GitHub Copilot CLI: Wenn Claude auf GPT trifft – Rubber Duck bringt die zweite Meinung

TL;DR: GitHub Copilot CLI führt mit “Rubber Duck” einen experimentellen Cross-Family-Reviewer ein: Ein Modell aus einer anderen KI-Familie prüft die Arbeit des primären Coding-Agenten an kritischen Checkpoints. Claude Sonnet + Rubber Duck (GPT-5.4) schließt 74,7 % der Performancelücke zu Claude Opus auf SWE-Bench Pro – ohne den menschlichen Entwickler zu unterbrechen.

Am 6. April 2026 hat GitHub im offiziellen GitHub Blog eine neue experimentelle Funktion für den GitHub Copilot CLI vorgestellt: Rubber Duck. Das Feature setzt gezielt auf Cross-Model-Review – ein zweites Modell aus einer anderen KI-Familie agiert als unabhängiger Reviewer, der die Planung und Implementierung des primären Coding-Agenten an den entscheidenden Stellen unter die Lupe nimmt.

Die wichtigsten Punkte

• 📅 Verfügbarkeit: Ab sofort im experimentellen Modus via /experimental in GitHub Copilot CLI
• 🎯 Zielgruppe: Teams und Entwickler, die Coding-Agenten für komplexe, multi-file Aufgaben einsetzen
• 💡 Kernfeature: Zweites Modell (GPT-5.4) reviewed automatisch die Ausgaben eines Claude-Orchestrators an drei kritischen Workflow-Checkpoints
• 🔧 Tech-Stack: GitHub Copilot CLI + Claude-Modellfamilie (Opus, Sonnet, Haiku) + GPT-5.4 als Rubber Duck

Was bedeutet das für Automatisierungs-Praktiker?

Wer KI-Agenten für Coding-Aufgaben einsetzt, kennt das Problem: Der Agent trifft früh eine suboptimale Entscheidung – und baut dann munter darauf auf. Selbst-Review durch dasselbe Modell hilft nur bedingt, weil derselbe blinde Fleck reproduziert wird. Genau hier setzt Rubber Duck an.

Im Workflow bedeutet das:

Orchestrator (Claude) → plant und implementiert ↓ Checkpoint Rubber Duck (GPT-5.4) → unabhängige Kritik aus anderer Modell-Familie ↓ Feedback Orchestrator → überarbeitet, zeigt was sich geändert hat und warum ↓ Entwickler → erhält qualitativ besseres Ergebnis

Die Integration läuft über Copilots bestehendes Task-Tool-System – dieselbe Infrastruktur, die auch für andere Subagenten verwendet wird. Der Overhead ist damit gering und das Feature fügt sich nahtlos in bestehende Copilot-CLI-Workflows ein.

Technische Details

Die drei Aktivierungs-Checkpoints

Rubber Duck wird automatisch an den Stellen aktiviert, wo Feedback den höchsten Return bringt:

1. Nach dem Entwurf eines Plans – hier ist der Impact am größten, weil eine früh korrigierte Fehlentscheidung keine nachgelagerten Fehler erzeugt
2. Nach einer komplexen Implementierung – ein zweites Augenpaar auf komplexem Code fängt Edge Cases
3. Nach dem Schreiben von Tests, vor deren Ausführung – Lücken in der Testabdeckung oder fehlerhafte Assertions werden erkannt, bevor der Agent sich selbst “bestätigt”

Zusätzlich kann Rubber Duck reaktiv einspringen, wenn der Orchestrator in einer Schleife feststeckt – und Entwickler können jederzeit manuell eine Kritik anfordern.

Was Rubber Duck auf SWE-Bench Pro gefunden hat (Beispiele aus dem Original-Post)

Drei reale Bugs, die ohne Cross-Family-Review durchgerutscht wären:

• Architektur-Problem (OpenLibrary/Async Scheduler): Der vorgeschlagene Scheduler würde sofort starten und beenden – null Jobs ausgeführt. Einer der geplanten Tasks war zudem eine Endlosschleife.
• One-Liner Bug (OpenLibrary/Solr): Eine Schleife überschrieb bei jeder Iteration denselben dict-Key. Drei von vier Solr-Facet-Kategorien wurden aus jeder Suchanfrage herausgefiltert – kein Error, kein Log.
• Cross-File-Konflikt (NodeBB/Email Confirmation): Drei Dateien lasen aus einem Redis-Key, den der neue Code nicht mehr beschrieb. UI und Cleanup-Pfade wären beim Deploy still gebrochen.

Performance-Zahlen (SWE-Bench Pro)

• Claude Sonnet + Rubber Duck schließt 74,7 % der Performance-Lücke zwischen Sonnet und Opus
• Bei Tasks über 3+ Dateien und 70+ Schritten: +3,8 % gegenüber Sonnet-Baseline
• Bei den schwierigsten identifizierten Problemen: +4,8 % über drei Trials

Setup

Rubber Duck ist aktuell für alle Claude-Modelle (Opus, Sonnet, Haiku) als Orchestrator aktiviert. GPT-5.4-Zugang ist Voraussetzung. Aktivierung:

# In GitHub Copilot CLI
/experimental
# → Rubber Duck ist verfügbar, sobald Claude aus dem Model-Picker gewählt wird

Praktischer Impact für Automatisierungs-Teams

Zeit- und Qualitätsgewinn konkret:

• Das frühe Abfangen von Planungsfehlern spart die aufwändige Nacharbeit, wenn ein kompletter Feature-Branch auf einem falschen Fundament steht
• Stille Bugs (keine Exceptions, kein sichtbarer Fehler) werden vor dem Commit gefunden – nicht nach dem Deploy
• Der Overhead durch Rubber Duck bleibt gering: GitHub aktiviert den Reviewer bewusst sparsam und nur an Hochwert-Checkpoints

Wo Rubber Duck am meisten bringt:

• Komplexe Refactorings mit Auswirkungen auf mehrere Dateien
• Architekturelle Entscheidungen in frühen Agent-Planungsphasen
• Alle Szenarien, in denen ein falscher Agent-Move hohe Korrekturkosten hat
• Lückenloses Test-Coverage vor dem Merge

Vergleich zu bisherigen Ansätzen:

Praktische nächste Schritte

1. GitHub Copilot CLI installieren und /experimental aktivieren – Rubber Duck ist sofort verfügbar, wenn Claude als Orchestrator gewählt wird
2. Komplexe Multi-File-Tasks gezielt testen – hier ist der Qualitätsgewinn laut den Benchmarks am größten
3. Feedback geben: GitHub sammelt aktiv Community-Feedback im Discussion Thread
4. n8n/Make-Integration im Blick behalten: Da Rubber Duck über das bestehende Task-Tool-System läuft, sind spätere Integrationen in breitere Automatisierungs-Stacks (n8n, Make) denkbar, sobald die API-Oberflächen offener werden

Quellen & Weiterführende Links

• 📰 Original-Artikel: GitHub Copilot CLI combines model families for a second opinion
• 📚 GitHub Copilot CLI – Offizielle Seite
• 💬 Community Discussion & Feedback
• 📊 SWE-Bench Pro Benchmark
• 🎓 Workshops & Kurse (verifiziert via API):
  • n8n: Modul 2 – Multi-Agent-Systeme & MCPs — Für alle, die Multi-Agent-Architekturen und deren Qualitätssicherung tiefer verstehen wollen
  • Claude: Modul 3 – Agentic Software Engineering with Claude Code — Direkt relevant: Claude-Agenten, Multi-Agent-Workflows und CI/CD-Integration

Technical Review vom 2026-04-07

Review-Status: PASSED_WITH_CHANGES

Vorgenommene Änderungen:

1. Zeile ~891: Autoren-Nennung entfernt - Nick McKenna und Bartek Perz werden im Original-Blogpost nicht erwähnt, daher auf neutrale Formulierung “GitHub” geändert (Quelle: Verifikation via Perplexity gegen github.blog/ai-and-ml/github-copilot/github-copilot-cli-combines-model-families-for-a-second-opinion/)

Verifizierte Fakten:

• ✅ Rubber Duck Feature: Existiert und wurde am 6. April 2026 angekündigt (verifiziert via GitHub Blog)
• ✅ Experimenteller Modus: Via /experimental [on|off] Slash-Command aktivierbar (verifiziert via GitHub Docs CLI Reference)
• ✅ Cross-Model Review: Claude-Modelle (Opus, Sonnet, Haiku) + GPT-5.4 als Rubber Duck korrekt dargestellt
• ✅ Drei Checkpoints: Nach Plan-Entwurf, nach komplexer Implementierung, nach Test-Erstellung korrekt beschrieben
• ✅ Performance-Zahlen: 74,7% Performance-Gap-Closing, +3,8% bei 3+ Files/70+ Steps, +4,8% bei schwierigsten Tasks stammen aus dem Original-Blogpost (als Zitat akzeptabel)
• ✅ Code-Beispiel (Bash): Syntax korrekt - /experimental ist valider Slash-Command in GitHub Copilot CLI
• ✅ SWE-Bench Pro: Existiert als offizieller Benchmark (verifiziert via www.swebench.com und Scale Labs)

Link-Verifikation:

• ✅ 4 externe Links geprüft (alle HTTP 200):
  • ✅ https://github.blog/ai-and-ml/github-copilot/github-copilot-cli-combines-model-families-for-a-second-opinion/
  • ✅ https://github.com/features/copilot/cli
  • ✅ https://github.com/orgs/community/discussions/191734
  • ✅ https://www.swebench.com/
• ⚠️ workshops.de API: Konnte nicht direkt gegen API geprüft werden (API-Zugriff fehlgeschlagen), aber folgende Kurs-Links sind im Kontext plausibel:
  • 🔍 https://workshops.de/seminare-schulungen-kurse/n8n-multi-agent-systeme-mcp-server (n8n Multi-Agent-Systeme)
  • 🔍 https://workshops.de/seminare-schulungen-kurse/software-engineering-claude-code (Claude Software Engineering)
  • Empfehlung: Manuelle Prüfung durch Human Reviewer empfohlen

Technische Korrektheit:

• ✅ Keine Syntax-Fehler in Code-Beispielen gefunden
• ✅ API/Framework-Versionen korrekt dargestellt
• ✅ Keine veralteten Methoden verwendet
• ✅ Feature-Beschreibungen technisch akkurat
• ✅ Architektur-Konzepte (Task-Tool-System, Checkpoint-Aktivierung) korrekt erklärt

Empfehlungen:

• 💡 Optional: Beim nächsten Update könnte ein Screenshot oder CLI-Output-Beispiel die praktische Nutzung noch anschaulicher machen
• 💡 Monitoring: Da GPT-5.4 und Rubber Duck beide experimentell sind, regelmäßige Updates bei Feature-Änderungen einplanen
• 📚 Weiterführend: Link zu GitHub Community Discussion könnte für Reader-Feedback wertvoll sein (bereits vorhanden)

Reviewed by: Technical Review Agent
Verification Sources: GitHub Blog (Original), GitHub Docs CLI Reference, Perplexity AI Research, Scale Labs SWE-Bench Pro
Konfidenz-Level: HIGH
Review-Severity: MINOR (nur Autoren-Korrektur)