Эпоха «all-you-can-eat» в мире AI-ассистентов подходит к концу. Microsoft официально объявила, что с 1 июня 2026 года GitHub Copilot переходит на модель оплаты на основе фактического потребления (Usage-Based Pricing).

Прощайте, безлимитные запросы

На смену привычным фиксированным планам и Premium Request Units (PRU) приходят GitHub AI Credits. Теперь каждый тарифный план будет включать определенный ежемесячный лимит кредитов, а всё, что сверху, придется докупать отдельно.

Стоимость будет рассчитываться исходя из потребления токенов:

• Входящие токены (Input);
• Исходящие токены (Output);
• Кэшированные токены (по тарифам API для каждой конкретной модели).

Почему это происходит?

Представители Microsoft объясняют это переходом к «агентской модели» использования. Современные вайбкодеры всё чаще используют Copilot не просто как автодополнение строк, а как полноценного агента, который анализирует огромные контексты и выполняет сложные задачи. Это создает колоссальную нагрузку на вычислительные мощности, которую фиксированная подписка больше не покрывает.

Кроме того, в начале года GitHub столкнулся с рядом сбоев, вызванных аномально высокой активностью крупных клиентов. Новая модель призвана сделать сервис более стабильным и «устойчивым» с точки зрения бизнеса.

Что это значит для вайбкодеров?

Для тех, кто привык «скармливать» агенту целые репозитории и просить переписать архитектуру за один промпт, счета могут вырасти.

1. Проверьте Preview Bill: В начале мая в разделе Billing Overview появится предварительный счет. Это позволит оценить ваши реальные траты до того, как изменения вступят в силу.
2. Контроль контекста: Теперь чистота контекста и использование .cursorrules (или аналогичных конфигов игнорирования файлов) — это не только вопрос качества кода, но и вопрос экономии денег.
3. Мониторинг: Microsoft рекомендует внимательно следить за потреблением кредитов, так как предсказать точный расход токенов при агентской работе бывает сложно.

Переход на Pay-As-You-Go (PAYG) становится стандартом индустрии. Для профессиональной разработки это означает больше гибкости в выборе моделей, но требует более ответственного подхода к тому, сколько «топлива» сжигает ваш AI-агент.