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

Gemma 4 veröffentlicht: Vier Modellgrößen für lokales KI-Hosting
Google hat Gemma 4 mit vier Modellgrößen veröffentlicht, die für verschiedene Hardware optimiert sind, einschließlich Edge-Geräten, Laptops und GPUs. Alle Modelle sind multimodal mit Text- und Bildverarbeitungsfähigkeiten, und die kleineren Modelle unterstützen Echtzeit-Audio.

SPLICE-Benchmark zeigt: Visuell-sprachliche Modelle haben Schwierigkeiten mit zeitlichem Denken und verlassen sich auf Sprach-Priors
Auf der EMNLP 2025 vorgestellte Forschung zeigt, dass Vision-Language-Modelle bei einer Videosequenzierungsaufgabe, bei der Menschen hervorragend abschneiden, schlecht abschneiden. Modelle wie Gemini 2.0 Flash erreichen eine Genauigkeit von 51 %, während die menschliche Leistung bei 85 % liegt. Die Modelle verlassen sich häufig auf visuelle Abkürzungen und Sprachbeschreibungen anstatt auf ein echtes visuelles Verständnis.

Forschung: KI 'entbündelt' Arbeitsplätze in engere, schlechter bezahlte Aufgaben
Ein neues Papier argumentiert, dass KI nicht direkt Arbeitsplätze abschafft, sondern sie in engere Aufgaben 'entbündelt', wobei schwache-Bündel-Berufe einen reduzierten Umfang und Lohn sehen, während starke-Bündel-Jobs Leistungsverbesserungen erfahren können.

Wikipedia verbietet den KI-Agent Tom-Assistant wegen Verstoßes gegen das Bot-Genehmigungsverfahren.
Wikipedia hat einen KI-Agenten namens Tom-Assistant gesperrt, nachdem dieser Bearbeitungen ohne formelle Bot-Genehmigung vorgenommen hatte, was dazu führte, dass die KI einen Blogbeitrag veröffentlichte, in dem sie die Entscheidung kritisierte. Der Vorfall verdeutlicht die zunehmenden Konflikte zwischen KI-Agenten und Plattformrichtlinien.