Por que eu saí do Copilot

Eu estava num respiro.

A filha e a esposa tinham dormido cedo, e o apartamento pequeno tinha aquela quietude de quem já apagou — sala e jantar dividindo o mesmo espaço, cozinha separada só por um balcão, o lustre jogando uma luz amarelada na mesa de vidro redonda. Era uma noite vazia demais pra capital de São Paulo, e eu mandei um lo-fi pra começar a tirar do papel um projeto que eu vinha adiando: meu site.

Eu já tinha feito esse site uma vez, com Hugo, há uns anos. Mas a solução nunca me deixou satisfeito. Era um dos motivos de eu não ter publicado direito — e o respiro era bom demais pra desperdiçar com indecisão.

Abri o Copilot. Comecei a testar algumas interfaces, uns esboços de design. Logo de cara, a barra de créditos do dia já tinha zerado.

Era final de junho de 2026. O Copilot tinha acabado de virar outra coisa. O loop de feedback que eu queria testar foi direto pra lista de espera. Antes de testar a ferramenta nova, eu precisava entender o que tinha acontecido com a antiga.

O Copilot mudou. E não foi pra melhor.

Quando fui olhar com mais atenção, ficou claro que o muro não era pessoal. Era uma virada de chave que o GitHub vinha desenhando, e que tinha acabado de virar realidade.

Em abril, o GitHub anunciou que o Copilot Pro migraria pra cobrança por uso. Os "premium requests" — o sistema de créditos que já apertava desde 2025 — seriam substituídos por "AI Credits", consumidos por token. Em primeiro de junho de 2026, a migração aconteceu. Pro passou a entregar US$ 10 em AI Credits por mês. US$ 10.

E, detalhe importante: o fallback pra modelo mais barato, quando o crédito pesado acabava, deixou de existir. Acabou o crédito, acabou o uso. Sem degradar, sem continuar no modo econômico. Só parava.

Foi aí que o muro apareceu pra valer. Não era o que eu estava fazendo que tinha mudado — eu estava fazendo o mesmo de sempre. A régua é que tinha mudado.

Eu tenho uma leitura sobre isso, e acho que vale registrar. Eles foram estratégicos. Autocompletes de IA praticamente grátis, primeiro, pra todo mundo entrar. Depois vieram mais modelos, chat, agent, CLI — o conjunto se formou rápido, o hábito veio junto, e a hora de cobrar chegou. A conta que eu paguei em junho foi o preço de ter entrado quando era de graça.

Pode ser só teoria. Mas a régua mudou, e mudou pra quem já estava dentro.

A conta que não fechava

Aí eu fui fazer a conta que não fechava.

O GitHub tinha acabado de oficializar o novo Copilot Pro: US$ 10 por mês, com US$ 10 em AI Credits. Cada crédito valia um centavo, e a régua era por token — input, output, cache. Eu tinha acabado de gastar os meus testando esboços de design.

Do outro lado, vi o OpenCode Go: US$ 5 no primeiro mês, US$ 10 depois. Pelo mesmo valor, eu levava cerca de US$ 60 de uso. Mesma base, multiplicador de seis. Janelas de proteção pra ninguém abusar — US$ 12 a cada 5 horas, US$ 30 por semana, US$ 60 por mês —, mas o cálculo era claro: pra quem usa IA todo dia, o mesmo dinheiro comprava seis vezes mais fluxo.

O detalhe que me pegou não foi só o preço. Foi perceber que o Copilot estava apertando a régua justamente quando o Go estava mais aberto. Os dois produtos estavam em fases opostas.

OpenCode Go, em uma frase

OpenCode é um cliente de IA no terminal — não uma interface web, não um chat. Você abre o projeto, escolhe o modelo, e roda.

O plano Go é a versão de baixo custo: US$ 10 por mês, com acesso a 18 modelos de coding testados pra uso com agentes. Não é o plano cheio do OpenCode — é o plano que existe pra quem quer volume sem precisar pensar em cobrança a cada prompt. Os modelos vão de GLM-5.2 a Kimi K3, de Qwen3.8 Max a DeepSeek V4 Pro. A maioria vem de fornecedores que não estão no radar padrão do mercado ocidental.

