GitHub 在 2026 年 7 月 1 日宣布，企业管理员可在受管配置中把 Copilot 的模型设为 auto，让新对话默认使用自动模型选择，同时仍允许用户按会话切换。这看似是一个设置项，背后却是多模型治理走向平台化。

自动选模可以根据任务和服务状态平衡能力、速度与成本，但企业不能把决策完全视为黑盒。至少要知道哪些模型被允许、代码会经过什么数据边界、失败时如何回退，以及模型切换是否影响审计与合规。

建议把策略拆成三层：组织层定义允许模型与数据规则；项目层定义风险等级和预算；任务层根据修改范围、验收命令和时限选择模型。高风险任务即使自动路由到更强模型，也必须保留人工审批。

评估自动选模不能只看平均响应速度。应比较端到端完成率、Token 成本、测试通过率和人工返工时间，并记录每次实际使用的模型版本。否则出现回归时，团队无法判断是提示、环境还是路由变化造成的。

MonkeyCode 面向团队组织 AI 编码任务，可以把模型配置与仓库、隔离环境和验收流程关联起来。相比每位开发者自行选择，任务级策略更容易统一权限和沉淀数据，也方便在 BYOK 场景下控制供应商边界。

自动选模的终点不是“用户不用思考”，而是让模型选择成为可观察、可复现、可调整的工程配置。

参考：GitHub Changelog《Enterprises can default to auto model selection》，2026-07-01。