GitHub meddelade i sin changelog 28 oktober 2026 att Copilot Fusion kan välja mellan lokala modeller och molnmodeller i Copilot CLI, Copilot-appen och VS Code. Funktionen är en experimentell förhandsversion som du själv måste slå på. Fusion-dokumentationen kallar samma sak public preview och skriver att den kan ändras. Bygg alltså ingen arbetsrutin på att beteendet är detsamma nästa månad.
Två vägar finns. På Windows kan Copilot hämta och konfigurera MAI Code 1.1 Flash via Windows ML. På Windows, macOS och Linux kan du i stället köra en egen modell, till exempel MAI Code 1.1 Flash eller Qwen3.8 Flash Next, bakom en lokal OpenAI-kompatibel server. Då sköter du själv nedladdning, körning och att datorn räcker till.
Lokal inferens gör inte sessionen offline. Copilot Fusion fattar fortfarande sina routningsbeslut i molnet. Lokala modeller kan ha andra säkerhetsskydd än Copilots molnmodeller. Vad som skickas för att fatta routningsbeslutet beskrivs inte i någon av de källor vi läst.
Koppla en modell i Ollama till Copilot CLI
Sedan 7 oktober 2026 hittar Copilot CLI själv modeller i en körande Ollama, från version 1.0.94-0. Ollama och modellen måste redan vara installerade; CLI:t installerar ingen körmiljö och hämtar inga modeller. Saknar du Ollama börjar du i guiden för Ollama på Windows. Modellen måste dessutom klara verktygsanrop och strömmande svar, så alla modeller i din lista duger inte. Vilka modeller som är rimliga för din dator jämför du i modellöversikten.
Skriv /model i CLI:t. Enligt dokumentationen för egna modeller visas Ollama-modellerna under ”Local and self-hosted” med statusen ”Discovered”. Inget läggs till automatiskt. Du väljer modellen, granskar leverantör och adress och väljer sedan ”Add and use for this session” eller ”Add without switching”. Startade du Ollama efter CLI:t söker Ctrl+R igen i modellväljaren.
CLI:t letar som standard på http://127.0.0.1:11434. Lyssnar Ollama på en annan port sätter du OLLAMA_HOST innan CLI:t startar. Upptäckten söker bara på adresser på din egen dator. Kör du Ollama på en annan maskin, som i guiden om Ollama på lokalt nätverk, lägger du in leverantören för hand, och adressen ska då sluta på /v1.
providers.json och varningen om klartext
Valet sparas i providers.json i CLI:ts konfigurationskatalog, normalt ~/.copilot. Filen har två listor: providers med namn, typ (openai, azure eller anthropic), baseUrl och en valfri apiKey, och models där varje modell pekar på en leverantör. Ett handskrivet exempel för Ollama på samma dator, där Ollamas OpenAI-kompatibla adress är http://localhost:11434/v1/:
{
"providers": [
{
"name": "ollama-lokal",
"type": "openai",
"baseUrl": "http://localhost:11434/v1"
}
],
"models": [
{
"id": "DITT-MODELLNAMN",
"provider": "ollama-lokal"
}
]
}Ollama ignorerar nyckeln lokalt, så exemplet saknar apiKey. Lägger du in en riktig nyckel för en annan leverantör gäller GitHubs varning: uppgifterna lagras i klartext. Håll filen privat, checka aldrig in den, och räkna inte med att $MY_API_KEY läses som miljövariabel; värdet tolkas bokstavligt. Lägg till nya poster i befintlig fil i stället för att ersätta den.
Vill du hålla provet nedan isär från din vanliga konfiguration pekar du ut en egen fil med COPILOT_PROVIDERS_CONFIG och startar med modellen vald:
# PowerShell
$env:COPILOT_PROVIDERS_CONFIG = "C:\prov\providers.json"
copilot --model ollama-lokal/DITT-MODELLNAMNDirektval eller Standard: vem bestämmer?
Väljer du den lokala modellen direkt i /model är det den som svarar. Väljer du i stället Standard i Copilot Fusion väljer Copilot en modell per uppgift. Enligt Fusion-dokumentationen används lokala modeller oftare där det passar, och bara på nivån Standard. CLI-dokumentationen beskriver för MAI Code 1.1 Flash att molnmodeller tar de uppgifter som kräver mer resurser.
För att Standard ska kunna välja den lokala modellen krävs experimentläget: /experimental on eller start med --experimental. Att lägga till en modell via BYOK gör den inte automatiskt valbar för Fusion. I Copilot-appen kan du välja kompatibla lokala BYOK-modeller direkt, men den automatiska routningen gäller där bara hanterade Windows ML-modeller.
