GitHub Copilot pasa a AI Credits por tokens: qué revisar antes del 1 de junio de 2026
Mañana cambia el billing de Copilot: las premium requests dan paso a AI Credits calculados por tokens. Esto es lo que debe revisar un equipo técnico.
Mañana cambia el billing de Copilot: las premium requests dan paso a AI Credits calculados por tokens. Esto es lo que debe revisar un equipo técnico.
El 1 de junio de 2026 GitHub Copilot empieza a migrar desde el modelo de premium requests hacia billing por uso con GitHub AI Credits. La unidad deja de ser una petición premium más o menos abstracta y pasa a reflejar consumo de tokens: entrada, salida y tokens cacheados, con precios vinculados al modelo usado.
La diferencia clave con el sistema anterior es que el consumo puede variar mucho dentro de una misma función. Dos sesiones de chat no cuestan igual si una es una pregunta corta y otra arrastra contexto de repositorio, varias iteraciones y generación de código extensa.
Checklist
Impacto en individuos
Para un desarrollador individual, el cambio práctico es revisar el panel de uso durante las primeras semanas. Si usas Copilot como autocomplete, chat corto y ayuda puntual, probablemente el consumo sea controlable. Si usas agentes para tareas multiarchivo, modelos frontier y sesiones largas, el gasto puede subir más rápido.
La primera decisión no debería ser cambiar de herramienta. Debería ser separar tareas. Usa modelos ligeros para preguntas simples, reserva modelos caros para diseño o debugging complejo y evita pedir al agente que explore todo el repositorio cuando puedes darle un punto de entrada concreto.
También conviene configurar presupuesto adicional solo si entiendes tu patrón de uso. Comprar margen sin medir puede ocultar el problema; bloquear todo sin margen puede cortar trabajo justo cuando necesitas una sesión larga legítima.
Impacto en empresas
En Copilot Business y Enterprise, los créditos se agrupan. Esto reduce capacidad desperdiciada: usuarios ligeros compensan a usuarios intensivos. Pero también crea un riesgo nuevo: una minoría de power users o agentes automáticos puede consumir una parte desproporcionada del pool a principio de ciclo.
GitHub documenta presupuestos a nivel usuario, cost center y enterprise. El user-level budget es especialmente importante porque aplica como límite duro al consumo individual. Los budgets de cost center y enterprise actúan sobre gasto medido después de agotar el pool, y necesitan configuración explícita para detener uso cuando se alcanza el límite.
Para organizaciones existentes hay una fase promocional entre el 1 de junio y el 1 de septiembre de 2026 con más créditos incluidos. Eso puede suavizar el arranque, pero también puede ocultar el consumo real si no se revisa antes de que termine la promoción.
Cómo reducir consumo sin matar productividad
El ahorro más limpio es dar mejores tareas al agente. Un prompt con módulo, síntoma, test esperado y archivos permitidos consume menos que pedir 'arregla esto' y dejar que explore durante diez turnos.
Puntos a revisar
Lo que conviene comprobar
El segundo ajuste es modelo. No todo necesita el modelo más caro. Preguntas de sintaxis, explicación de errores y cambios mecánicos pueden ir a modelos más baratos. Diseño de arquitectura, debugging difícil o migraciones críticas justifican modelos más capaces.
El tercer ajuste es automatización selectiva. Si cada push, PR o comentario dispara trabajo de IA, el consumo deja de estar ligado a intención humana. Usa etiquetas, rutas críticas y triggers manuales hasta tener datos.
Compara semanas, no días sueltos. Los lunes de triage, cierres de sprint y migraciones grandes pueden distorsionar el uso. Dos o tres ciclos de desarrollo dan una señal más justa.
Fuentes y referencias
También te puede interesar
GitHub Copilot y AI CreditsCopilot Code Review y GitHub ActionsCopilot coding agent: MCP y hooksMétricas para agentes de códigoRecibe una lectura semanal de herramientas IA para devs
Cada martes: Claude Code, Cursor, Copilot, MCP, agentes y herramientas nuevas. En español y sin ruido.
Suscribirme gratis
