Por Canuto  

El nuevo modelo de precios de GitHub Copilot basado en créditos de IA encendió críticas entre desarrolladores, que ahora ven cómo algunas sesiones de programación consumen en horas una parte sustancial de su asignación mensual.
***

  • GitHub pasó de límites por solicitudes a un sistema de créditos, donde cada crédito equivale a USD $0,01 de uso de IA.
  • Usuarios reportaron consumos elevados, desde 840 créditos en un primer día hasta 5.000 créditos en un par de commits asistidos por Copilot.
  • El cambio expone el costo real de inferencia de los modelos de IA y podría anticipar una tendencia más amplia en la industria.

El giro de GitHub Copilot hacia precios basados en uso abrió una discusión incómoda para la industria de inteligencia artificial: cuánto cuesta realmente trabajar con modelos avanzados cuando el subsidio deja de ocultar la factura.

Según reportó Ars Technica, GitHub anunció en abril que trasladaría a los suscriptores de Copilot desde una facturación basada en solicitudes hacia un esquema medido por consumo. Ese modelo entró en vigor y muchos usuarios reaccionaron con sorpresa al ver que su uso habitual podía consumir rápidamente la nueva asignación mensual de créditos.

La queja principal no apunta solo al aumento percibido de precio. También refleja un cambio cultural para los desarrolladores que habían incorporado Copilot a su flujo diario como una herramienta casi ilimitada. Ahora, cada consulta, sesión de chat, revisión de código o generación de cambios tiene una lectura económica más visible.

De solicitudes a créditos: el nuevo costo de Copilot

Hasta ahora, los suscriptores de GitHub Copilot recibían una cantidad determinada de solicitudes y solicitudes premium según su nivel de pago. Ese esquema trataba consultas muy distintas como unidades similares, aunque sus costos internos fueran muy diferentes para GitHub.

La empresa explicó que una pregunta rápida en el chat y una sesión autónoma de programación de varias horas podían costarle al usuario lo mismo bajo el modelo anterior. En la práctica, Copilot absorbía buena parte del creciente costo de inferencia que implicaba ejecutar modelos de lenguaje grandes.

El nuevo sistema intenta trasladar ese costo de forma más directa al usuario. Las suscripciones pagas entregan créditos mensuales de IA, y cada crédito corresponde a USD $0,01 de uso. Esa equivalencia vuelve más transparente el gasto, pero también hace más visible la velocidad con la que puede agotarse una cuota.

El plan Pro, de USD $10 al mes, incluye 1.500 créditos, equivalentes a USD $15 en valor de uso. El plan Pro+, de USD $39, incluye 7.000 créditos, con valor de USD $70. El plan Copilot Max, de USD $100, incluye 20.000 créditos, equivalentes a USD $200.

La cantidad de créditos que consume una instrucción depende de los tokens de entrada y salida, además de las tarifas del modelo subyacente. Por eso, el costo cambia según la complejidad del pedido, el tamaño del contexto enviado y el modelo elegido por el usuario.

El modelo elegido puede cambiar toda la factura

El detalle que más preocupa a muchos desarrolladores es que no todos los modelos cuestan lo mismo. Un millón de tokens de salida de GPT-5.4 nano de OpenAI costaría USD $1,25 en GitHub Copilot. Ese mismo volumen de salida costaría USD $30 con el modelo de frontera GPT-5.5.

La diferencia es significativa para equipos que trabajan con bases de código grandes. Una consulta simple puede convertirse en una operación costosa si el sistema usa un modelo avanzado o si arrastra demasiado contexto de conversaciones previas.

Algunos usuarios advirtieron además sobre el modo “Auto”, que selecciona el modelo más apropiado disponible para cada solicitud. Reportes de usuarios señalan que ese modo puede recurrir a modelos caros incluso para consultas extremadamente simples, lo que exige mayor atención al configurar el flujo de trabajo.

En pruebas puntuales citadas por la fuente, una instrucción sencilla para crear un juego de Minesweeper mediante Claude Haiku 4.5 en Copilot consumió alrededor de 94 créditos. Para un proyecto de juguete, ese consumo puede parecer razonable. Pero en trabajos más grandes, la matemática cambia rápido.

Los reportes compartidos por usuarios muestran esa escalada. Una instrucción compleja consumió 171 créditos. Otro caso gastó 700 créditos en pocas instrucciones. Un par de commits dirigidos por Copilot llegó a usar 5.000 créditos.

