GitHub Copilot Windows'ta yerel modelleri kullanacak, HydraFusion işi bulutla bölüşecek

Microsoft ve GitHub, 7 Ekim 2026'da kodlama asistanı GitHub Copilot'un Windows'ta bilgisayarın kendi üzerinde çalışan, yani yerel modelleri kullanabileceğini duyurdu. Duyurunun merkezinde GitHub'ın HydraFusion adlı sistemi var. HydraFusion, bu yıl başında Copilot'a eklenen ve her görevi en uygun bulut modeline yönlendiren bir yönlendirme katmanı; Microsoft'un duyurusundaki bilgilere göre artık bulut modellerinin yanında cihazda çalışan modelleri de kullanabilecek.

Bunun amacı, kodlama işlerinin bir kısmını internete göndermeden bilgisayarda yapmak ve bulut kullanımını gerçekten gereken işlere ayırmak. Microsoft bu yaklaşımı "hibrit zeka" olarak adlandırıyor: ajanlar mantıklı olduğunda yerelde, gerektiğinde bulutta çalışıyor. Özellik GitHub Copilot uygulamasına, Copilot CLI'a ve Visual Studio Code'a geliyor.

Yerel modeller iki yoldan kullanılabiliyor

Microsoft'un Command Line blogundaki teknik yazıya göre yerel modeller iki şekilde kullanılabiliyor. Otomatik yönlendirmede Copilot her görev için işin cihazda mı yoksa bulutta mı yapılacağına kendisi karar veriyor; bu özelliğin ekim sonuna kadar gelmesi bekleniyor. Açık seçimde ise geliştirici belirli bir yerel modeli kendisi seçiyor: Windows ML üzerinden çalışan MAI Code 1.1 Flash ya da OpenAI uyumlu herhangi bir yerel uç nokta. Bu ikinci yol, llama.cpp gibi kendi sunucusunu kuran geliştiricilerin modellerini Copilot'a bağlamasına imkan veriyor. Yazıda yerel çıkarım yapılsa bile oturumun tamamen çevrimdışı olmadığı da belirtiliyor.

HydraFusion her istek için üç çalışma biçiminden birini seçiyor: işi tek bir modele vermek, önce ucuz ve hızlı bir modelle taslak çıkarıp kalite kontrolünden geçmezse daha güçlü modele aktarmak ya da bir modelin taslağını farklı bir model ailesinden ikinci bir modele inceletip düzelttirmek. GitHub'ın topluluk sayfasındaki açıklamaya göre HydraFusion yalnızca kullanıcının planının ve kurumunun izin verdiği modelleri kullanıyor; ayrı bir ücreti yok, kullandığı her model kendi standart fiyatından hesaplanıyor.

Cihazda çalışan modeller

Microsoft'un öne çıkardığı yerel model, kodlama için geliştirdiği MAI Code 1.1 Flash. Şirkete göre toplam 137 milyar, her adımda 6,8 milyar parametresi çalışan bu model, cihaz sürümünde ağırlık başına yaklaşık 3,3 bite sıkıştırılarak 53 GB'a indirildi ve 256 bin tokenlık bağlamı yerelde koruyor. Microsoft'un paylaştığı karşılaştırmada sıkıştırılmış yerel sürüm, SWE-Bench Verified'da bulut sürümüne yakın, Terminal-Bench 2.1'de ise biraz daha yüksek puan alıyor. Duyuruda NVIDIA'nın yakında çıkacak bir Nemotron modeli ve DeepSeek V4 Flash da yerel seçenekler arasında anılıyor.

Bu büyüklükteki modeller güçlü donanım istiyor. Microsoft'un örnek cihazı, 128 GB'a kadar birleşik belleği olan NVIDIA RTX Spark işlemcili Surface Laptop Ultra; şirkete göre MAI Code 1.1 Flash bu cihazda 256 bin token bağlamda en fazla 75,5 GB bellek kullanıyor. RTX Spark'lı bilgisayarlar ASUS, Dell, HP, Lenovo, MSI ve Surface markalarıyla 16 Ekim'de satışa çıkıyor. Windows ML'ye llama.cpp desteği de ekleniyor.

Ajanlar yalıtılmış ortamda çalışıyor

Yerel ajanların bilgisayarda komut çalıştırması güvenlik sorusunu da beraberinde getiriyor. Microsoft bunun için Windows 11'de genel kullanıma açtığı Microsoft Execution Containers (MXC) yapısını kullanıyor. MXC, ajanın hangi dosyalara ve ağlara erişebileceğini tanımlayan kuralları işletim sisteminin kendi denetimlerine çeviren açık kaynak bir kütüphane. Copilot'ta korumalı ortam açıldığında kabuk komutları ve varsayılan olarak yerel MCP sunucuları bu sınırın içinde çalışıyor. CLI'da /sandbox komutuyla, Copilot uygulamasında ise proje ayarlarındaki "Sandbox new sessions" seçeneğiyle açılabiliyor. Microsoft'a göre MXC'yi destekleyen ajanlar arasında OpenAI'ın Codex'i, GitHub Copilot, OpenClaw, Replit, LM Studio ve Unsloth AI var; Anthropic'in Claude Code'u ve Perplexity'nin de desteği eklemekte olduğu belirtiliyor.

Otomatik yönlendirmenin deneysel önizleme olarak gelmesi bekleniyor ve yerel modellerin performansı Microsoft'un da belirttiği gibi cihaza ve ayarlara göre değişebiliyor. Paylaşılan test sonuçları Microsoft'a ait; büyük yerel modeller ancak çok belleği olan yeni nesil bilgisayarlarda rahat çalışıyor. Yerel modelin hangi işi ne kadar iyi yaptığını kendi kod tabanınızda denemek iyi olur. Sonuçları farklı açılardan görmek için bağımsız araştırmacıların değerlendirmelerini de takip edin.

Kaynaklar: Windows Experience Blog: Building Windows for hybrid intelligence, Microsoft Command Line: Bringing local models and sandboxed tools to Windows and GitHub Copilot, GitHub Community: HydraFusion.