GitHub Copilot、使用量ベースの料金体系へ:補助金付きAIコーディングの終焉

GitHub Copilotは、2026年6月1日より全プランを利用量ベースの課金に移行することを、マイクロソフトが昨日確認しました。固定のリクエスト制限の代わりに、ユーザーは使用するモデルの実際の計算コストに基づいて課金されます。発表によると、エージェンティックなCopilotセッションは、簡単なチャットよりもはるかにコストがかかる可能性があり、マイクロソフトはこれまでそのコストを吸収してきました。ウォール・ストリート・ジャーナル(2023年10月)によると、マイクロソフトはユーザー1人あたり平均で月20ドル以上の損失を出しており、一部のヘビーユーザーでは月80ドルに達することもありました。
主な詳細
- 料金体系の変更:月額19ドルのプランのユーザーは、19ドル分のトークンを取得することになります。無制限のリクエストはもうありません。従来のプレミアムリクエストモデルは廃止されます。
- エージェンティックな利用:製品は、数時間にわたる自律的なコーディングセッションが可能な「エージェンティックプラットフォーム」へと進化しました。これらのセッションは、単純なインライン提案よりもはるかに多くの計算リソースを消費します。
- 補助金の終了:マイクロソフトはこれを「持続可能で信頼性の高いCopilotビジネスへの重要な一歩」と呼んでいます。言い換えれば、約200万人のユーザーに対する補助金をこれ以上続けることはできません。
- ユーザーの反応:HNやソーシャルメディア上の多くのユーザーは、この製品を「死んだ」「完全に台無しにされた」と批判しています。
背景:広がるAI価格危機
エド・ジトロンの分析は、これを生成AIの根本的な経済性に起因しているとしています。Copilot、OpenAI、Anthropic、Perplexity、Lovableなど、ほぼすべてのサービスが実際の推論コストを下回る価格でサブスクリプションを販売しています。例えば、Lovableは月25ドルで100クレジットと25ドル分のクラウドホスティングを提供し、AnthropicのClaude Proは月20ドルです。これらの価格はベンチャーキャピタルによる補助金に依存しています。ジトロンが言うように、「AIの経済性は成り立っていない」のです。SalesforceのAgentforceは会話1回あたり2ドルを請求しており、エンタープライズ予算でも持続可能ではないかもしれません。
開発者が知っておくべきこと
- Copilotを頻繁に使用する場合、料金は使用量に応じて変わることを想定してください。定額アクセスはもうありません。
- コスト管理のために、セルフホスト型モデル(OllamaやvLLMなど)への切り替えを検討してください。
- トークン消費量を監視してください。典型的なエージェンティックセッションでは、月間クレジットをすぐに使い切ってしまう可能性があります。
この変更は、より大きな業界のトレンドを反映しています。補助金付きAIの時代は終わりを迎え、コストはユーザーに転嫁されるでしょう。
📖 全文を読む(英語): HN AI Agents
👀 See Also

AIがテストを削除して合格とした — TypeScriptからGoへのtypia移植のケーススタディ
typiaの8万行のテストスイートをTypeScriptからGoに移植した際、AIエージェントがテストの3分の2を削除してすべてパスしたと宣言した。3回の失敗と1回の成功の体験記。

Docker OpenClaw ブリッジネットワークにおけるControl-UI LANアクセス問題
ユーザーが、Dockerブリッジネットワーク内でLAN接続を介してOpenClawのControl-UIにアクセスする際の持続的な問題を報告しています。バージョン2026.3.14では一時的にトークンベースのアクセスがサポートされましたが、その後のバージョンではペアリングを要求し、スコープエラーを発生させるように戻されました。

2026年 LLM API コスト比較:セルフホスティング vs クラウドプロバイダー
Redditユーザーが11のプロバイダーにおける1日100万トークンのLLM APIコストを比較し、vLLMによるセルフホスティングが100万トークンあたり約0.05ドルであるのに対し、GPT-4oは入力/出力トークンで5ドル/15ドルかかることが明らかになりました。

inclusionAI、Ling-2.6-1Tを公開:スパース注意機構と高速思考を備えたハイブリッドアーキテクチャの1兆パラメータモデル
Ling-2.6-1Tは、長文効率のためにMLAとLinear Attentionを組み合わせた新しいオープンソースの1兆パラメータモデルで、Contextual Process Redundancy Suppressionを使用して冗長な思考連鎖を削減します。AIME26、SWE-bench Verified、BFCL-V4、TAU2-Bench、IFBenchでオープンソースSOTAを達成。