En enda komplex förfrågan kan svälja 94 krediter – GitHub Copilots nya prismodell skapar frustration hos tunga användare

Krediterna tog slut innan dagen var slut

Föreställ dig att du sätter igång en intensiv kodningssession på morgonen, bara för att upptäcka vid lunchtid att din månadskvot redan är förbrukad. Det är verkligheten för ett växande antal GitHub Copilot-användare sedan plattformen den 1 juni övergick till en helt ny prismodell baserad på förbrukning snarare än fast abonnemang.

Enligt Ars Technica har reaktionerna från användarcommunityn varierat mellan förvirring och direkt ilska. Det gamla systemet – där varje förfrågan kostade lika mycket oavsett komplexitet – ersätts nu av ett kreditbaserat upplägg där en kredit motsvarar en hundradels dollar, ungefär tio svenska öre.

På ytan låter det rimligt. GitHub argumenterar för att den gamla modellen var orättvis: en trivial fråga och en fleratimmes djupanalys av en kodbas kostade exakt lika mycket. Den nya modellen ska spegla det verkliga resursutnyttjandet bättre. Logiken är sund – problemet ligger i praktiken.

Tre prisnivåer, men hur mycket räcker?

Abonnemangen är nu uppdelade i tre nivåer. Pro-planen till 100 kronor per månad inkluderar 1 500 krediter. Pro+ till 390 kronor ger 7 000 krediter. Den dyraste Copilot Max-planen till 1 000 kronor per månad levererar 20 000 krediter.

Men vad innebär det i praktiken? Det är här det börjar se dystert ut för tunga användare. Ars Technica testade att generera ett enkelt spel via verktyget och förbrukade hela 94 krediter på en enda förfrågan. Med Pro-planens 1 500 krediter ger det knappt 16 liknande uppgifter per månad.

Och här kommer den verkliga krångelfaktorn in: priset varierar enormt beroende på vilken underliggande språkmodell som används. Samma textmängd kan kosta tjugofyra gånger mer om systemet väljer en avancerad modell jämfört med en enklare variant. Copilots automatiska läge – som väljer modell åt användaren – kan enligt rapporter ibland selektera dyra alternativ även för banala förfrågningar. Det är som att beställa en taxi och inte veta förrän i slutet av resan om du fick en vanlig bil eller en lyxlimousin.

Genomsynligheten saknas

Det fundamentala problemet handlar inte om prisnivåerna i sig – det handlar om förutsägbarhet. En professionell utvecklare som använder Copilot som en central del av sitt arbetsflöde behöver kunna planera sin kostnad. Med ett system där en enda komplex förfrågan kan sluka en oproportionerlig andel av månadsbudgeten, och där modellvalet sker automatiskt utan tydlig prisindikation i förväg, försvinner den ekonomiska kontrollen.

Detta är inte ett isolerat fenomen. Vi ser samma rörelse hos flera stora AI-leverantörer – en gradvis övergång från enkla fasta priser mot mer granulära förbrukningsmodeller. I teorin är det rättvisare. I praktiken lägger det hela riskbördan på slutanvändaren.

En branschomfattande rörelse

Det vore naivt att tro att GitHub agerar ensamt. Bakom kulisserna driver stigande infrastrukturkostnader för storskaliga språkmodeller alla aktörer mot förbrukningsbaserade modeller. Att köra avancerade modeller som GPT-4-klassen eller Anthropics Claude kostar påtagliga summor per token – och de kostnaderna måste täckas.

För slutanvändaren innebär detta ett nytt ansvar: att aktivt förstå och hantera sin AI-konsumtion på samma sätt som man hanterar molntjänster och serverkapacitet. Det kräver en ny typ av kompetens – AI-ekonomistyrning – som hittills knappt existerat som begrepp i de flesta organisationer.

För företag som har byggt in Copilot i sina utvecklingsprocesser är detta en väckarklocka. Utan tydliga rutiner för modellval, förbrukningsuppföljning och budgettak kan AI-kostnaderna snabbt skena iväg på ett sätt som liknar de tidiga dagarna av okontrollerad molnanvändning.

Möjligheten finns fortfarande – AI-assisterad kodning är genuint produktivitetshöjande. Men för att realisera värdet behöver användarna nu ta ett steg tillbaka och strategiskt tänka kring hur, när och med vilken modell de använder sina AI-verktyg.