GitHub suspende novas assinaturas do Copilot após explosão de demanda e limita uso para conter custos de IA

A Microsoft, por meio do GitHub, decidiu interromper temporariamente novas assinaturas do GitHub Copilot para planos individuais. A medida afeta as modalidades Pro, Pro+ e Student e foi adotada diante de um cenário crescente de pressão sobre infraestrutura e custos operacionais.

Segundo a empresa, o principal fator por trás da decisão é a evolução dos chamados “agentic workflows” — fluxos de trabalho baseados em agentes de IA que executam tarefas mais complexas, paralelas e de longa duração. Esse novo padrão de uso aumentou significativamente o consumo computacional, superando a capacidade inicialmente projetada para os planos atuais.

Na prática, isso significa que o modelo de negócio original do Copilot começou a se tornar insustentável. Diferente de interações simples, os novos agentes podem executar cadeias extensas de raciocínio, consumir grandes volumes de tokens e permanecer ativos por longos períodos, elevando drasticamente o custo por usuário — muitas vezes acima do valor pago na assinatura.

A cadeia de impacto começa na arquitetura da IA. Cada interação com o Copilot aciona modelos de linguagem que processam requisições, geram respostas e, em cenários mais avançados, executam múltiplas etapas em paralelo. Com a popularização dessas funcionalidades, a demanda por GPU, memória e processamento em datacenters cresceu de forma exponencial, pressionando provedores de cloud e exigindo ajustes emergenciais.

Para conter o problema, o GitHub já vinha adotando medidas progressivas. Inicialmente, suspendeu testes gratuitos do Copilot Pro após detectar abuso. Agora, além da pausa nas novas assinaturas, a empresa anunciou o endurecimento dos limites de uso para clientes existentes.

Dois mecanismos principais passaram a ser reforçados: limites por sessão e limites semanais. Os limites de sessão controlam o uso durante períodos de alta demanda, evitando que usuários monopolizem recursos. Já os limites semanais restringem o consumo total de tokens, especialmente em tarefas longas e paralelizadas, que geram custos elevados.

Outro ponto crítico envolve o modelo de cobrança. Atualmente, o Copilot utiliza um sistema baseado em requisições, mas esse modelo se mostrou inadequado diante de workloads imprevisíveis. Em muitos casos, uma única requisição pode gerar um consumo muito maior do que o esperado, especialmente quando envolve raciocínios complexos de IA.

Por isso, a empresa sinaliza uma transição para um modelo baseado em consumo de tokens, mais alinhado ao custo real de processamento. Essa mudança segue uma tendência já observada em outras plataformas de IA, que buscam equilibrar sustentabilidade financeira com escalabilidade.

O impacto dessa crise de capacidade não se limita ao GitHub. Outros players do mercado também vêm enfrentando desafios semelhantes. Empresas como Anthropic, Google e OpenAI já implementaram políticas para limitar uso, redistribuir carga e reduzir consumo em horários de pico — um indicativo claro de que a infraestrutura global de IA ainda não acompanha o ritmo da demanda.

Além disso, provedores de cloud como Amazon Web Services e Google Cloud também enfrentam dificuldades para expandir capacidade na mesma velocidade, refletindo um gargalo estrutural no setor.

Como parte das mudanças, o GitHub também anunciou ajustes nos modelos disponíveis. Versões mais antigas e custosas da Anthropic, como Opus 4.5 e 4.6, serão removidas dos planos Pro+, sendo substituídas por versões mais recentes, porém com custo potencialmente maior por requisição.

A decisão também gerou insatisfação entre usuários, especialmente aqueles que adquiriram planos anuais com expectativas diferentes de uso. O GitHub informou que clientes têm até 20 de maio para solicitar reembolso, caso não concordem com as novas condições.

O episódio evidencia um ponto crítico no avanço da inteligência artificial: a diferença entre inovação tecnológica e viabilidade operacional. Enquanto os agentes de IA evoluem rapidamente, a infraestrutura necessária para sustentá-los — incluindo datacenters, GPUs e energia — ainda está em fase de expansão.

No fim, o caso do Copilot reforça uma tendência clara: o futuro da IA não será definido apenas por capacidade técnica, mas também por eficiência econômica e gestão de recursos em larga escala.