GitHub Copilot Individual Plan-Änderungen: Anmeldungen pausiert, strengere Limits, Modellanpassungen

GitHub kündigte am 20. April 2026 bedeutende Änderungen an den individuellen Copilot-Plänen an und nannte agentische Workflows als Hauptgrund für die gestiegenen Rechenanforderungen. Das Unternehmen führt drei Hauptänderungen ein: Pausierung neuer Anmeldungen, Verschärfung der Nutzungslimits und Anpassung der Modellverfügbarkeit.
Spezifische Änderungen
Neue Anmeldungen werden pausiert für GitHub Copilot Pro, Pro+ und Studentenpläne. GitHub erklärt, dass dies ihnen ermöglicht, bestehende Kunden effektiver zu bedienen.
Nutzungslimits werden für individuelle Pläne verschärft. Pro+-Pläne bieten nun mehr als das 5-fache der Limits von Pro-Plänen. Nutzer von Pro-Plänen, die höhere Limits benötigen, können auf Pro+ upgraden. Nutzungslimits werden jetzt in VS Code und Copilot CLI angezeigt, um Nutzern zu helfen, Limits nicht zu erreichen.
Die Modellverfügbarkeit ändert sich:
- Opus-Modelle sind in Pro-Plänen nicht mehr verfügbar
- Opus 4.7 bleibt in Pro+-Plänen verfügbar
- Opus 4.5 und Opus 4.6 werden aus Pro+ entfernt (wie zuvor im Changelog angekündigt)
Wie Nutzungslimits funktionieren
GitHub Copilot hat zwei Arten von Nutzungslimits:
Sitzungslimits: Existieren hauptsächlich, um eine Überlastung des Dienstes während Spitzenzeiten zu verhindern. Die meisten Nutzer sollten nicht betroffen sein. Wenn Sie ein Sitzungslimit erreichen, müssen Sie warten, bis das Nutzungsfenster zurückgesetzt wird, um Copilot weiter zu nutzen.
Wöchentliche Limits (7 Tage): Stellen eine Obergrenze für den gesamten Tokenverbrauch während der Woche dar. Diese wurden kürzlich eingeführt, um parallelisierte, langlaufende Anfragen zu kontrollieren, die über längere Zeiträume laufen. Wenn Sie ein wöchentliches Limit erreichen, aber noch Premium-Anfragen übrig haben, können Sie Copilot mit automatischer Modellauswahl weiter nutzen. Die Modellauswahl wird wieder aktiviert, wenn der wöchentliche Zeitraum zurückgesetzt wird.
Nutzungslimits sind getrennt von Premium-Anfrageberechtigungen. Premium-Anfragen bestimmen, auf welche Modelle Sie zugreifen können und wie viele Anfragen Sie stellen können, während Nutzungslimits tokenbasierte Schutzmaßnahmen sind, die den Tokenverbrauch innerhalb von Zeitfenstern begrenzen. Sie können noch Premium-Anfragen übrig haben und dennoch ein Nutzungslimit erreichen.
Praktische Hinweise
Wenn Sie sich einem Limit nähern, schlägt GitHub vor:
- Verwenden Sie für einfachere Aufgaben ein Modell mit einem kleineren Multiplikator (größere Multiplikatoren verbrauchen Limits schneller)
- Erwägen Sie ein Upgrade auf Pro+, wenn Sie einen Pro-Plan haben (5-fach höhere Limits)
- Nutzen Sie den Planmodus in VS Code oder Copilot CLI, um die Aufgabeneffizienz zu verbessern
- Reduzieren Sie parallele Workflows (Tools wie /fleet führen zu höherem Tokenverbrauch)
GitHub räumt ein, dass diese Änderungen einschneidend sind, und bietet Rückerstattungen für Pro- oder Pro+-Abonnements an, die zwischen dem 20. April und dem 20. Mai 2026 gekündigt werden. Nutzer werden nicht für die Nutzung im April belastet, wenn sie in diesem Zeitraum kündigen.
📖 Lesen Sie die vollständige Quelle: HN LLM Tools
👀 Siehe auch

Open Source vs. Frontier-Modelle: Einzeldatei-Canvas-Autoszene-Benchmark
Ein Entwickler testete 12 Modelle, darunter GPT-5.5, Claude Opus 4.7 und Qwen 3.6 Plus, an einer Einzeldatei-HTML-Canvas-Fahranimationsaufgabe, deren Ergebnisse öffentlich verglichen wurden.

Claude-Systemprompt-Compliance verschlechtert sich in langen Gesprächen
Claude-basierte Agenten zeigen eine verminderte Einhaltung von Systemaufforderungen nach 40-50 Nachrichten, wobei Formatierungsregeln ignoriert und Einschränkungen vergessen werden. Das Problem rührt daher, dass Systemaufforderungen mit der Konversationshistorie um Aufmerksamkeitsgewicht im Kontextfenster konkurrieren.

Blocks 4.000 Stellenstreichungen wecken Bedenken wegen "AI-Washing"
Block kündigte 4.000 Stellenstreichungen an, die Verdacht auf AI-Washing erweckt haben. Die Geschichte erzielte 10 Punkte und 3 Kommentare auf Hacker News.

Qwen3.6 27B FP8 läuft mit 200k Tokens BF16 KV-Cache bei 80 TPS auf RTX 5000 PRO 48GB
Ein Reddit-Benutzer stellt ein vLLM-Setup für Qwen3.6 27B FP8 mit BF16-KV-Cache bei 200.000 Token vor und erreicht 60-90 TPS auf einer einzelnen RTX 5000 PRO 48GB. Vollständige Umgebungsvariablen, Konfiguration und Benchmark-Ergebnisse werden bereitgestellt.