VSCode官方放开了模型的自定义配置功能，可以在Copilot中配置自定义模型供应商API了

[kop wang]

如题，最新的1.122.0中，VSCode的Copliot放开了自定义模型API配置的限制。可以自由配置LLM服务了。
如果你是VSCode的深度用户，使用Copilot搭配deepseek-v4-flash等，应该可以得到更流畅整体的体验。

这里写一笔VSCode Copilot相较于其他AI Coding Agent的独特特性
1、自带Debug模块，可以自行运行网页等，进行自动调试Debug和页面效果评定（需要你的模型支持多模态）
2、上下文兼容性，支持“多根工作区”。目前支持多根工作区的AI Coding工具，除了VSCode就只有TRAE了。但是TRAE的Agent工具功能没有Copilot完善。
3、如果你本来就是VSCode的用户，那你就不需要几个工具多开并行了（废话）。

缺点：
1、冷启动上下文压力大。问一个“你是谁”，50K token的上下文。也就是更费钱。
2、Agent的能力、生态总体上来讲不如Agent上限Claude Code。

我也会持续使用测试，一周后再进行主观评价。

[terry]

@kop-wang 这个有啥意义？微软一手好牌打的稀烂，完全不知道自己在做什么。这就是重仓三姓家奴的报应，被OpenAI给耍了

[kop wang]

@terry 可以说微软是又交出了GitHub当训练资源，最后又没拿到真正有战斗力的GPT模型的好价格，最后OpenAI弄出了Codex。可以说输的很彻底。

这个唯一的价值单纯就是从我个人的使用习惯出发的，毕竟是Copilot的3年订阅用户了。Copilot的订阅这两月也是不做人，恶心的要死。所以再把我逼到第三方API+Claude Code。

[kop wang]

不需要一周了，跑了几个功能修复的任务，可以盖棺定论了。Github Copilot这个Coding Agent的体验远差于Claude Code。

1、浪费上下文。Claude Code 20k上下文解决的问题，Copilot要跑到200k。平均费用高3~5倍。
2、性能羸弱。应该是缺乏一些关键的Coding skill逻辑，导致其能力过于依赖LLM本身的逻辑与判断，无法最大化的发挥LLM的推理价值。
3、上下文索引能力差。一个GET请求超限的问题，爬了200k上下文，都没找到关键代码。ClaudeCode 5k的上下文就解决问题了……

[Hank Wang]

我试试。第一眼是慢。再看看

[applejuice]

@kop-wang 说:

如题，最新的1.122.0中，VSCode的Copliot放开了自定义模型API配置的限制。可以自由配置LLM服务了。
如果你是VSCode的深度用户，使用Copilot搭配deepseek-v4-flash等，应该可以得到更流畅整体的体验。

这里写一笔VSCode Copilot相较于其他AI Coding Agent的独特特性
1、自带Debug模块，可以自行运行网页等，进行自动调试Debug和页面效果评定（需要你的模型支持多模态）
2、上下文兼容性，支持“多根工作区”。目前支持多根工作区的AI Coding工具，除了VSCode就只有TRAE了。但是TRAE的Agent工具功能没有Copilot完善。
3、如果你本来就是VSCode的用户，那你就不需要几个工具多开并行了（废话）。

缺点：
1、冷启动上下文压力大。问一个“你是谁”，50K token的上下文。也就是更费钱。
2、Agent的能力、生态总体上来讲不如Agent上限Claude Code。

我也会持续使用测试，一周后再进行主观评价。

冷启 我试只有20k
但是比跟claude code 一样问题 的确慢 但是本地模型我觉得也是这样了
刚好适合给我用来做文件整理消化

[kop wang]

@applejuice 可能跟上下文总量有关系，之前使用Copilot自带模型，他也是根据GPT和Claude上下文的长度不同，启动上下文也不同。

我这次连接的是deepseek-v4-flash，设置的是1M上下文。