GitHub Copilot agrega niveles de costo y calidad a la selección automática de modelos

GitHub ha agregado tres niveles configurables a la selección automática de modelos de Copilot, brindando a las organizaciones una nueva forma de influir en cómo el asistente de codificación compensa el costo, la calidad y el tiempo de respuesta para cada mensaje.

El cambio, anunciado el 14 de septiembre de 2026, introduce configuraciones de eficiencia, equilibrio e inteligencia para el selector automático de modelos de Copilot. Los tres niveles utilizan el mismo grupo de modelos disponibles, pero cambian la forma en que Copilot sopesa las prioridades en competencia al decidir qué modelo debe manejar una solicitud. La característica se está implementando en Visual Studio Code, Copilot CLI y la aplicación GitHub Copilot.

Para los equipos de ingeniería empresarial, el punto importante no es simplemente que Copilot pueda elegir un modelo automáticamente. Es que la elección ahora tiene una superficie política de cara al administrador. En lugar de pedir a cada desarrollador que comprenda qué modelo es más barato, más rápido o más potente para una tarea de codificación determinada, los equipos pueden establecer una postura predeterminada que se adapte mejor a sus prioridades operativas.

Qué cambió en la selección automática del modelo de Copilot

La selección automática del modelo de Copilot ya evaluó las indicaciones y las enruta a un modelo del conjunto compatible de GitHub. Los nuevos niveles añaden un control de nivel superior sobre ese comportamiento de enrutamiento.

El nivel de eficiencia está destinado a favorecer respuestas más rápidas y de menor costo. El nivel de equilibrio se sitúa entre el coste y la calidad. El nivel de inteligencia otorga más peso al rendimiento más sólido del modelo cuando Copilot evalúa qué modelo debería responder. GitHub dice que el conjunto de modelos disponibles es el mismo en todos los niveles, por lo que la configuración no es una simple lista de modelos baratos o premium. Es una señal de política que influye en el proceso de selección.

El uso aún se factura según el modelo realmente seleccionado por el automóvil. Los suscriptores pagos continúan recibiendo un descuento del 10% en el uso facturado a través de la ruta de selección automática de modelo. Eso significa que la configuración de niveles puede afectar el gasto indirectamente, pero no reemplaza la necesidad de inspeccionar qué modelos se utilizan y con qué frecuencia.

La implementación también es importante porque afecta a varias superficies de desarrollador a la vez. Visual Studio Code cubre el flujo de trabajo IDE principal. Copilot CLI lleva el comportamiento al desarrollo basado en terminal. La aplicación GitHub Copilot la extiende a otra interfaz donde el trabajo tipo agente y chat puede realizarse fuera del editor.

Por qué esto es importante para los equipos de ingeniería y finanzas

La mayoría de las organizaciones que adoptan herramientas de codificación de IA han ido más allá de la cuestión de si los desarrolladores las usarán. El problema más difícil es cómo gestionar el uso cuando se combinan varios modelos, tasas de facturación, tipos de tareas y flujos de trabajo de desarrolladores en una sola experiencia de producto.

La elección manual del modelo ofrece control a los usuarios expertos, pero no se escala de forma limpia en las grandes organizaciones de ingeniería. Muchos desarrolladores no conocerán el costo marginal o las diferencias de capacidad entre los modelos disponibles, y no deberían tener que tomar decisiones de grado de adquisición durante el trabajo de codificación de rutina. La selección automática reduce esa carga, pero también puede hacer que los costos parezcan opacos si los administradores no pueden ver o dar forma a la lógica de enrutamiento.

Los nuevos niveles son una capa intermedia. No exponen el algoritmo completo de selección de modelo y no garantizan que un mensaje determinado vaya a un modelo en particular. Pero brindan a los líderes un control más práctico que decirle a cada desarrollador que elija modelos más baratos a mano.

Esto está estrechamente relacionado con el control de costos de API de IA, aunque Copilot está empaquetado como una herramienta de desarrollador en lugar de una API de modelo sin formato. El problema de gobernanza subyacente es el mismo: las organizaciones deben decidir cuándo se justifica un modelo más caro, cuándo un modelo más barato es lo suficientemente bueno y cómo se reflejan esas opciones en los presupuestos.

