Nowy model rozliczeń Copilot – developerzy tracą kredyty w jeden dzień

Do niedawna użytkownicy GitHub Copilot nie musieli zastanawiać się, ile tokenów zużywają podczas codziennej pracy. Każde zapytanie – niezależnie od długości kontekstu czy wybranego modelu – pochłaniało jedno „premium request” z miesięcznego limitu. To się zmieniło. Od 1 czerwca GitHub wdrożył system kredytowy, w którym faktyczne zużycie AI jest wyceniane w tokenach. Pierwsze dni nowego modelu rozliczeń ujawniły, że developerzy potrafią przepalić miesięczną pulę w ciągu kilku sesji – niektórzy tracą nawet 21 proc. kredytów w jeden dzień. Dla społeczności to sygnał, że era płaskich stawek za nieograniczone korzystanie z asystentów kodowania dobiega końca.

Jak działa nowy system kredytów w Copilot?

Zamiast dotychczasowych „requestów” GitHub wprowadził jednostkę kredytu, gdzie jeden kredyt odpowiada jednemu centowi faktycznego kosztu inferencji (przetwarzania przez model). Każdy plan subskrypcyjny otrzymuje miesięczną pulę: wariant Pro za 10 dolarów dostaje 1500 kredytów (czyli 15 dolarów wartości AI), Pro+ za 39 dolarów otrzymuje 7000 kredytów, a najdroższy Copilot Max za 100 dolarów – 20 000 kredytów, co przekłada się na 200 dolarów potencjalnego użycia.

Kluczowa różnica w porównaniu ze starym systemem polega na tym, że każde zapytanie jest teraz wyceniane indywidualnie. Koszt zależy od trzech czynników: długości promptu (tekstu wpisanego przez programistę), długości odpowiedzi modelu oraz – co najważniejsze – od wybranego modelu. Lżejsze modele, takie jak GPT-5.4 nano, generują milion tokenów wyjściowych za około 1,25 dolara. Z kolei flagowy GPT-5.5 kosztuje za tę samą ilość już około 30 dolarów. Różnica jest więc 24-krotna.

W praktyce oznacza to, że deweloperzy, którzy przyzwyczaili się do korzystania z domyślnych ustawień, mogą szybko przekroczyć miesięczny limit. Przykład? Proste polecenie „zbuduj grę w Sapera” przy użyciu Claude Haiku 4.5 zużyło około 94 kredytów. Dla zabawnego projektu to jeszcze akceptowalne. Ale przy poważnych zadaniach produkcyjnych liczby szybują w górę – jeden z użytkowników zgłosił, że pojedynczy złożony prompt pochłonął 171 kredytów, a inny – że kilka zaledwie promptów kosztowało go 700 kredytów. Najbardziej ekstremalny przypadek to para commitów wspomaganych przez Copilot, które wygenerowały łączne zużycie 5000 kredytów – jedną czwartą miesięcznego limitu wariantu Max.

Reakcje społeczności – od zaskoczenia do zmiany nawyków

Nowe rozliczenia wywołały falę komentarzy w mediach społecznościowych. Developerzy dzielą się swoimi doświadczeniami z pierwszych dni po zmianie. Jeden z użytkowników opisał, jak przy standardowym zapytaniu, które nazwał „zwykłym pytaniem”, stracił 15 kredytów. Inny potrzebował 100 kredytów na wygenerowanie niewielkiego planu działania. Nawet ostrożni użytkownicy nie są bezpieczni: programista, który pierwszego dnia „bardzo uważał” i ograniczał eksperymenty z modelem Claude Sonnet 4.6, i tak zużył 840 kredytów.

Nowe strategie pracy z AI

Część deweloperów traktuje tę zmianę jako bodziec do optymalizacji własnych procesów. Programista Henri Kinnunen podzielił się swoim wynikiem: podczas produktywnego dnia zużył zaledwie 161 kredytów, stosując „bardzo skupione i celowe zmiany z AI” przy użyciu modelu GPT-5.3-Codex. Inni zaczęli zwracać uwagę na rzeczy, które wcześniej ignorowali – na przykład długość historii czatu. Neil Hewitt na Bluesky zwrócił uwagę, że utrzymywanie trzy-dniowej rozmowy oznacza wysyłanie całego kontekstu z każdym nowym zapytaniem. Te wcześniejsze wiadomości to tokeny wejściowe, które obecnie mają bezpośrednią cenę. Jak ujął to Hewitt: „tokeny wejściowe zużywają kredyty… to nie jest rakietowa nauka”.

Nie wszyscy jednak decydują się na dostosowanie. Część użytkowników szuka alternatyw o mniej agresywnej polityce cenowej. Jeden z developerów opisał integrację DeepSeek z GitHub i VS Code – szacowany koszt wyniósł około 7 centów za 15 milionów tokenów. Ta kwota unaocznia przepaść cenową między dostawcami i modelami.

Co to oznacza dla przyszłości asystentów programowania?

Wielu obserwatorów uważa, że krok GitHuba nie pozostanie odosobniony. Jeśli inni dostawcy asystentów AI (jak Tabnine, Amazon CodeWhisperer czy Cursor) pójdą podobną ścieżką, era „all-you-can-eat” za stałą miesięczną opłatę może zniknąć. Dla programistów zmienia to fundamentalne pytanie: zamiast „co ten model potrafi?” pojawia się „ile jest warte to zadanie?”.

Efektywność tokenowa, zarządzanie kontekstem i wybór odpowiedniego modelu – dotychczas abstrakcyjne tematy – stają się teraz operacyjnymi decyzjami z realnym wpływem na budżet. Wyzwanie nie polega już tylko na uzyskaniu najlepszej odpowiedzi, ale na znalezieniu odpowiedzi wystarczająco dobrej, by nie przepalić następnego miesięcznego limitu w ciszy.

Dla społeczności nowy model rozliczeń Copilot to sygnał, że AI w pracy programisty wkracza w fazę dojrzałości – gdzie każde polecenie ma swoją cenę, a developer musi stać się menedżerem własnych tokenów.

Źródło

Może Cię zainteresować