Aufgaben aussagekräftig ist, aber nicht zwangsläufig repräsentativ für alle Programmiersprachen und Projekttypen sein muss, etwa für komplexe Frontend-Arbeiten oder Datenbankmigrationen.
Drittens wirft die automatische Modellauswahl auch Fragen zur Nachvollziehbarkeit auf. Wenn ein System selbstständig entscheidet, welches Modell für eine Aufgabe verantwortlich war, wird die Fehleranalyse komplexer, sollte ein generierter Code fehlerhaft sein oder Sicherheitslücken enthalten. Entwickler müssten im Zweifel nachvollziehen können, welches der beteiligten Modelle für welchen Codeabschnitt verantwortlich zeichnet, um gezielt nachzubessern oder das Modell für ähnliche Aufgaben künftig auszuschließen. GitHub hat bislang keine detaillierten Angaben dazu veröffentlicht, wie transparent dieser Entscheidungsprozess für Endnutzer tatsächlich einsehbar ist.
Prognosen: So könnte es weitergehen
Auf Basis der aktuellen Entwicklung lassen sich einige Trends für die kommenden Monate absehen, auch wenn sie naturgemäß mit Unsicherheit behaftet sind. Erstens ist damit zu rechnen, dass GitHub HydraFusion nach der Preview-Phase auf weitere Copilot-Oberflächen ausrollt, etwa VS Code und die Copilot-App, sofern sich die Kostenvorteile in der Breite bestätigen. Zweitens dürften Wettbewerber wie Cursor, Amazon oder JetBrains innerhalb der nächsten zwei bis drei Quartale eigene Antworten auf das Orchestrierungskonzept präsentieren, um im Preiswettbewerb nicht ins Hintertreffen zu geraten.
Drittens wird die Modellrotation bei Copilot vermutlich nicht langsamer werden. Mit inzwischen mehr als einem Dutzend verfügbaren Modellen und einer Deprecation-Ankündigung im Wochentakt entsteht ein Betriebsaufwand, der mittelfristig eigene Tools zur Modellverwaltung innerhalb von Unternehmen nötig machen könnte. Viertens ist zu erwarten, dass sich die nutzungsbasierte Abrechnung schrittweise auf weitere Copilot-Funktionen ausweitet, nachdem GitHub mit HydraFusion einen ersten großflächigen Testlauf für dieses Preismodell gestartet hat. Fünftens dürfte die zunehmende Autorität von Copilot bei Code-Reviews, verbunden mit formalen PR-Freigaben, in den kommenden Monaten zu einer breiteren Diskussion über Haftungsfragen führen, sollte automatisiert freigegebener Code zu Produktionsproblemen führen.
Was Entwickler in Österreich jetzt beachten sollten
Für Entwicklerteams und IT-Verantwortliche in Österreich ergeben sich aus den Ankündigungen der ersten Septemberwoche konkrete To-dos. Wer produktive Workflows auf Basis von MAI-Code-1-Flash, Gemini 3.5 oder 3.6 Flash, Kimi K2.7 Code oder Claude Opus 4.7 betreibt, sollte die Migration auf die empfohlenen Nachfolgemodelle noch vor dem 2. Oktober 2026 einplanen, um Unterbrechungen im Entwicklungsalltag zu vermeiden. Teams, die HydraFusion testen möchten, sollten die experimentelle Funktion zunächst in einer nicht-kritischen Umgebung ausprobieren und die tatsächlichen Kosteneinsparungen anhand der eigenen Codebasis dokumentieren, statt sich allein auf die von GitHub genannten Benchmark-Werte zu verlassen.
Unternehmen mit strengen Datenschutzanforderungen, etwa im Finanz- oder Gesundheitssektor, profitieren zudem von der neuen Unterstützung für getrennte Netzwerkumgebungen in GitHub Enterprise Server 3.22. Wer bislang aus Compliance-Gründen auf den Einsatz von Copilot verzichtet hat, sollte prüfen, ob diese Erweiterung die eigenen regulatorischen Anforderungen mittlerweile erfüllt. Angesichts der Tatsache, dass Copilot-Freigaben inzwischen formal in den Pull-Request-Prozess einfließen können, empfiehlt es sich außerdem, interne Richtlinien zu überarbeiten, wie viel Gewicht automatisierten Freigaben im eigenen Review-Prozess eingeräumt wird.
Häufig gestellte Fragen zu HydraFusion und den Copilot-Updates
Was ist Project HydraFusion genau?
HydraFusion ist eine experimentelle Funktion in der GitHub Copilot CLI, die automatisch zwischen mehreren KI-Modellen wechselt, um Programmieraufgaben je nach Komplexität kostengünstiger und qualitativ hochwertiger zu erledigen.
Wie viel Geld lässt sich mit HydraFusion tatsächlich sparen?
Laut GitHubs eigenem TerminalBench-2.1-Benchmark liegt die Einsparung gegenüber einem alleinigen Einsatz von Claude Opus 5 bei rund 67 Prozent. Unabhängige Bestätigungen dieser Zahl außerhalb des GitHub-eigenen Tests stehen bislang aus.
Ist HydraFusion bereits für alle Copilot-Nutzer verfügbar?
Die Funktion befindet sich im Research-Preview-Status und ist derzeit auf die Copilot CLI beschränkt, aber grundsätzlich für Nutzer aller Copilot-Pläne aktivierbar.
Welche Modelle wurden im September 2026 abgeschaltet?
MAI-Code-1-Flash wurde am 10. September 2026 endgültig abgeschaltet. Gemini 3.5 Flash, Gemini 3.6 Flash, Kimi K2.7 Code und Claude Opus 4.7 folgen am 2. Oktober 2026.
Was unterscheidet GPT-6 Astra von den bisherigen OpenAI-Modellen in Copilot?
GPT-6 Astra ist laut GitHub speziell für langfristige, autonome Programmieraufgaben ausgelegt, bei denen das Modell selbstständig plant, Zwischenschritte validiert und erst nach erfolgreicher Prüfung eine Aufgabe abschließt.
Ändert sich durch HydraFusion die Abrechnung von Copilot Business?
Ja. HydraFusion-Sitzungen werden nutzungsbasiert pro Token und je nach eingesetztem Modell abgerechnet, statt über die bisherige pauschale Sitzplatzlizenz.
Kann Copilot jetzt Pull Requests eigenständig freigeben?
Seit dem 1. September 2026 können Copilot-Code-Reviews Pull Requests formal genehmigen. Aktivieren Administratoren die entsprechende Einstellung, zählen diese Freigaben zur Pflichtanzahl an Approvals im Merge-Prozess.
Was bedeutet die Unterstützung für getrennte Netzwerkumgebungen in Enterprise Server 3.22?
Organisationen mit strengen Datenresidenz-Anforderungen können die Copilot CLI künftig auch in Netzwerken ohne direkte Internetverbindung betreiben, was den Einsatz in regulierten Branchen erleichtert.
