GitHub Copilot、ローカル実行とクラウド実行を自動的に判断へ

GitHubは、プログラミングタスクをローカルモデルで実行するか、クラウドモデルに送信するかを判断する自動振り分け機能をGitHub Copilotに追加する準備を進めており、この機能は2026年10月末までに提供される見込みだ。この計画は、クラウド経路が選択された際に、どの程度の会話履歴とリポジトリコンテキストがクラウドへ移行する可能性があるのかという重要な問いを未解決のまま残している。

Microsoftは、GitHubのプロダクトマネージャーであるPatrick Nikoletich氏と、WindowsプラットフォームのパートナーシップエンジニアであるStuart Schaefer氏が共同執筆した投稿で、この計画を明らかにした。この発表は、GitHub Copilotにおける新しいサンドボックス機能の一般提供開始と同時に行われたが、保護レベルは使用するツールによって異なる。

タスクとそのコンテキストに基づく振り分け

GitHubは、プログラミングタスクに適したモデルを選択するプロジェクト「HydraFusion」を拡張し、推論を実行する場所も決定できるようにする。同社によると、Copilotはローカル推論とクラウド推論の間を移行する際、複数ラウンドのセッション中も含め、タスクのコンテキストとキャッシュの状態を考慮する。

Copilot CLI、Copilotアプリケーション、Visual Studio Codeでは、開発者がAutoモードを使用するか、ローカルモデルを手動で選択できるようになる。選択肢には、Windows ML経由のMAI Code 1.1 Flashモデルに加え、OpenAI互換のローカルエンドポイントが含まれる。

まだ明らかになっていない点

Microsoftは、「ローカル推論によってセッションがオフラインになるわけではない」と認めている。同社は、Autoモードがクラウドモデルに送信するリポジトリコンテキストや会話履歴の量を明らかにしておらず、開発者が振り分けの判断を確認したり、クラウドの使用を完全に禁止したりできるかどうかも示していない。

この不明確さは、コードやデータの取り扱いに厳格なポリシーを課しているチームにとって重要だ。ローカルモデルを選択すれば推論処理はデバイス上に維持されるが、エージェントが外部サービスにアクセスしたり、ツールを介してネットワークリクエストを実行したりすることは防げない。完全にローカルなセッションを実現するには、開発者はそれらのツールの権限も制限する必要がある。

大規模なローカルモデルと高いハードウェア要件

ローカル経路はMAI Code 1.1 Flashに依存する。このモデルは、合計1,370億パラメーターを持つmixture-of-expertsモデルで、68億パラメーターが有効化される。Microsoftは、重みあたり約3.3ビットの混合精度量子化を使用してモデルを53ギガバイトに縮小し、bfloat16形式のクラウド版と比べて80%少なくした。また、ローカル推論を高速化するためにspeculative decodingも使用した。

初回リリースは、Surface Laptop Ultraなど、最大128ギガバイトの統合メモリを備えたNVIDIA RTX Spark搭載のWindowsデバイスを対象とする。メモリ使用量のピークは、25万6,000トークンのコンテキストで75.5ギガバイトと測定された。この値はモデルだけのものではない。システム、アプリケーション、実行環境、KVキャッシュにも追加の領域が必要であり、ファイルの読み取りやツールの結果の受信に伴ってキャッシュも増加する。

性能とセキュリティ分離

量子化モデルはSWE-Bench Verifiedで70.8%を記録したのに対し、フル精度版は72.6%だった。Terminal-Bench 2.1では、89タスクからなるセットで、量子化モデルが66.29%、元のモデルが62.9%を記録した。つまり、この小規模なテストにおける差は約3タスクに相当する。

Copilotは、オープンソースのExecution Containers（MXC）ライブラリを使用して分離ポリシーを適用する。WindowsではProcessContainerのBaseContainer層、macOSではSeatbelt、Linuxではbubblewrapを使用する。shellコマンド、一部のローカルMCPサーバー、対応している場合の言語サーバーは、ローカルモデルとクラウドモデルのどちらを使用しても、オペレーティングシステムが課す制限の対象となる。

一方、組み込みのファイルツールはエージェントプロセス内で動作し、実行環境のチェックに依存する。リモートMCPサーバーはローカルの分離の対象外にとどまる。また、Microsoftがオフラインのワークフローと説明したデモでさえ、そこで使用されたGitHubデータがネットワーク経由で取得されたのか、ローカルに保存されていたのかは明確になっていない。

なぜこのニュースが重要なのか

この変更は、開発者のデバイス上で小型モデルを実行することにとどまらず、コードをどこで処理するかという重要な判断を自動振り分けの仕組みに移すものだ。実際、開発者はクラウドモデルの速度とローカル実行のプライバシーの間で、より大きな柔軟性を得ることになる。しかし、GitHubがAutoモードが送信するデータ、その判断を監査できる可能性、ローカル実行を強制する選択肢を明らかにするまでは、チームはリスクを完全に評価できない。そのため、この発表だけでは、Copilotが実際に完全なオフラインのローカルセッションを提供することも、現在のメモリ要件が大半の開発デバイスに適していることも証明されていない。