GitHub Copilot adota cobrança por tokens e usuários relatam aumento significativo nos custos
A partir de 1º de junho de 2026, o GitHub Copilot passou a funcionar com um modelo de cobrança baseado no consumo de tokens, encerrando a era das assinaturas com valor fixo para uso ilimitado. A mudança, anunciada em abril deste ano, já provocou reação imediata de desenvolvedores e equipes de TI, que compartilharam nas redes sociais e nos fóruns da plataforma relatos de créditos se esgotando muito mais rápido do que o esperado.
Na prática, os valores das assinaturas não foram alterados, mas passaram a representar uma cota mensal de créditos. O plano Pro custa 10 dólares por mês, o Pro+ 39 dólares, o Business 19 dólares por usuário e o Enterprise 39 dólares por usuário mensalmente. Cada crédito equivale a um centavo de dólar, e a dedução ocorre de acordo com o modelo de inteligência artificial utilizado no momento da inferência. Um usuário do plano Enterprise recebe 3.900 créditos por mês, enquanto um assinante Business tem direito a 1.900 créditos.
A cobrança por token, que é uma unidade de texto que pode ser entendida quase como uma palavra processada pelo modelo de linguagem, varia conforme o tipo e a capacidade do modelo escolhido. Ao utilizar o modelo ChatGPT-5.2, por exemplo, o custo é de 1,75 dólar por milhão de tokens de entrada, 14 dólares por milhão de tokens de saída e 0,175 dólar por milhão de tokens em cache. O cache corresponde às informações armazenadas pelo modelo para manter o contexto ao longo de uma série de consultas.
Mesmo com a nova política, algumas funcionalidades seguem gratuitas. As sugestões de completude de código dentro do ambiente de desenvolvimento integrado e as recomendações de próxima edição permanecem sem custo adicional. Já os processos de revisão de código são cobrados nas mesmas tarifas aplicadas às demais atividades do GitHub Copilot.
A reação da comunidade de desenvolvedores foi predominantemente negativa. Nos comentários da página de discussões da comunidade do GitHub, usuários relataram consumo acelerado de créditos logo no primeiro dia de uso. Um usuário identificado como rvs99 afirmou que 12% de seus créditos foram consumidos em uma tarefa simples, na qual o modelo Claude Sonnet 4.6 alterou apenas duas ou três linhas em seis arquivos, a um custo aproximado de 0,35 dólar por linha. Outro usuário, prhost, compartilhou uma captura de tela mostrando 3.705 créditos restantes de um total de 7.000 após apenas um dia de uso e declarou que seria mais fácil encerrar o projeto. Um terceiro comentarista, zoomp05, resumiu o sentimento geral ao sugerir que a plataforma deveria ter comunicado desde o início que se tratava de um período subsidiado de teste.
A justificativa para a mudança está atrelada aos altos custos de operação de modelos de linguagem de grande porte. Manter um LLM em funcionamento envolve despesas com infraestrutura de data centers, treinamento e pós-treinamento de modelos, manutenção contínua e investimentos futuros. As ofertas iniciais de assinatura, já descontinuadas, funcionavam como estratégias para atrair usuários, mas não eram sustentáveis diante do volume de tokens consumidos.
Para empresas que dependem de ferramentas de codificação baseadas em inteligência artificial, a nova realidade exige reavaliação estratégica. Uma das primeiras medidas é analisar o retorno sobre o investimento proporcionado pelas plataformas de codificação com IA e ajustar a alocação de orçamentos. Também é recomendável identificar quais etapas do fluxo de desenvolvimento podem ser delegadas à inteligência artificial de forma econômica, como a geração de código em nível júnior, e quais representam alto consumo de recursos, como processos de revisão de código, fluxos com múltiplos agentes e ações em cadência acelerada.
Como alternativa, empresas podem considerar plataformas de menor custo, que se dividem em três categorias principais. A primeira reúne modelos abertos hospedados localmente, que não são modelos de fronteira e não oferecem todos os recursos das plataformas profissionais de codificação. A segunda categoria inclui modelos quase de fronteira hospedados por provedores como Huawei e Alibaba. Por fim, plataformas secundárias de codificação, como o Cursor, podem oferecer alívio temporário, embora a maioria utilize os mesmos modelos de fronteira da OpenAI e da Anthropic, o que indica tendência de adoção do mesmo modelo de cobrança por uso.
A transição do GitHub Copilot para um sistema de cobrança baseado em consumo real marca o fim de uma fase em que ferramentas de codificação com inteligência artificial eram oferecidas a preços previsíveis e acessíveis. Com a nova política, desenvolvedores e organizações precisam repensar a forma como utilizam esses recursos, equilibrando produtividade e custo em um cenário cada vez mais próximo dos valores praticados pelos fornecedores de modelos de linguagem.