Usuarios reportan agotamiento rápido de sus cuotas

La reacción en foros y redes sociales fue intensa. Varios usuarios compartieron estadísticas personales que mostraban cómo unas pocas horas de trabajo podían representar una parte importante de sus límites mensuales.

En algunos casos, los desarrolladores afirmaron haber agotado una cuota mensual en menos de un día. Otros indicaron consumos de 15 créditos por una consulta común y de 100 créditos por generar un pequeño plan.

Un usuario dijo que fue “supercauteloso” durante el primer día, usando Copilot de forma limitada con Claude Sonnet 4.6, pero aun así consumió 840 créditos. Otro se quejó de haber usado el 21% de la asignación mensual de Copilot Pro en un solo día, sin haber hecho todavía trabajo realmente complejo.

La frustración también apareció en equipos. Un reporte mencionó el uso de 8.000 créditos mensuales de IA de una organización en un solo día. Para cualquier presupuesto técnico, ese ritmo resulta difícil de sostener si no existe un control operativo claro.

Los usuarios más críticos amenazaron con cancelar sus suscripciones o migrar hacia alternativas con límites más generosos. Esa reacción no sorprende en un mercado donde los asistentes de programación compiten no solo por calidad de respuesta, sino también por previsibilidad de costos.

La nueva disciplina: usar la IA con intención

No todos los desarrolladores interpretaron el cambio como una catástrofe. Algunos señalaron que el nuevo esquema exige usar la IA con mayor precisión, en lugar de mantener conversaciones largas y poco enfocadas.

El programador Henri Kinnunen escribió que gastó solo 161 créditos en un “día productivo” usando GPT 5.3-Codex mediante Copilot. Su estrategia consistió en limitarse a cambios muy enfocados y deliberados con IA.

Neil Hewitt también apuntó a un problema técnico frecuente: continuar una sesión de chat de tres días puede dejar de ser prudente. Cada nueva interacción envía el historial completo como contexto, y esos tokens de entrada consumen créditos.

La observación resume una lección clave para la era de IA medida por uso. Un asistente puede parecer conversacional, pero detrás de cada mensaje hay tokens, infraestructura y costos de inferencia. El hábito de “seguir el chat” puede ser cómodo, aunque no siempre sea eficiente.

Para usuarios nuevos, conviene entender que los tokens funcionan como unidades pequeñas de texto que los modelos procesan para leer y generar respuestas. Cuanto más larga sea la instrucción, más grande sea el archivo o más extenso sea el historial, mayor puede ser el consumo.

Un posible adelanto de lo que viene para la industria

El caso Copilot puede anticipar una tendencia más amplia. Durante los últimos años, muchas empresas de IA han subsidiado el uso para atraer clientes, ganar participación de mercado y convertir sus herramientas en parte del flujo diario de trabajo.

Ese modelo tiene límites. A medida que aumenta el uso de modelos más potentes, también crecen los costos de cómputo, energía e infraestructura. Las empresas enfrentan presión para convertir la adopción masiva en ingresos sostenibles.

Si más servicios adoptan cobros basados en uso, los modelos más eficientes en tokens podrían ganar ventaja económica. Un usuario comentó que integró Deepseek en su entorno GitHub VSCode a un costo de apenas USD $0,07 por 15 millones de tokens.

La comparación no implica que todos los modelos ofrezcan la misma calidad. En programación, precisión, contexto, seguridad y capacidad de razonamiento importan mucho. Sin embargo, el precio por token empieza a pesar más en decisiones de compra, tanto para individuos como para empresas.

El episodio también conecta con un debate más amplio para el sector tecnológico y financiero. La IA generativa prometió productividad acelerada, pero su economía todavía busca equilibrio. Cuando los usuarios ven el costo granular de cada interacción, cambian los incentivos.

Para GitHub, el desafío será sostener el valor percibido de Copilot sin provocar una fuga de usuarios intensivos. Para los desarrolladores, la nueva realidad exige medir mejor cuándo conviene usar IA, qué modelo seleccionar y cuánto contexto entregar.

La conclusión es menos espectacular que las quejas iniciales, pero más relevante. La programación asistida por IA no desaparece. Lo que cambia es la ilusión de gratuidad. En adelante, muchos usuarios no solo evaluarán qué tan buena es una respuesta, sino cuánto costó obtenerla.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados