GitHub Copilot: Guia prático de tokens, modelos e custos

O que mudou em 1º de Junho de 2026?

A partir de 1º de junho de 2026, o GitHub substituiu o modelo de cobrança baseado em Premium Requests por um modelo de cobrança baseado em uso (usage-based billing), onde o custo de cada interação depende de dois fatores:

1. O modelo utilizado (Claude Opus, GPT-5, Gemini, etc.)
2. O número de tokens consumidos (input, output e cached)

Referência oficial: What changed with Copilot billing

O que são GitHub AI Credits?

Cada interação consome tokens que são convertidos em AI Credits, onde:

1 AI Credit = $0,01 USD

Allowance por plano (mensal)

Dinâmica de Alocação e Franquias (Allowance)

Em vez de um teto rígido de mensagens, os planos agora são estruturados através de pacotes de créditos que ditam a sua capacidade de requisições a modelos avançados antes de acionar o uso de excedentes (overages) ou a transição de modelos:

• Base Credits: A quantia fixa de créditos inclusa no valor base mensal do seu plano.
• Flex Allotment: Uma margem de créditos flexíveis projetada para absorver picos de uso moderados antes de bloquear a conta ou exigir cobranças adicionais.
• Pooled Credits (Organizações): Para contas corporativas (Copilot Business e Enterprise), os créditos costumam ser unificados em um fundo comum da organização, permitindo que o teto seja gerenciado de forma global.

Referência: Usage-based billing for individuals

Entendendo Tokens: Input, Output e Cached

Quando você interage com o Copilot, são consumidos três tipos de tokens:

💡 O Insight do "Cached" — Por que isso importa para seu bolso

Tokens em cache (Cached Tokens) são drasticamente mais baratos. Em muitos modelos, o cached input custa cerca de 10x menos que input "frio". Exemplo de snapshot de preços por milhão (1M) de tokens:

Referência: Models and pricing for GitHub Copilot

Quando os tokens são "Cached"?

O caching acontece automaticamente quando:

1. Conversas contínuas — O contexto da conversa é reutilizado entre mensagens na mesma sessão
2. Arquivos abertos/referenciados recorrentemente — O mesmo contexto de código é enviado repetidamente
3. Prompts semelhantes — Quando o prefixo do prompt é idêntico a uma chamada anterior recente

Na prática, o que isso significa?

Se você observa no seu relatório de uso que a maioria dos tokens são cached, isso indica:

• Você está mantendo sessões de chat longas (bom!)
• O contexto está sendo reutilizado eficientemente
• Seu custo efetivo por interação é muito menor do que alguém que abre novas conversas o tempo todo

🚨 Por que modelos premium drenam créditos mais rápido?

Vamos fazer a matemática com o Claude Opus 5.5:

Cenário: Uma sessão média de chat

Com 1.500 AI Credits (Copilot Pro), isso dá ~416 interações/mês com Claude Opus 5.5.

Se usar intensivamente (50 interações/dia), acaba em ~8 dias.

Comparação de "rendimento" por modelo (estimativa)

⚠️ Nota: Os valores abaixo são estimativas calculadas com base nos preços oficiais por token (Models and pricing), assumindo uma interação média de ~4.000 input tokens + ~1.000 output tokens, sem cache. Na prática, com cache ativo, o custo real pode ser significativamente menor.

Fórmula utilizada: (4.000 ÷ 1.000.000 × preço_input) + (1.000 ÷ 1.000.000 × preço_output) → convertido para AI Credits (÷ $0,01)

🎯 Qualidade do Agent como Alavanca de ROI

Avant de falar de estratégias de custo, existe um ponto estrutural que o workshop do GitHub destaca e que seu artigo ainda não contemplava:

"Quando os tokens eram baratos, a acurácia do Agent não importava. Quando deixam de ser, eles exigem trabalho de engenharia."

A lógica é simples:

Agent ROI=Valor do output do AgentCusto de tokens×100%Agent ROI=Custo de tokensValor do output do Agent​×100%

Otimizar só o denominador (tokens) sem cuidar do numerador (qualidade) é uma estratégia incompleta.

O problema do erro acumulado

Agents encadeados amplificam falhas. Com 99% de acerto por etapa, um workflow de 50 etapas chega a apenas ~60% de sucesso. Cada erro gera tokens extras de debugging, retrabalho e novas chamadas ao modelo.

Workflow que reduz custo estruturalmente: Research → Plan → Implement

Divida o trabalho em fases com modelos diferentes por fase:

Um prompt impreciso delega o problema ao model. Um prompt preciso já direciona a solução — e consome muito menos tokens no total.

Exemplo prático:

• ❌ "Corrija o bug"
• ✅ "A issue #123 descreve um bug onde a API retorna 500 ao chamar /orders com payload vazio. Corrija tratando validação antes e garantindo resposta 400."

Controles determinísticos evitam tokens de retrabalho

Um agent sem guardrails acumula erros silenciosamente. Configure:

• Testes unitários que falham cedo e de forma precisa
• Linters e formatadores automáticos
• Security scans no pipeline

Cada erro detectado por um teste custa muito menos do que uma sessão de debugging com model premium.

copilot-instructions.md como ferramenta de custo

Instruções persistentes mal escritas inflamam o system prompt em toda sessão. Boas práticas:

• Mantenha o arquivo pequeno e específico
• Inclua um log de falhas recorrentes do agent (agent misses)
• Adicione diretivas de output conciso ("be concise", "stop if X")
• Itere com frequência — não use IA para gerar as instruções

📋 Estratégias de Otimização de Custo — A "Cartilha"

1. Use Auto Model Selection (desconto de 10%)

Deixe o Copilot gerenciar a escolha do modelo ideal para tarefas gerais. O sistema prioriza inteligências mais leves e baratas sempre que o prompt não exigir raciocínio complexo, reduzindo drasticamente o custo médio. Em planos pagos, a documentação oficial indica 10% de desconto ao usar Auto model selection no Copilot Chat e no Copilot cloud agent.

Nota temporal: até 30/11/2026, planos pagos também têm nota de 30% de desconto com Copilot Fusion (consulte a doc oficial para disponibilidade por superfície).

2. Escolha o modelo certo para a tarefa

3. Gerencie o contexto com critério

• NÃO abra um novo chat para cada pergunta dentro da mesma tarefa
• Continue a conversa no mesmo thread para reutilizar contexto como cached tokens (entre ~4x e ~10x mais barato, dependendo do modelo)
• Use /clear com frequência ao iniciar uma nova tarefa — contexto acumulado de tarefas anteriores aumenta custo sem agregar valor
• Atenção ao ContextRot: a partir de ~50% da context window, modelos perdem qualidade nas respostas do meio do contexto (Lost in the Middle)
• Regra prática: forneça o mínimo de contexto possível, mas o máximo necessário para a tarefa

4. Minimize o contexto desnecessário

• Feche abas de arquivos irrelevantes
• Use @file para referenciar apenas o que precisa
• Prompts mais objetivos = menos tokens de input

5. Code completions são GRÁTIS

• Inline suggestions e Next Edit Suggestions não consomem AI Credits
• Para tarefas de completar código, deixe o autocomplete trabalhar

6. Monitore seu uso

• GitHub: acesse Billing overview da sua conta e abra Budgets and alerts para acompanhar consumo e configurar alertas.
• Em planos individuais com usage-based billing, o usage dashboard mostra allowance disponível e uso acumulado.
• O caminho de menu pode variar por tipo de conta, permissões e rollout da interface.

7. Configure budgets para evitar surpresas

• Defina um budget máximo de AI Credits adicionais
• Configure alertas em 75%, 90% e 100% do budget para antecipar o esgotamento
• Após esgotar os créditos, o comportamento depende do plano e das políticas configuradas: pode haver continuidade com modelos limitados, bloqueio até o reset mensal ou cobrança de créditos adicionais

Referência1: Setting up budgets to control spending Referência2: About billing for GitHub Copilot

⌨️ Comandos do Copilot Chat para Controle e Economia de Tokens

O VS Code oferece slash commands, variáveis de contexto e ferramentas nativas que ajudam diretamente no controle de consumo de tokens. Digitando / no chat, você vê os comandos disponíveis. Abaixo, os mais relevantes para economia:

Slash Commands — Gestão de Sessão

💡 Dica prática: Em sessões longas (>30 turnos), o contexto cresce a cada mensagem. Usar /compact por volta do turno 25-30 pode reduzir significativamente o custo dos turnos seguintes sem perder o fio da conversa.

/chronicle — Análise de Uso e Otimização

O /chronicle é uma skill nativa do Copilot que analisa seu histórico de sessões e fornece insights personalizados. Requer a setting chat.localIndex.enabled: true no VS Code.

📊 Para análise de tokens detalhada (por evento, por modelo), habilite também chat.sessionSync.enabled: true — isso desbloqueia dados de billing no chronicle.

Variáveis de Contexto (#) — Controle do que é enviado ao modelo

Cada variável # controla exatamente qual contexto é incluído no prompt. Usar a mais específica reduz input tokens:

🎯 Regra de ouro: #selection < #function < #file < Workspace em termos de tokens consumidos. Use sempre o escopo mais restrito que resolve sua pergunta.

Seleção de Modelo — O controle mais direto de custo

Monitoramento no VS Code

Resumo: Fluxo de trabalho "Token-Aware"

1. Inicie a tarefa → escolha o modelo adequado (Auto ou manual) 2. Use #file ou #selection → não abra abas desnecessárias 3. Mantenha a conversa no mesmo thread → cached tokens são mais baratos 4. ~Turno 25-30 → use /compact para reduzir contexto 5. Mudou de tarefa → use /clear ou /new 6. Fim do dia → /chronicle cost-tips para revisar padrões 7. Periodicamente → /chronicle improve para otimizar copilot-instructions.md

Referência: GitHub Copilot Chat cheat sheet

🧪 Exemplo prático: geração deste artigo (errado vs certo)

Nesta conversa, usamos o próprio processo de criação deste artigo como estudo de caso de custo.

Cenário feito de forma errada (mais caro)

• Modelo premium usado do início ao fim: Claude Opus 5.5
• Conversa iterativa em vários turnos para chegar na versão final
• Coleta de referências em múltiplas buscas separadas
• Validações e refinamentos feitos em prompts adicionais

Estimativa de consumo da sessão até o artigo final:

• ~114 AI Credits (aprox. $1,14)

Cenário feito da forma correta (otimizado)

• Usar GPT-6.1 Terra ou Claude Sonnet 5.5 para a redação
• Fazer 1 prompt completo com escopo, estrutura e formato final
• Buscar apenas as 2 fontes essenciais (mudança de billing + pricing)
• Pedir no mesmo prompt: premissas, citações e tabelas com nota de estimativa

Estimativa de consumo com execução otimizada:

• ~20 AI Credits (aprox. $0,20)

Quanto economizaria?

Lições práticas

1. Opus para problema difícil; modelo médio para documentação.
2. Prompt completo reduz custo mais do que qualquer ajuste cosmético.
3. Sessão única e contínua ajuda caching e reduz gasto.
4. Menos turnos de validação isolada = menos tokens de input/output.

Nota: Valores acima são estimativas desta sessão, baseadas em preços oficiais por token e no padrão de uso observado durante a construção do artigo.

O que acontece quando acaba?

Quando seus AI Credits se esgotam, o comportamento depende do plano e das políticas configuradas:

• Pode continuar com modelos mais baratos e/ou com Auto, conforme política do plano/admin e budget disponível
• Pode ser bloqueado até o reset mensal, se um budget com stop usage estiver ativo
• Pode consumir créditos adicionais ($0,01/credit), se você tiver configurado um budget adicional
• Code completions e Next Edit Suggestions continuam funcionando independentemente do saldo de AI Credits
• O contador reseta no dia 1 de cada mês (00:00 UTC)

⚠️ Não há garantia universal de fallback automático — valide as políticas do seu plano.

⚠️ Atenção para Copilot Business/Enterprise

Para organizações, os AI Credits são pooled (compartilhados) no nível da billing entity. Isso significa que um usuário "heavy user" pode impactar toda a equipe. Administradores devem:

• Monitorar consumo por usuário
• Estabelecer policies de modelo por equipe
• Considerar o impacto do Copilot Code Review (consome tokens + GitHub Actions minutes)

Resumo Executivo

Referências Oficiais

1. Usage-based billing for individuals
2. Models and pricing for GitHub Copilot
3. What changed with Copilot billing
4. Model multipliers (legacy)
5. Premium requests (legacy)