GitHub은 며칠 전 공식적으로 사용량 기반 과금 (usage-based billing) 모델로 전환했습니다. 10달러의 무제한 고정 요금 시대는 끝났습니다 🥲

최근 GitHub Copilot은 프리미엄 요청 (premium requests), 모델 액세스 (model access), 그리고 AI 소비 (AI consumption)와 관련된 더 상세한 사용량 기반 개념을 도입하기 시작했습니다. 플랫폼은 모든 AI 상호작용을 동일하게 취급하는 대신, 고급 워크플로 (workflows)가 측정 가능한 리소스를 소비하는 미터링 모델 (metered model)에 더 가까워지고 있습니다.

코드 완성 (code completions)과 같은 일부 기능은 크레딧 소비 대상에서 제외된 것으로 보입니다.

다음 링크를 통해 예상 가격을 미리 확인해 볼 수 있습니다:
https://copilot-billing-preview.github.com/

이러한 변화는 기술적으로 타당합니다. 현대의 AI 코딩 어시스턴트 (AI coding assistants)는 더 이상 단순한 자동 완성 시스템이 아닙니다. 이제 이들은 다음과 같은 작업을 수행합니다:

대규모 코드베이스 생성,
풀 리퀘스트 (pull requests) 리뷰,
에이전틱 워크플로 (agentic workflows) 실행,
리포지토리 (repositories) 분석,
여러 파일에 걸친 추론 (reasoning),
그리고 점점 더 비용이 비싸지는 프런티어 모델 (frontier models)과의 상호작용.

이러한 작업에는 상당한 컴퓨팅 파워 (compute power)가 필요합니다.

흥미로운 점은 이것이 AI 툴링 (AI tooling)을 전통적인 소프트웨어 구독 방식보다는 클라우드 인프라 (cloud infrastructure) 가격 책정과 더 유사하게 만들기 시작했다는 것입니다.

개발자들은 이미 이러한 패턴에 익숙합니다:

스토리지 사용량,
API 속도 제한 (rate limits),
서버리스 (serverless) 실행 시간,
대역폭 (bandwidth) 소비,
GPU 컴퓨팅.

AI 코딩 어시스턴트도 단순히 그 목록에 합류하는 것일지도 모릅니다.

저는 이것이 개발자들이 이러한 도구를 사용하는 방식 또한 바꿀 것이라고 생각합니다. 모든 것에 대해 대규모 모델에 맹목적으로 프롬프트를 입력하는 대신, 다음과 같은 현상이 나타나기 시작할 수 있습니다:

더 스마트한 모델 선택,
경량화된 워크플로,
하이브리드 로컬/클라우드 설정,
그리고 AI 비용 최적화 (AI cost optimization)에 대한 더 많은 관심.

어떤 면에서, "프롬프트 효율성 (prompt efficiency)"은 DevOps에서의 클라우드 비용 최적화와 유사해질 수 있습니다.

더 큰 시사점은 아마 이것일 것입니다:

업계는 "새로운 기능으로서의 AI"에서 "인프라로서의 AI"로 이동하고 있습니다. 그리고 인프라는 무제한인 경우가 거의 없습니다.

자세한 내용은 다음 링크를 방문해 주세요: https://github.blog/news-insights/company-news/changes-to-github-copilot-individual-plans/