Quién se ve afectado

La audiencia más directa son las organizaciones de ingeniería que utilizan GitHub Copilot Business o Enterprise con exposición a la facturación basada en el uso. Los equipos que ya revisan el consumo de Copilot, establecen presupuestos o restringen los modelos disponibles deberán evaluar cómo encaja la nueva configuración en su política existente.

Es posible que los equipos de ingeniería de plataformas también deban actualizar la guía interna. Si a los desarrolladores se les ha pedido que elijan modelos específicos para la revisión del código, la refactorización, las pruebas o el trabajo de agente, los nuevos niveles automáticos podrían cambiar el valor predeterminado recomendado. Una organización puede decidir que la mayoría de los desarrolladores deberían usar el equilibrio, que los equipos de gran volumen deberían comenzar con la eficiencia o que ciertos grupos que trabajan en migraciones complejas deberían usar la inteligencia.

Los equipos de finanzas y adquisiciones se ven afectados porque la factura aún depende del modelo seleccionado. Una política denominada eficiencia no debería tratarse como un límite estricto al gasto. Es una preferencia de enrutamiento.Las organizaciones seguirán necesitando informes que conecten el gasto con los equipos, los usuarios, los flujos de trabajo y los modelos seleccionados.

Los equipos de seguridad y gobernanza tienen un interés más limitado pero real. Si las políticas del modelo difieren según el proveedor, la región, los términos de manejo de datos o el estado de aprobación interna, la selección automática del modelo debe operar dentro de esas limitaciones. El anuncio de GitHub dice que se utiliza el mismo conjunto de modelos disponibles en todos los niveles, por lo que los administradores deben verificar que sus políticas de habilitación de modelos reflejen lo que la organización realmente está dispuesta a usar.

Consecuencias prácticas para los desarrolladores

Para los desarrolladores individuales, el mejor resultado es menos interrupciones. Un desarrollador puede pedir ayuda a Copilot y el sistema puede elegir un modelo alineado con el equilibrio preferido de costo y capacidad de la organización. Esto puede resultar especialmente útil para el autocompletado de rutina, pequeñas explicaciones, sugerencias de pruebas y asistencia de línea de comandos donde puede que no sea necesario pagar siempre por el modelo más potente.

La desventaja es que el comportamiento puede volverse menos predecible a nivel de modelo. Dos mensajes que parecen similares para un usuario pueden enrutarse de manera diferente, y el mismo flujo de trabajo podría producir diferentes características de costo y latencia a medida que GitHub actualiza el conjunto de modelos disponible o la lógica de selección. Los equipos que necesitan pruebas deterministas, comparaciones comparativas o documentación estricta del modelo aún pueden preferir la elección explícita del modelo para algunos flujos de trabajo.

Los administradores deben tratar la implementación como una revisión de políticas en lugar de una actualización pasiva del producto. Los primeros pasos útiles incluyen verificar qué superficies Copilot están habilitadas, confirmar las políticas de modelo predeterminadas, revisar cómo se configura la facturación basada en el uso y decidir si diferentes equipos necesitan orientación diferente. Los equipos con análisis de uso de IA maduros deben observar si los nuevos niveles cambian el gasto hacia menos llamadas premium, más uso total o comportamiento diferente por equipo.

La mayor incertidumbre es la transparencia. GitHub no ha publicado todos los detalles sobre cómo Copilot evalúa cada mensaje o cómo la configuración de niveles cambia la probabilidad de elegir un modelo sobre otro. Eso limita la precisión con la que las empresas pueden pronosticar los cambios en costos o calidad antes de probar la función en su propio entorno.

Aun así, la dirección es clara. Los asistentes de codificación se están convirtiendo en sistemas multimodelo con controles de políticas, no suscripciones de un solo modelo. Para las empresas que estandarizan las herramientas de desarrollo de IA, la pregunta operativa está pasando de "¿qué modelo es mejor?" a "¿qué política de enrutamiento es apropiada para este trabajo, este equipo y este presupuesto?"