Blanda inte ihop Standard med Auto. Sidan om automatiskt modellval anger att Auto inte tar med modeller som installerats på den egna datorn eller i det lokala nätverket. Avvägningen blir enkel: kod som inte får lämna datorn hör hemma i direktvalet. Standard är för arbete där det är acceptabelt att en uppgift hamnar i molnet.
Offline-läget som bevis
Att välja en lokal modell stänger inte av GitHubs telemetri. Offline-läget gör det: sätt COPILOT_OFFLINE till true innan CLI:t startar, så kontaktar det inte GitHubs servrar. Modell-leverantören får fortfarande anropen, och för full isolering måste leverantören också vara lokal. Det gör offline-läget till ett prov. Blir en uppgift klar i offline-läget med den lokala modellen vald direkt har modellarbetet gjorts av din egen Ollama.
# PowerShell, ny terminal
$env:COPILOT_OFFLINE = "true"
copilot --model ollama-lokal/DITT-MODELLNAMNGör provet i en testmapp med konstruerad kod, inte i ett skarpt repo. Ha en andra terminal öppen med ollama ps och serverloggen; var loggen ligger och hur du läser den visar artikeln om Ollamas loggar.
- Offline och direktval. Be om en liten ändring i en fil. Förväntat: en ny rad i Ollamas logg och en laddad modell i
ollama psmedan svaret skrivs. - Normal start och Standard. Stäng terminalen, starta utan
COPILOT_OFFLINE, slå på experimentläget och välj Standard. Ge samma lilla uppgift och sedan en större. En uppgift som besvaras utan någon ny rad i Ollamas logg besvarades någon annanstans. - Offline och Standard. Dokumentationen beskriver inte vad som händer när Standard körs i offline-läge. Prova och anteckna vad CLI:t gör i stället för att anta.
| Steg | Läge | Ny rad i Ollamas logg? | Uppgiften klar? |
|---|---|---|---|
| 1 | Offline, direktval | ja ___ nej ___ | ja ___ nej ___ |
| 2a | Standard, liten uppgift | ja ___ nej ___ | ja ___ nej ___ |
| 2b | Standard, större uppgift | ja ___ nej ___ | ja ___ nej ___ |
| 3 | Offline, Standard | ja ___ nej ___ | ja ___ nej ___ |
Tabellen är en blankett, inga uppmätta värden. En loggrad visar att Ollama arbetade med just den uppgiften. Den visar inte att ingenting annat skickades, eftersom routningsbeslutet i Standard fattas i molnet. Anteckna CLI-version, Ollama-version, modellnamn och datum, och kör om provet när funktionen lämnar förhandsversionen.
FAQ
Blir Copilot offline om jag väljer en lokal modell?
Nej. GitHub skriver att lokal inferens inte gör sessionen offline. Offline-läget är ett separat val med COPILOT_OFFLINE=true innan CLI:t startar.
Var sparar Copilot CLI min lokala modell?
I providers.json i CLI:ts konfigurationskatalog, normalt ~/.copilot. Nycklar i filen lagras i klartext, så filen ska hållas privat och aldrig checkas in.
Kan Standard-läget skicka en uppgift till molnet fast jag har en lokal modell?
Ja. I Standard väljer Copilot Fusion en modell per uppgift, och routningsbeslutet fattas i molnet. Vill du att modellarbetet ska göras lokalt väljer du den lokala modellen direkt.
Fungerar en egen modell i Ollama med Copilot Fusion?
Inte automatiskt. En modell som läggs till via BYOK blir inte valbar för Fusion av sig själv, och i Copilot-appen gäller den automatiska routningen bara hanterade Windows ML-modeller.
Källor och metod
- GitHub Changelog 28 okt 2026 – lokala modeller i Copilot Fusion, experimentell förhandsversion, routning i molnet.
- GitHub Changelog 7 okt 2026 – upptäckt av Ollama-modeller, CLI-version och krav på modellen.
- GitHub Docs: Adding LLM models to Copilot CLI – Ollama, providers.json, COPILOT_PROVIDERS_CONFIG och offline-läget.
- GitHub Docs: Copilot Fusion – Standard och lokala modeller.
- GitHub Docs: Auto model selection – Auto utesluter lokalt installerade modeller.
- Ollama: OpenAI compatibility – lokal bas-URL och nyckel som ignoreras.
Källorna kontrollerades 2 nov 2026. Redaktionen har inte kört Copilot CLI eller provet; stegen och tabellen är läsarens prov. Exemplet i providers.json är skrivet utifrån dokumentationens format och har inte prövats mot en viss CLI-version.