当前位置:首页 > 文章列表 > 科技周边 > 业界新闻 > GitHub Copilot 模型退役前怎样切换到替代模型

GitHub Copilot 模型退役前怎样切换到替代模型

来源:17golang原创 2026-11-16 20:52:33 0浏览 收藏

GitHub Copilot 的模型退役,最适合按“清单—策略—工作流”三层处理:先列出受影响模型和退役日期,再确认组织是否放行替代模型,最后安排 Chat、代码补全和 Agent 等入口切换。GitHub 的公告写明,相关模型将在 2026 年 12 月 14 日退役;这不是要求今天立刻删除配置,而是给团队留出迁移窗口。

GitHub 官方公告:https://github.blog/changelog/2026-11-13-upcoming-deprecation-of-selected-github-copilot-models-in-december/

我会先把公告复制进团队的变更记录,再逐项确认谁使用旧模型、替代模型是否已经在组织策略中可选,以及切换后哪个工作流需要重新观察。这样处理的好处是,模型退役不会被误解成一次只改一个下拉选项的操作。

先把退役公告变成模型映射表

GitHub 公告列出的统一退役日期是 2026 年 12 月 14 日,涉及多个 Copilot 使用体验,包括 Copilot Chat、inline edits、ask 和 agent modes,以及 code completions。公告同时给出建议替代项:Claude Fable 5 对应 Claude Fable 5.2,Claude Haiku 4.5 对应 Claude Haiku 5.5,Gemini 3.8 Flash 对应 Gemini 4 Hydrogen,Gemini 4 Argon 对应 Gemini 4 Carbon,Grok 4.6 对应 Grok 4.7。

Kimi K3 的替代模型在公告中仍标为“待公布”,所以它不能被提前填成一个猜测的名称。Claude Haiku 4.5 还存在一个特定例外:个人 GitHub Copilot 年付订阅用户仍可继续使用它。这个例外要单独记录,不能直接套到企业账号或所有个人账号上。

GitHub Copilot 受影响模型、建议替代模型与退役日期的关系图
图1:模型迁移映射说明图,把退役日期、受影响模型和建议替代模型放在同一张清单里。

我建议把清单拆成四列:旧模型、退役日期、建议替代、需要确认的例外。对每一行再补一个“实际使用位置”,例如某个组织的 Chat 习惯、某个编辑器的补全配置或自动化 Agent。这样后续迁移有明确责任人,也不会因为替代模型已经出现就忽略实际使用范围。

再检查组织策略和实际使用入口

替代模型写在公告里,不等于组织里的每个人已经可以选择。GitHub 说明,在默认模型启用的情况下,建议替代模型会自动为 Copilot Enterprise 和 Copilot Business 客户启用;如果管理员关闭了全局默认值,管理员就需要在 Copilot 设置的模型策略中打开对应模型。

这一段是迁移中最容易漏掉的分支。先确认组织采用哪种策略,再让一名管理员或试点用户查看支持的模型列表,最后把结果记录回变更单。不要只让开发者在自己的 Copilot Chat 里看不到模型后反复重试,因为问题可能发生在组织策略层。

组织模型策略影响 GitHub Copilot 工作流切换的关系图
图2:组织策略到工作流切换的关系图,先确认可用性,再安排各使用入口迁移。

对每个入口分别安排一次确认:Chat 是否能选替代模型,inline edits 是否出现预期模型,ask/agent modes 是否受组织策略影响,code completions 是否需要另行观察。这里的“确认”是团队自己的迁移记录,不代表官方为你的代码库保证相同输出质量。

按工作流安排切换,而不是只改模型名称

如果团队把 Copilot 当作日常编码工具,我会先选一个低风险仓库做试点:记录旧模型负责的任务类型、常用提示和人工复核点,然后切换到建议替代模型,保留同一组任务做对照。重点不是给模型排一个永久名次,而是找出哪些任务需要调整提示、上下文或审查力度。

企业团队还应把两类人分开沟通。管理员关心策略是否放行、哪些模型会在截止日后消失;开发者关心自己常用入口是否还能工作、切换后遇到异常向谁反馈。Kimi K3 的替代模型尚未公布时,可以先登记受影响范围和负责人,等官方更新后再补映射,不要用未经确认的模型名占位。

迁移项现在记录什么切换后看什么
模型映射旧模型、替代模型、退役日期是否仍有待公布项
组织策略默认启用还是管理员策略试点账号是否可选择
使用入口Chat、编辑、Agent、补全的实际范围各入口是否出现预期模型
例外人员年付个人订阅或特殊账号例外是否仍符合官方说明

我的判断是:这次公告更像一次模型供应变更,不能只交给个人开发者处理。管理员负责策略,团队负责人负责工作流和试点,使用者负责反馈具体任务变化,三者合起来才是一份可回溯的迁移计划。

常见问题

退役日期到了以后需要手动删除旧模型吗?

GitHub 公告说明,模型退役后不需要用户手动移除这些模型。团队仍应提前更新自己的工作流、集成和说明文档,避免在退役当天才发现任务没有替代路径。

Kimi K3 应该先换成哪个模型?

公告当前只写明替代模型待公布,因此不要猜测。先记录受影响范围,等待 GitHub 官方更新后再补充映射和试点安排。

管理员已经打开默认模型,还要检查模型策略吗?

建议检查。默认启用和管理员显式关闭默认值是两种不同分支;如果组织改过全局默认设置,就要在 Copilot 设置的模型策略中确认替代模型是否被允许。

相关官方资料:GitHub Copilot 支持模型文档:https://docs.github.com/en/copilot/reference/ai-models/supported-models。公告与文档用于确认可用范围,具体团队迁移仍应结合自己的账号策略和工作流记录。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Kubernetes Pod Security Admission 怎样把策略告警转成阻断Kubernetes Pod Security Admission 怎样把策略告警转成阻断
上一篇
Kubernetes Pod Security Admission 怎样把策略告警转成阻断
Python 官方 What’s New 怎样定位迁移注意事项
下一篇
Python 官方 What’s New 怎样定位迁移注意事项
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    1055次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    1054次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    1219次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    1161次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    1004次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码