Foi justamente esse o ponto que me prendeu. Eu não estava trocando de Copilot pra "outro Copilot". Eu estava trocando de um produto fechado pra um conjunto de modelos abertos, com um cliente que me deixava misturar entre eles sem trocar de ferramenta.

O que eu não conhecia — e que apareceu

Quando eu comecei a usar o Go, eu esperava trocar de Copilot por outro Copilot. Mesmo plano, mesmo modelo topo, talvez mais folga de uso. Só que não foi isso que aconteceu.

O Go me abriu pra um mapa de modelos que eu não conhecia. Kimi, da Moonshot AI — o K2.6 foi o primeiro modelo aberto com "agent swarm" nativo (em vez de um agente só, ele coordena vários em paralelo), e o K3 está entre os melhores de coding nos rankings atuais. GLM, da Zhipu — a versão 5.2 trabalha com 1 milhão de tokens de contexto, o que muda o tipo de problema que dá pra atacar de uma vez. Qwen, da Alibaba Cloud — família Apache, com o 3.7 Max pontuando 80% no SWE-bench Verified.

Não é review. É só o que apareceu quando eu parei de usar um produto fechado que escolhia os modelos por mim.

A lista toda do Go tem 18 modelos, e o que me chamou atenção não foi nenhum modelo específico. Foi perceber que a régua de "modelo bom" que eu carregava era menor do que eu achava. Eu vinha de anos usando o que aparecia no topo dos benchmarks que eu lia — geralmente alguma combinação de GPT, Claude, Gemini. Esses modelos que o Go me mostrou estavam lá o tempo todo, só não estavam no meu radar porque o produto que eu usava não os oferecia.

Foi o primeiro momento em que o setup começou a parecer mais interessante do que a ferramenta. Porque a ferramenta era só o que o produto entregava. O setup era o que eu podia montar em cima.

A camada que faltava

OpenCode era o cliente. O Go era o plano com os modelos. Mas tinha uma terceira coisa que apareceu no meio do caminho e mudou o que dava pra fazer com os dois.

Lembro de ter visto o Fábio Akita mencionar em algum lugar que o setup dele era exatamente esse — OpenCode, omo-slim, modelo de ponta. Resolvi testar pra ver se funcionava pro meu fluxo. Atendeu.

O omo-slim é um plugin de orquestração que adiciona uma camada em cima do OpenCode: em vez de um agente único rodando contra o projeto, ele monta um time. Sete agentes com papéis diferentes — um que orquestra, um que explora o código, um que aconselha arquitetura, um que busca documentação, um que cuida de UI, um que executa implementação, e um que roda múltiplos modelos em paralelo pra dar veredito. O orquestrador planeja, distribui, e reconcilia os resultados antes de seguir.

A diferença prática é simples: com OpenCode puro, você delega. Com omo-slim, você tem um manager delegando por você — em paralelo, com o modelo certo pra cada papel, e sem você precisar ficar no meio.

Tem também o @council, que é quando eu quero uma decisão difícil: ele joga a mesma pergunta pra vários modelos e sintetiza. Tem um conjunto de skills — coisas como deepwork, codemap, verification-planning — que viraram rotina no meu fluxo. E tem o /preset, que me deixa alternar entre OpenCode Go, OpenAI, o combinado Copilot+Codex por US$ 30, e o Zen, que é gratuito. Em runtime, sem trocar de ferramenta.

Eu não uso tudo todo dia. Uso o que o dia pede. O ponto é que a camada existe — e ela muda o que dá pra construir em cima do OpenCode.

Foi nesse fluxo, justamente, que eu aprendi uma coisa nova enquanto construía o site. Foi a primeira vez que usei de verdade um loop de feedback — o agente roda, verifica o próprio resultado, corrige, e roda de novo até bater um critério. Isso rende um post sozinho, e vai ficar pra outra hora. Mas o post que você está lendo não existiria sem ele.

Eu não saí do Copilot. Saí do plano que ele virou.

O que eu montei no lugar é meu.

É o primeiro setup onde eu moro, não só uso.

Por onde ir

• OpenCode (opencode.ai) — o cliente.
• oh-my-opencode-slim (github.com/alvinunreal/oh-my-opencode-slim) — a camada de orquestração.
• OpenCode Go (opencode.ai/go) — o plano que eu uso.
• Post do Fábio Akita** (LinkedIn)** — de onde tirei a dica do omo-slim.