GPT-6.1 Sol в Copilot: цена задачи теперь зависит от шагов агента

Copilot перешёл на оплату по токенам. Разбираем, почему число шагов агента важнее ума модели и как managed-settings и индекс кода режут счёт.

  • Что произошло
  • Что изменилось в Copilot
  • Почему число шагов важнее «ума» модели
  • Кто решает, какой моделью пишут код

Что произошло

GitHub добавил в Copilot модель GPT-6.1 Sol от OpenAI. Счёт за неё GitHub выставляет по прейскуранту провайдера в рамках оплаты по потреблению. В июле GitHub также выпустил managed-settings.json и индексацию кодовых баз на C++. Вместе эти релизы превращают AI-разработку в производственную линию со своей себестоимостью. Компания, которая не считает цену закрытой задачи, узнает её из счёта за месяц.

Что изменилось в Copilot

  1. GPT-6.1 Sol доступна всем клиентам на тарифах Copilot Pro+, Max, Business и Enterprise. GitHub предлагает её для агентной разработки и работы в терминале.

  2. По данным ранних тестов GitHub, модель надёжно закрывала задачи и тратила на них заметно меньше токенов и шагов, чем модели семейств GPT-6 и GPT-5.6.

  3. Точных процентов GitHub не приводит, так что эффект на своих задачах компании придётся измерять самим.

  4. Главное в релизе - условия оплаты: модель тарифицируется по прейскуранту провайдера в рамках usage-based billing.

  5. Раньше расходы ограничивала фиксированная цена лицензии на разработчика, теперь такого потолка нет.

  6. Компания платит за каждый токен, который сжёг агент.

Почему число шагов важнее «ума» модели

Агентный режим работает циклом

Модель читает задачу, выбирает файл, запускает команду в терминале, смотрит на упавший тест, правит код и начинает заново.

На каждой итерации она заново получает накопленный контекст: код, вывод команд, историю своих рассуждений.

Поэтому стоимость задачи растёт примерно как число шагов, умноженное на объём контекста. Возьмём условный пример.

Это наша арифметика, данных GitHub в ней нет.

Задача занимает 40 шагов, на каждом модель получает около 30 тысяч токенов контекста.

Итого 1,2 млн входных токенов

Модель, которая решает ту же задачу за 25 шагов, экономит около 40% токенов и столько же времени ожидания. В команде из 30 разработчиков, которые запускают агента десятки раз в день, эта разница появится в бюджете к концу первого месяца.

Отсюда практическая метрика: стоимость одного принятого pull request.

Её легко посчитать, её понимает финансовый директор, и по ней видно, окупает ли дорогая модель свою цену.

Это и есть TTU, time to use: сколько времени и денег проходит от запуска агента до кода, который работает в проде.

Оценить, где ИИ даст эффект в вашем процессе

Кто решает, какой моделью пишут код

  1. С 1 июля в GitHub Enterprise Cloud для всех клиентов доступен managed-settings.json.

  2. Администратор централизованно задаёт, какие модели и плагины разрешены в VS Code и Copilot CLI.

  3. Без такой политики разработчики выбирают модель по вкусу, обычно самую новую и дорогую, и ставят любые плагины.

  4. Плагин с доступом к репозиторию может стать каналом утечки кода, а отвечать за утечку будет руководитель, который этот плагин не видел.

  5. Российские компании часто не могут опереться на Copilot, но задача контроля у них та же. В их стеке GigaChat, YandexGPT, Qwen, Claude и собственные модели, и разработчики подключают их кто как умеет.

  6. Мы в KT.Team закрываем это через LLM & Security Gateway: единую точку, через которую проходят все запросы к моделям.

  7. Шлюз маршрутизирует задачи по классам: автодополнение отправляет в дешёвую модель, рефакторинг легаси - в сильную.

  8. Он держит лимиты по командам, маскирует секреты и персональные данные до отправки наружу и пишет журнал для аудита.

  9. Функционально это аналог managed-settings.json для гетерогенного стека, плюс контроль трафика.

Контекст экономит больше, чем смена модели

Третий релиз выглядит нишевым, но хорошо показывает, куда уходят токены

Copilot CLI научился индексировать всю кодовую базу на C++. Microsoft C++ Language Server строит постоянный индекс символов проекта, включая файлы, которые сейчас не открыты.

Без индекса агент на каждый запрос заново ищет, где определена функция и кто её вызывает. В репозитории на миллионы строк на это уходят десятки шагов, и за каждый платит заказчик.

Та же проблема есть в конфигурациях 1С, монолитах на Magento и PHP-системах десятилетней давности.

Мы даём агенту готовую карту системы

MCP-серверы отдают ему структуру конфигурации, схемы данных и интеграционные контракты. RAG по коду и документации подставляет нужный фрагмент, и агенту не нужно обходить весь репозиторий.

По нашему опыту AI-native разработки, на таких проектах подготовленный контекст сокращает число шагов сильнее, чем переход на следующую версию модели.

Это гипотеза: универсального бенчмарка на этот счёт пока нет.

Что сделать до следующего счёта

  1. - Ввести метрику «стоимость принятого PR»

  2. и считать её по командам и моделям. -

  3. Составить белый список моделей по классам задач и закрепить его политикой через managed-settings.json или шлюз. -

  4. Дать агентам индекс и контекст: язык-серверы, MCP, RAG по документации. -

  5. Поставить лимиты расходов на команду с оповещением при превышении.

  6. Каждый пункт выглядит просто, но работает только при зрелом процессе.

  7. Нужны телеметрия, единая точка доступа к моделям и инженеры, которые умеют связать счёт за токены с результатом в проде.

Вердикт

За три месяца GitHub выпустил всё, что нужно для промышленной AI-разработки: модели с оплатой по потреблению, центральную политику и индекс кода. Выгоднее та модель, которая тратит меньше шагов на задачу. Компании, которые начнут считать стоимость закрытой задачи сейчас, получат от GPT-6.1 Sol экономию. Остальным придётся объяснять финансовому директору счёт, не имея цифр на руках.

Обсудить статью: GPT-6.1 Sol в Copilot: цена задачи теперь…

Укажите email или телефон, чтобы мы могли вам ответить.

Отправить через: