Contexto técnico
Me puse a investigar el anuncio de GitHub y vi de inmediato lo más importante: Copilot ya no funciona con el antiguo esquema de solicitudes premium fijas. A partir del 1 de junio de 2026, todo se traslada a la facturación basada en el uso (usage-based billing), donde se cuentan los tokens de entrada, de salida y en caché, y el cobro se realiza a través de GitHub AI Credits.
Para quienes implementan IA en el desarrollo, esto no es un cambio superficial, sino una transformación de todo el modelo de contabilidad. Antes, se podía operar más o menos dentro de los límites de solicitudes. Ahora, el coste depende mucho más del modelo que utilices, de la longitud de tus diálogos y de la cantidad de contexto que muevas en tu IDE.
La tarifa es sencilla: 1 crédito equivale a 0,01 $. Cada plan mantiene una suscripción base y un paquete mensual de AI Credits, pero una vez agotado, comienza la verdadera economía de tokens. La lógica es la misma para los planes Free, Pro, Pro+, Business y Enterprise, diferenciándose solo en los volúmenes incluidos y los modelos disponibles.
También destacaría que GitHub elimina la cómoda ilusión de «ilimitado» para los planes de pago. Nunca fue del todo ilimitado, pero ahora es evidente: un modelo caro, más sesiones de agente largas, más un gran contexto, es igual a un Copilot notablemente más costoso.
Otro punto importante: en las suscripciones anuales de Pro y Pro+ cambian los multiplicadores de modelo, y los nuevos registros para Pro, Pro+ y estudiantes de GitHub se han pausado temporalmente desde el 20 de abril de 2026. Esto huele menos a un error y más a una cuidadosa reconfiguración del modelo comercial antes del cambio completo.
Impacto en el negocio y la automatización
Veo tres consecuencias directas. Primero: los usuarios intensivos que ejecutan escenarios de agente, chats largos y modelos caros casi seguro comenzarán a pagar más, o al menos revisarán su facturación más a menudo.
Segundo: los equipos tendrán que diseñar sus integraciones de IA con más cuidado. Prompts cortos, recuperación adecuada, control del contexto y elección del modelo según la tarea ahora no solo afectan la calidad, sino también la factura.
Tercero: ganan aquellos que saben construir una arquitectura de IA teniendo en cuenta el coste por token, en lugar de simplemente «conectar Copilot y olvidarse». Este es precisamente el tipo de cosas que analizamos con los clientes en Nahornyi AI Lab: dónde mantener un modelo caro, dónde recortar el contexto y dónde externalizar una tarea a una automatización de IA separada en lugar de un chat interminable en el editor.
Si ya utilizas Copilot en tu desarrollo diario y no quieres llevarte una sorpresa en junio, echemos un vistazo a tus escenarios reales. En Nahornyi AI Lab, suelo encontrar rápidamente dónde están aumentando los costes por una configuración incorrecta y cómo construir soluciones de IA para empresas que permitan a los desarrolladores trabajar más rápido sin que el presupuesto se esfume token a token.