GitHub Copilot CLI научился находить локальные модели, которые уже запущены через Ollama.

Начиная с Copilot CLI версии 1.0.94-0, команда /model показывает не только облачные и уже настроенные модели, но и поддерживаемые модели из локального Ollama instance.

Это делает переключение между cloud и local AI заметно проще. Но есть важный нюанс: Copilot не устанавливает Ollama, не скачивает модели и не включает полностью автономный режим автоматически.

Как теперь выглядит выбор модели

Если Ollama уже запущен на компьютере и в нём есть подходящая модель, Copilot CLI может обнаружить её через model picker.

Дальше пользователь видит provider и endpoint и может выбрать один из вариантов:

• добавить модель и сразу переключиться на неё в текущей сессии;
• добавить модель в список, но оставить текущую активную модель.

Перезапуск Copilot CLI после выбора не требуется.

GitHub ничего не устанавливает автоматически

Discovery — это именно обнаружение уже работающего provider.

Перед этим пользователь должен сам:

1. установить Ollama;
2. скачать нужную модель;
3. запустить Ollama;
4. убедиться, что модель поддерживает необходимые возможности.

Copilot CLI не превращается в менеджер локальных моделей и не начинает скачивать гигабайты весов по команде /model.

Какая локальная модель подойдёт

GitHub указывает два обязательных требования для локальных моделей в этом сценарии:

• поддержка tool calling;
• поддержка streaming.

Это логично, потому что Copilot CLI работает не как обычный текстовый чат. Агенту нужно выбирать tools, вызывать команды и получать результат по ходу работы.

Почему не любая Ollama-модель годится для Copilot

Даже если модель хорошо отвечает на вопросы о коде, этого недостаточно.

Agent workflow требует стабильной структуры tool calls, понимания системных инструкций и способности работать с циклом:

прочитать контекст → выбрать tool → получить результат → продолжить задачу

Слабая или несовместимая модель может нормально писать функцию в чате, но ломаться именно на управлении инструментами.

Local model не означает offline mode

Это самое важное уточнение в анонсе GitHub.

Выбор локальной модели сам по себе не включает offline mode и не отключает GitHub telemetry.

То есть фраза «я выбрал Ollama, значит Copilot полностью перестал обращаться в сеть» — неверна.

Offline mode в Copilot CLI включается отдельно через:

COPILOT_OFFLINE=true

Даже offline mode нужно понимать правильно

GitHub отдельно предупреждает: если пользователь настроил внешний remote provider, он всё ещё может получать prompts и code context по сети.

Поэтому при требованиях к приватности нужно смотреть не только на название модели, но и на фактический endpoint каждого provider.

Локальный Ollama обычно работает на localhost. Но если в model configuration указан удалённый OpenAI-compatible endpoint, трафик остаётся сетевым.

Как понять, куда реально идёт код

Что будет при ошибке подключения

Если Copilot CLI не может подключиться к локальному provider, ошибка отображается прямо в model picker с объяснением.

Это полезнее, чем ситуация, когда модель просто отсутствует в списке и непонятно, что именно сломано: Ollama не запущен, endpoint недоступен или модель несовместима.

Можно ли использовать локальную и облачную модель вместе

Да. Смысл нового model picker как раз в том, что локальные provider отображаются рядом с моделями, которые уже настроены, и облачными моделями GitHub Copilot.

Это позволяет выбирать модель под конкретную задачу.

Например:

• простые локальные правки отдавать Ollama;
• сложную архитектуру — более сильной cloud model;
• чувствительный код держать в локальном workflow;
• тяжёлый reasoning использовать только там, где он действительно нужен.

Локальная модель не решает безопасность tools

Даже полностью локальная LLM может запустить опасную команду, если агенту дали полный доступ к terminal.

Поэтому model locality и execution security нужно рассматривать отдельно.

GitHub одновременно выпустил local sandboxing для Copilot, который как раз ограничивает файлы, сеть и credentials для команд агента.

Что с производительностью

Скорость локальной модели зависит от железа, размера модели, quantization и длины контекста.

Сам факт интеграции Ollama в model picker не делает тяжёлую модель быстрой на обычном компьютере.

Если модель занимает больше памяти, чем доступно GPU или RAM, terminal workflow может оказаться медленнее облачного варианта даже без сетевой задержки.

Зачем это GitHub

Copilot постепенно становится не одной моделью, а оболочкой вокруг разных providers и execution environments.

Пользователь может выбирать облачную или локальную модель, а отдельно задавать безопасность инструментов.

В тот же день GitHub добавил Claude Haiku 5.5 как быстрый cloud-вариант и сделал local sandboxing общедоступным.

Практический вывод

Поддержка Ollama делает локальные модели гораздо ближе к обычному Copilot workflow. Теперь не нужно вручную переключаться между отдельным local AI-клиентом и Copilot CLI.

Но три вещи всё равно остаются на стороне пользователя: установить runtime, выбрать модель с нормальным tool calling и понимать, какие части workflow действительно остаются локальными.

Официальный источник

GitHub Changelog — Discover local models in GitHub Copilot CLI