GitHub laat ontwikkelaars het denkniveau van Copilot-agent sturen

GitHub maakt AI-programmeren minder magisch en meer bestuurbaar. Ontwikkelaars kunnen voortaan per taak bepalen hoeveel redeneerkracht Copilot cloud agent mag gebruiken.

De nieuwe instelling geldt bij modellen die configureerbare redeneerniveaus ondersteunen. Een hoger niveau kan helpen bij moeilijke codeproblemen, maar verbruikt meer tokens en dus meer AI-credits.

Daarmee wordt de afweging harder: snelheid, kwaliteit en kosten komen in hetzelfde menu te staan.

GitHub meldde op 3 augustus dat gebruikers bij een taak voor Copilot cloud agent nu naast het model ook het redeneerniveau kunnen kiezen.

Dat gekozen niveau geldt voor de volledige run.

De agent krijgt dan meer of minder ruimte om het probleem te analyseren voordat hij antwoord geeft, code wijzigt of een taak afrondt.

GitHub zegt zelf dat een hoger niveau betere antwoorden kan opleveren bij complexe problemen. De keerzijde is duidelijk: meer tokens, meer credits en mogelijk meer wachttijd.

Copilot cloud agent is geen gewone autocompletefunctie.

De agent kan zelfstandig aan een programmeertaak werken in een GitHub-repository. Een ontwikkelaar kan bijvoorbeeld een issue toewijzen, waarna Copilot code analyseert, wijzigingen maakt, tests draait en een pull request voorbereidt.

Sinds april kan de agent ook op een branch werken zonder direct een pull request te openen. GitHub beschrijft dat in zijn update over research, planning en coding met Copilot cloud agent.

Menselijke controle blijft nodig. Branch protection, verplichte reviews en beveiligingsregels verdwijnen niet omdat een AI-agent de eerste versie schrijft.

De nieuwe instelling verandert dus niet wat Copilot mag doen. Ze verandert hoeveel redeneerwerk hij per taak inzet.

GitHub rekent Copilot-gebruik via AI-credits.

In de billingdocumentatie staat dat 1 AI-credit gelijkstaat aan $0,01. Het verbruik hangt onder meer af van het gekozen model en het aantal tokens.

Voor organisaties en enterprises schrijft GitHub dat een lange agenttaak met een zwaar model over meerdere bestanden meer kost dan een korte vraag aan een licht model.

Dat maakt de redeneerknop belangrijk.

Een team kan nu het hoge niveau reserveren voor taken waar fouten duur zijn. Denk aan refactors, architectuurkeuzes, debugging over meerdere bestanden of beveiligingsgevoelige code.

Voor documentatie, testfixtures of kleine tekstwijzigingen kan een lager niveau genoeg zijn.

AI wordt hier niet alleen een programmeerhulp. Het wordt een kostenpost per taak.

Een hoger redeneerniveau is geen garantie op correcte code.

Het model kan meer stappen nemen, maar nog steeds verkeerde aannames doen. Het kan kwetsbaarheden missen, oude patronen volgen of code schrijven die technisch werkt maar niet past bij het project.

Dat telt vooral bij crypto.

Code voor wallets, bridges, handelsplatforms en smart contracts verwerkt vaak waarde die niet eenvoudig kan worden teruggedraaid.

Een bug in een UI is vervelend. Een bug in een ondertekeningsroute of contractfunctie kan geld kosten.

Daarom blijft de volgorde onveranderd: tests, review, securitychecks en waar nodig externe audit.

Copilot kan sneller werken. Het mag niet de laatste poortwachter zijn.

Voor ontwikkelaars in crypto kan de instelling praktisch worden.

Een team kan lage redeneerkracht gebruiken voor simpele taken. Bijvoorbeeld documentatie, kleine frontendaanpassingen of bekende herhalingen.

Bij gevoelige onderdelen kan het team opschalen. Denk aan orderlogica, contractwijzigingen, custodyflows, keybeheer, brugroutes of code die met Ethereum communiceert.

Dat maakt AI-gebruik beter te plannen.

Niet elke taak verdient dezelfde AI-rekening. Niet elke taak verdient hetzelfde risico.

De beste teams gaan waarschijnlijk werken met interne regels. Welke taken mogen laag? Welke taken moeten hoog? Welke taken mogen helemaal niet zonder menselijke review of audit worden gemerged?

GitHub voegde op dezelfde dag ook comment-triggered automations toe voor Copilot cloud agent.

Via Copilot automations kan een agenttaak worden gestart wanneer een specifieke reactie bij een issue of pull request verschijnt.

Voorbeelden zijn documentatie genereren, foutlogs onderzoeken of vervolgtaken aanmaken.

Dat maakt Copilot meer onderdeel van vaste ontwikkelprocessen. Een comment kan een agent starten. Een redeneerinstelling bepaalt hoeveel moeite die agent doet.

Hier begint AI op cloudbeheer te lijken.

Vroeger koos een team opslag, CPU en geheugen. Nu kiest het model, autonomie, trigger en redeneerniveau.

De redeneerinstelling is beschikbaar voor betaalde Copilot-abonnementen die Copilot cloud agent bevatten.

GitHub noemt Copilot Pro, Pro+, Business, Enterprise en Max.

De optie verschijnt alleen wanneer het gekozen model redeneerniveaus ondersteunt. Als dat niet zo is, valt er niets te kiezen.

Voor Business- en Enterprise-gebruikers kan bovendien beleid van beheerders gelden. Zij bepalen welke functies en modellen binnen de organisatie beschikbaar zijn.

Dat maakt de update niet alleen technisch, maar ook bestuurlijk.

Op het eerste gezicht is dit een kleine interfacewijziging.

In werkelijkheid laat GitHub zien waar AI-coding heen gaat. Niet alleen het model telt, maar ook de hoeveelheid redeneren die een taak mag kosten.

Dat is logisch. Agenttaken kunnen lang lopen, veel repositorydata verwerken en meerdere bestanden aanpassen.

Zonder kostenknoppen wordt dat snel ondoorzichtig.

Voor cryptobedrijven is de les helder. Geef AI meer ruimte waar code echt gevoelig is, maar laat de rekening en de eindcontrole niet aan het model over.

Copilot krijgt een instelbaar denkniveau. De verantwoordelijkheid blijft bij het team dat de code merge’t.