GitHub hat am 2. September in seinem Engineering-Blog eine Liste von Kostensenkungen für den Copilot-Coding-Agenten veröffentlicht, verfasst von Erik Kristensen und Napalys Klicius. Vier Änderungen sparen jeweils 5,5 %, 3,1 %, 2,9 % und 2,3 % der Inferenzkosten – und zwar ausschließlich durch Eingriffe in den Kontext, der an das Modell geschickt wird, keine davon durch einen Modellwechsel.
Vier Änderungen, jeweils ein paar Prozentpunkte
An erster Stelle steht die selektive Kompression von Ausgaben, die 5,5 % spart. Die Regeln sind fein austariert: Quellcode bleibt unverändert, Befehlsausgaben bleiben unverändert, Suchergebnisse werden nur neu sortiert statt gekürzt – komprimiert wird ausschließlich das tausendfach wiederholte Rauschen in Installations-, Build- und Testlogs. Für die komprimierten Teile bleibt ein Wiederherstellungspfad erhalten, über den das Modell bei Bedarf die Originalausgabe zurückholen kann.
Die zweite Änderung entfernt die Zeilennummern-Präfixe beim Einlesen von Dateien und spart 3,1 %. In früheren Versionen hängte Copilot beim Lesen einer Datei jeder Zeile eine Nummer voran – ein Format, das der heutige Bearbeitungs-Workflow gar nicht mehr braucht. Nach dem Entfernen sanken die Inferenzkosten des Modells im Benchmark um rund 5 %, umgerechnet auf die Gesamtrechnung sind es 3,1 % – die beiden Zahlen beruhen auf unterschiedlichen Berechnungsgrundlagen.
Die dritte Änderung betrifft den Prompt des Task-Tools. Das Team hat per Meta-Prompting den Abschnitt zur parallelen Ausführung um die Hälfte gekürzt, ohne das Verhalten zu ändern, und spart so 2,9 %. Dieser Prompt-Abschnitt wird bei jeder Modellinteraktion erneut mitgeschickt; nach der Kürzung spart jede Runde rund 1.300 Token.
Die vierte Änderung reduziert Hin-und-her bei Benachrichtigungen und spart 2,3 %. Bisher musste nach Abschluss einer Hintergrundaufgabe eine zusätzliche Abrufrunde laufen, bevor das Ergebnis beim Modell ankam; durch die Umstellung auf gebündelte Direktzustellung entfällt jetzt ein kompletter Modellaufruf.
Weniger Token sparen heißt nicht, Kontext zu kürzen
Der am leichtesten missverständliche Satz in dieser Liste ist ihre Zieldefinition:
"The goal shouldn't be to use fewer tokens, but to tap into the right amount of context to move a task forward."
Das Ziel sollte nicht sein, weniger Token zu verbrauchen, sondern genau die richtige Menge an Kontext zu nutzen, um eine Aufgabe voranzubringen.
Allen vier Änderungen ist gemeinsam, dass nur das entfernt wird, was das Modell zwar liest, aber nicht braucht: wiederholte Build-Logs, von niemandem genutzte Zeilennummern, bei jeder Runde neu verschickte, überlange Anweisungen, überflüssige Abrufrunden. An den informationstragenden Teilen – Quellcode, Befehlsausgaben, Suchergebnisse – wird nichts verändert. Die Grenze zwischen „Redundanz“ und „zu wenig Kontext“ ist die Voraussetzung dafür, dass dieser Ansatz überhaupt funktioniert – wer zu aggressiv kürzt, zahlt mit einer sinkenden Erfolgsquote bei Aufgaben, und das kostet deutlich mehr als die gesparten Token.
Erst offline benchmarken, dann online gegenprüfen
Der Abschnitt über den Prozess ist aufschlussreicher als die reinen Zahlen. Jede Änderung wurde zunächst an einem Offline-Benchmark für Coding-Agenten darauf getestet, ob die Aufgabenqualität nicht sinkt, dann in einem kontrollierten Online-Experiment gegengeprüft und erst danach auf die drei Produktlinien Copilot CLI, Copilot-App und Code-Review ausgerollt.
Diese Reihenfolge soll den häufigsten Fehltritt beim Kostensenken verhindern: Der Token-Verbrauch sinkt, die Erfolgsquote der Aufgaben rutscht unbemerkt ein paar Punkte ab, die Rechnung pro Aufruf sieht gut aus, aber die Nutzer fangen an, häufiger erneut zu versuchen – und am Ende sind die Gesamtkosten höher. Erst wenn „die Aufgabenqualität darf nicht sinken“ als harte Vorgabe vorangestellt wird, halten die nachfolgenden Prozentzahlen überhaupt stand.
Zusammengerechnet ergeben die vier Änderungen etwa 13,8 % – eine grobe direkte Addition, in der Praxis kann es Überschneidungen geben. Verglichen mit einem Modellwechsel ist das keine große Größenordnung – ein Generationswechsel beim Modell bringt oft Preissenkungen von mehreren Dutzend Prozent. Aber diese Art von Änderung hat eine andere Qualität: Sie ist modellunabhängig, bleibt auch nach einem Modellwechsel wirksam und verlangt von den Nutzern keinerlei Anpassung ihrer Nutzung.
Für Copilot-Nutzer mit nutzungsbasierter Abrechnung schlägt sich die Einsparung auf Plattformseite direkt in der Rechnung nieder. Ein einzelner Durchlauf eines Coding-Agenten verbraucht schnell mehrere Hunderttausend Token, und der Anteil von Build-Logs und Testausgaben übersteigt oft die Summe des gesamten gelesenen Quellcodes – deshalb kann allein die erste Maßnahme auf einen Schlag 5,5 % einsparen. Für Teams, die eigene Coding-Agenten selbst bauen, ist das ebenfalls der am leichtesten übersehene Kostenpunkt. Die meisten Frameworks schieben standardmäßig die komplette Standardausgabe zurück in den Kontext – schon die Ausgabe eines einzigen npm install kann mehrere Tausend Zeilen nützlichen Quellcodes verdrängen.
Diese Liste zeigt: Die Kostenkontrolle bei Coding-Agenten hat sich auf die Ebene des Kontextmanagements verlagert – weitgehend unabhängig von der Wahl des Modells.
Quellen: offizieller GitHub Engineering-Blog, CocoLoop, Copilot-Produktdokumentation; die Prozentangaben der vier Änderungen, die Token-Einsparung pro Runde und der Validierungsprozess wurden Punkt für Punkt mit dem Original-Blogbeitrag abgeglichen, die Gesamtsumme von 13,8 % ist eine grobe direkte Addition.