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.
Decisión rápida
Qué cambia mañana
La idea de GitHub es alinear precio con coste real. Una pregunta rápida a un modelo ligero y una sesión larga de agente sobre varios archivos ya no son equivalentes. Para equipos técnicos, eso obliga a tratar Copilot como infraestructura de IA, no como una extensión de editor de coste fijo.
Este artículo complementa la guía previa de AI Credits, pero se centra en el cambio operativo inmediato: qué mirar antes de que el modelo entre en vigor mañana.
Briefing
Qué es un AI Credit
GitHub define AI Credits como una unidad de billing donde 1 AI Credit equivale a 0,01 USD. Cada interacción que usa modelos consume tokens. Esos tokens se valoran según el modelo y se convierten a créditos.
En planes individuales, Copilot Pro, Pro+ y Max incluyen asignaciones mensuales de AI Credits. En organizaciones y empresas, cada licencia aporta créditos que se agrupan en un pool compartido a nivel de billing entity.
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.
Lectura práctica
Qué consume créditos y qué no
GitHub documenta que consumen AI Credits funciones como Copilot Chat, Copilot CLI, Copilot cloud agent, Copilot Spaces, Spark y agentes de terceros. Las code completions y Next Edit suggestions no se facturan en AI Credits y siguen incluidas en planes de pago.
Esta distinción es importante para no sobrerreaccionar. El autocompletado diario no es el problema principal. El riesgo vive en sesiones agentic largas, modelos caros, cloud agent, revisiones automáticas y tareas que disparan varias llamadas al modelo sin que el usuario vea cada paso.
Además, Copilot Code Review añade una segunda capa: también empezará a consumir minutos de GitHub Actions. Para equipos con revisión automática, el coste real puede venir de dos contadores: AI Credits y minutos de CI.
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.
Lectura práctica
Checklist antes del 1 de junio
Descarga o revisa los reportes de uso disponibles para estimar consumo con el nuevo modelo.
Identifica usuarios con uso intensivo de agentes, modelos premium o cloud agent.
Separa uso interactivo de automatizaciones en PRs, issues, CLI y workflows.
Configura user-level budgets razonables para evitar que un usuario agote el pool.
Define si se permite paid usage cuando se agoten los créditos incluidos.
Activa límites con stop cuando aplique; un presupuesto que solo observa no controla coste.
Revisa Copilot Code Review porque puede consumir AI Credits y minutos de Actions.
Documenta qué modelos se recomiendan para tareas simples, tareas complejas y sesiones agentic.
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.
Briefing
Qué métricas mirar en junio
Mira créditos por usuario, por repositorio, por tipo de función y por resultado. La métrica útil no es consumo bruto, sino coste por cambio aceptado, coste por PR revisado con comentario útil y coste por hora humana ahorrada.
Registra falsos positivos y sesiones descartadas. Si una parte relevante del consumo termina en cambios rechazados, el problema no es solo precio; es mala configuración de contexto, modelo o alcance.
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.
Lectura práctica
Conclusión
El cambio de Copilot a AI Credits por tokens no significa que Copilot deje de ser útil. Significa que el coste empieza a parecerse más al coste real de usar modelos y agentes. Eso es más honesto, pero exige más disciplina.
La respuesta pragmática es medir, presupuestar y limitar por caso de uso. Autocomplete y chat corto pueden seguir siendo herramientas diarias. Agentes largos, modelos caros y revisión automática deben tratarse como capacidad de ingeniería con dueño, política y métricas.
Cierre editorial
Criterio final
Si no puedes medir consumo, limitar funciones avanzadas y revisar excepciones, todavía no estás listo para tratarlo como coste controlado.
Fuentes y referencias
GitHub Blog: Copilot moving to usage-based billingGitHub Docs: usage-based billing for individualsGitHub Docs: usage-based billing for organizationsGitHub Docs: budgets for usage-based billingGitHub Changelog: April reports for usage-based billingGitHub Docs: models and pricing
También te puede interesar
GitHub Copilot y AI CreditsCopilot Code Review y GitHub ActionsCopilot coding agent: MCP y hooksMétricas para agentes de código
Recibe 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