本記事は Claude Code(Anthropic)を活用して執筆しています。
検証可能な範囲で公開情報を整理したものですが、
コード例等は実環境での動作確認をおすすめします。

エージェントモードを使い始めたら月の請求額が急増した——6月に入ってから X や GitHub のコミュニティでそういった報告が相次いでいる。

原因は 2026 年 6 月 1 日から施行された GitHub Copilot の「AI Credits」制への完全移行だ。これまでの「Premium Requests（PRU）」という単位が廃止され、実際のトークン消費量に基づく従量課金に切り替わった。コード補完が中心なら影響は小さいが、エージェントモードを多用していた人には無視できない変化だ。

この記事では、何が変わったのか・AI Credits の計算方法・エージェントモードでなぜクレジットが急増するのかを公開情報から整理する。請求が増えた理由をつかみたい人が、読み終えたあとに自分の使い方と対策を判断できる内容を目指した。

何が変わったか — Premium Requests から AI Credits へ

これまで GitHub Copilot は「Premium Requests（PRU）」という単位で使用量を管理していた。GPT-4o や Claude Sonnet 系のモデルを呼び出すごとに一定の PRU を消費し、上限を超えると低品質モデルにフォールバックする仕組みだった。

2026 年 6 月 1 日からは「GitHub AI Credits」に置き換わった（公式アナウンス）。主な変更点は次の通り:

プラン	月額	付与される AI Credits
Copilot Pro	$10/月	$10 分(1,000 クレジット)
Copilot Pro+	$39/月	$39 分(3,900 クレジット)
Copilot Business	$19/ユーザー/月	$19 分/ユーザー
Copilot Enterprise	$39/ユーザー/月	$39 分/ユーザー

基本料金は据え置きだが、付与クレジットを超えた分は自動的に追加課金される(利用上限を設定しない場合)。「月額が変わらないから安心」ではなく、消費量次第で青天井になる点が旧制度との最大の違いだ。

AI Credits の計算方法

1 AI Credit = $0.01 USD で換算される。課金はトークン消費量ベースで、入力・出力・キャッシュの各トークン数にモデルごとの単価が掛かる。詳細な単価は GitHub Docs: Models and pricing で公開されている。

AI Credits を消費する機能:

Chat（チャット）
Agent mode（エージェントモード）
Code review（コードレビュー）
Copilot CLI
Copilot Apps
Copilot クラウドエージェント

AI Credits を消費しない機能（引き続き無制限）:

Inline completion（コード補完）
Next Edit Suggestions

コード補完が作業の主体であれば、移行前後で請求額はほとんど変わらない。影響が大きいのは Chat やエージェントモードを積極的に使っているケースだ。

エージェントモードで課金が急増する理由

旧制度では「1 PRU」として処理されていた操作が、新制度では実際のトークン消費量に比例してカウントされる点が核心だ。

エージェントモードが 1 タスクを処理するとき、内部では次のような処理が積み重なる:

コードベース全体またはファイルの読み込み（大量の入力トークン）
複数ステップの計画立案と実行（出力トークン）
ツール呼び出しの結果を次のプロンプトに渡す（追加の入出力トークン）

大規模なコードベースで複雑なタスクを 1 セッション走らせると、シンプルなチャット 1 回の数十〜数百倍のクレジットを消費することがある。GitHub Community の Discussion では「月 $29 が $750 になった」「$50 が $3,000 を超えた」という声も見られる（Discussion #192948）。

旧制度では GitHub がエージェント利用のインフラコストを吸収していたが、エージェント利用の急増でそれが持続不可能になったというのが移行の理由とされている。

対応の考え方

1. 利用上限（Spending limit）を設定する

GitHub の設定から月次の上限金額を固定できる。上限に達するとエージェントモードなどは停止するが、意図しない青天井課金を防ぐ最も確実な手段だ。設定手順は Usage-based billing for individuals に記載されている。

2. モデルを意識して選ぶ

高精度モデル（Claude Sonnet 系、GPT-4o など）はクレジット消費が大きく、軽量モデルは小さい。ルーティンな補完には軽量モデルを使い、重要な作業にのみ高性能モデルを充てる運用が消費を抑える。

3. ツールを用途で使い分ける

コード補完・インライン編集が中心なら Copilot の影響は軽微だ。自律エージェント的なワークフロー（リポジトリ横断の変更、複数ファイルの同時修正など）を多用するなら、他ツールとの役割分担を改めて整理してみる余地がある。

まとめ

AI Credits 移行は、コード補完を主に使っているユーザーには実質影響がほとんどない。エージェントモードを本格的に運用していた場合は、まず利用上限を設定して現在の消費量を把握するところから始めるのが確実だ。GitHub のダッシュボードで月次の消費トレンドを確認する習慣をつけておくと、請求の急増に早めに気づける。