加载失败
GitHub Copilot 是 GitHub/Microsoft 的 AI 编程助手，这次变更说的是它的 code review 功能会通过 GitHub Actions（GitHub 的 CI/CD 自动化平台）来执行，因此开始消耗 Actions minutes。评论把它放在更大的 AI 价格上调背景里讨论：不少厂商从早期补贴和固定月费，转向 token-based billing 和更直接的 usage-based billing。由于 Copilot code review 既会产生模型推理费用，又会占用 GitHub-hosted runners，很多人担心会出现双重计费、成本不透明和企业难以评估 ROI。讨论也延伸到 GitHub Actions 的可靠性、GitHub 自身的 goodwill，以及用户是否会转向 Forgejo、Gitea、GitLab 等替代平台。
很多评论把这条消息看成 AI 产品从“补贴换增长”转向按真实成本收费的信号，认为早期的固定月费和免费额度本来就是市场推广折扣。支持者指出，企业版 API 已经在按 token 收费，而且工程师时间很贵，只要 AI 真能提升产出，就算每人每月花掉数千美元也可能划算。反对者则强调训练成本、GPU 资本开支和公开财报都没被算进去，token 价格最多覆盖推理环节，未必代表真正的全成本。大家争的核心不是“要不要收费”，而是价格还能抬到多高、客户会在什么时候开始流失。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9]
不少人认为 Copilot 本来就是主流 AI coding 工具里最弱的一档，编辑器补全和 agentic coding 都不如 Cursor、Windsurf、Codex 或 Claude。既然原本靠低价和 GitHub 集成吸引用户，现在又把价格抬高、旧方案变差，就像在主动把客户送给竞争对手。有人甚至把它比作 Windows Phone 式的失败产品：质量不够时，贸然涨价只会加速出局。少数人承认仍会为了 GitHub 集成保留最低档订阅，但那更多是迁移成本，而不是产品吸引力。
有评论解释说，Copilot code review 本质上是跑在 GitHub Actions 上的 workflow，只是用户看不到它的 YAML 配置。这样一来，模型推理要收 AI credits，调度和运行容器又会消耗 GitHub Actions minutes，于是很多人感觉像被“双重收费”。也有人认为这是一种刻意拆分成本的方式，让每次 review 的真实开销更难被看清。争论焦点不是它能不能跑，而是这种设计会让企业几乎无法直观判断每个 PR 到底花了多少钱。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9] [来源10] [来源11]
另一条主线是对 GitHub 自身的失望：有人拿 Actions 宕机、PR 页面空白、状态页口径变化当例子，认为官方 uptime 已经被美化。也有人说 GitHub 过去积累的 goodwill 已经快耗尽，今天的体验越来越像典型的 enshittification。于是评论里出现了大量替代方案：Forgejo、Gitea、GitLab、SourceHut、BitBucket，甚至自建 runner 和旧电脑来跑 CI。还有人担心 Copilot 自动评论会污染 PR 指标，让“看起来很热闹”的协作数据失真。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9] [来源10] [来源11] [来源12] [来源13] [来源14]
当云端 AI 和 GitHub Actions 继续涨价时，很多人把本地模型和自托管看成长期退路。支持者认为，简单 scaffolding、模板生成和重复性 CI 工作都可以交给本地或更便宜的开源方案，尤其是自建 runner、旧电脑、VPS、k3s 集群这些都能把成本压得很低。反对者则强调，真正好用的还是 frontier models，当前能本地跑的模型常常更慢、会出错、需要过度约束，最后还得人工重写。CI/CD 讨论也很相似：solo dev 在找最省钱的 runner、缓存和 autoscaling 方案，但“便宜”往往要在易用性和性能上付出代价。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9] [来源10] [来源11] [来源12] [来源13]
GitHub Actions: GitHub 提供的 CI/CD 自动化平台，能在仓库事件触发时运行任务和工作流。
Actions minutes: GitHub Actions 的计费单位之一，表示工作流在 GitHub-hosted runner 上占用的运行时间。
token-based billing: 按模型输入和输出的 token 数量收费的计费方式。
frontier models: 最强一档的大模型，通常代表最新、最贵、能力最强的商业模型。
open-weight models: 公开模型权重的模型，方便第三方或用户自己下载、自托管和二次部署。