GitHub ha dovuto rivedere profondamente le proprie fondamenta per sostenere l'esplosione del codice prodotto dagli strumenti di intelligenza artificiale. A settembre la piattaforma di Microsoft ha registrato 7,4 miliardi di commit, cinque volte il volume dello stesso periodo dell'anno precedente. Una crescita che ha messo sotto pressione i sistemi, causando anche diversi problemi di disponibilità del servizio.
Una capacità senza precedenti
Alla conferenza GitHub Universe l'azienda ha fatto il punto sugli interventi realizzati. «Aumentare la capacità è importante, ma la capacità da sola non basta. Abbiamo dovuto modificare anche l'architettura», si legge in un post ufficiale. Nel corso dell'anno sono stati aggiunti 4 milioni di core CPU, 160 PB di storage ad alta velocità e 50 Tb/s di capacità di rete, mentre è in corso la migrazione verso un'implementazione multiregione su Azure, prevista in completamento all'inizio del prossimo anno.
Il cuore della svolta riguarda però la nuova architettura di Git, guidata da tre principi: semplificare le primitive, separare lo storage dalla potenza di calcolo e ridurre al minimo il coordinamento. L'obiettivo dichiarato è aumentare il throughput complessivo fino a 35 volte rispetto all'architettura attuale. «L'era degli agenti richiede un livello superiore di throughput e affidabilità», ha spiegato l'azienda, che sta lavorando anche sul gateway AI di GitHub e su Harness.
Copilot Fusion e la scelta intelligente dei modelli
GitHub Universe ha segnato anche la disponibilità generale di Copilot Fusion, il servizio di instradamento delle richieste verso modelli diversi, presentato in anteprima con il nome HydraFusion. Il sistema analizza le esigenze di ogni attività — ragionamento, generazione di codice, debugging, uso di strumenti esterni — e seleziona uno o più modelli per completarla al meglio. «Attività diverse richiedono modelli diversi», ha spiegato Parikh, sottolineando che gli sviluppatori non dovrebbero gestire ogni scelta manualmente.
Secondo i dati citati dall'azienda, nel benchmark Artificial Analysis Coding Agent Index Fusion Max ha ottenuto un risultato distante meno di due punti da Opus 5.5 Max, impiegando la metà del costo e il 40% di tempo in meno per attività. L'offerta si amplia poi con Copilot Projects, Copilot Connectors per i server MCP e Copilot Automations per attività agentiche riutilizzabili. L'accesso a Copilot viene inoltre esteso a tutti gli utenti GitHub Enterprise senza licenze aggiuntive, pur restando la fatturazione basata sui token consumati.
Sul fronte sicurezza arrivano AI Scans, che analizza le pull request per individuare vulnerabilità anche nei linguaggi non coperti dai controlli basati su regole, insieme a strumenti per valutare la raggiungibilità dei difetti e a un firewall per i pacchetti npm che verifica le policy aziendali prima di scaricare le dipendenze.
