Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoCódigo / SDK · Pronto p/ usoGitLab Blog→ original

GitLab faz os créditos do Duo Agent Platform durarem até 2 vezes mais

A GitLab mudou o funcionamento do Duo Agent Platform: cada tarefa do agente agora exige menos requisições aos modelos, e os créditos devem durar até 2 vezes mais para a maioria dos clientes. Com o cache de prompts ativado, o consumo cai ainda mais. Quem mais ganha são as sessões longas e com muito contexto, como quando o agente leva uma tarefa até o merge request. Por isso, até 18 de dezembro de 2026, vale comparar o seu consumo e decidir se compensa migrar por conta própria para as novas condições.

Processado por IA de GitLab Blog; editado por Hamidun News
GitLab faz os créditos do Duo Agent Platform durarem até 2 vezes mais
Fonte: GitLab Blog. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalGitLab Blog ↗
Editor-chefe
Dado-chave #1As novas condições valem para novos clientes a partir de 19 de novembro de 2026
Dado-chave #2Quem recusar até 18 de dezembro mantém as condições antigas até a renovação ou por 12 meses
Dado-chave #3A partir de 1 de janeiro de 2027, o bônus por licença será de $8 por mês no Premium e $16 no Ultimate

A maior dor das empresas que adotam agentes de IA é a conta imprevisível. O agente assume uma tarefa, chama o modelo de linguagem dezenas de vezes, e os créditos acabam mais rápido do que o esperado. A GitLab anunciou que o Duo Agent Platform ficou mais econômico: para a maioria dos clientes, os mesmos GitLab Credits agora duram até duas vezes mais.

O que exatamente mudou

A plataforma passou a usar de forma mais eficiente os modelos que a GitLab oferece dentro do produto: modelos recentes da Anthropic, OpenAI e Google, além de modelos open-weight hospedados pela própria GitLab. Cada tarefa que você entrega aos agentes e aos flows (fluxos de automação prontos) agora gera menos requisições aos modelos. Os créditos são debitados justamente por requisição, e cada tipo de modelo tem seu próprio coeficiente de conversão. Os coeficientes continuam os mesmos, então menos requisições significam menos créditos gastos.

Há ainda uma segunda alavanca: o cache de prompts. Com ele ativado, as tarefas elegíveis gastam ainda menos requisições. Na prática, o agente não precisa «reler» do zero, a cada vez, o mesmo bloco grande de contexto. Quem mais se beneficia são as sessões longas, com contexto pesado. A GitLab cita um exemplo direto: o Duo Developer, que pega uma tarefa (issue) e a leva até um merge request pronto para revisão.

Como ilustração, a empresa apresenta uma equipe real de 500 pessoas em outubro de 2026: em cada cenário, o número de requisições cobradas é maior do que seria com as novas otimizações. O texto não revela valores específicos; a empresa sugere analisá-los junto com a equipe de contas da GitLab.

Uma ressalva importante: o «até 2 vezes» é um teto, não uma garantia. Para alguns clientes, a economia será menor. Além disso, ficam de fora das mudanças os recursos de preço fixo (Code Review Flow, SAST flows e Code Suggestions), e os modelos auto-hospedados continuam em 8 requisições por crédito.

Onde a GitLab sugere gastar o que sobrar

A lógica é simples: se os fluxos ficaram mais baratos, dá para rodar mais deles. A empresa lista algumas opções:

  • o agente do GitLab for Slack lê a discussão em um canal, transforma as decisões em tarefas e merge requests e devolve o resultado na thread;
  • as scheduled automations (beta no GitLab 19.6) executam flows em horários programados, de a cada 15 minutos até uma vez a cada três meses, por exemplo para a triagem matinal de tarefas ou a checagem da saúde do CI;
  • o Business Logic Security Analyzer (beta para Ultimate no GitLab.com) busca vulnerabilidades de autorização e controle de acesso que escapam dos scanners baseados em padrões; para rodar com o Claude Mythos 5.2, é preciso falar com o gerente de conta;
  • o comando /goal no Duo CLI e no chat: você descreve o objetivo, e o agente planeja, executa e verifica o resultado, com o desfecho avaliado por um «juiz» independente. O trabalho pode ser pausado ou redirecionado.

Para clientes com contrato GitLab Flex, os créditos liberados também podem ser direcionados a outros produtos: Secrets Manager, Dedicated Runners e, em breve, GitLab Orbit.

Controle de gastos e prazos de transição

Em paralelo, a GitLab lembra das ferramentas de acompanhamento de consumo. O painel Impact (desde a versão 19.5) mostra o gasto por modelo, tipo de flow, grupo e projeto. A página Credit caps (desde a 19.4) permite definir um limite de créditos por usuário e exceções individuais, sem usar a API. Usuários comuns no GitLab.com agora conseguem ver o próprio consumo.

Os prazos são estes. Para novos clientes, as novas condições valem a partir de 19 de novembro de 2026. Clientes atuais podem ativá-las a qualquer momento a partir dessa data, mas não há como voltar atrás. Se nada for feito, a transição acontece automaticamente em 18 de dezembro de 2026. Quem recusar até essa data mantém as condições atuais e os créditos incluídos até a próxima renovação ou por 12 meses, o que ocorrer primeiro.

Separadamente, muda o bônus promocional por licença: a partir de 1 de janeiro de 2027, serão $8 em créditos por mês no Premium e $16 no Ultimate.

O que fazer na prática

Para quem já paga por agentes na GitLab, trata-se de uma melhoria quase gratuita, mas não convém aceitá-la sem conferir. Peça à equipe de contas que recalcule o seu consumo recente pelas novas regras e ative o cache de prompts. Isso vale principalmente para equipes cujos agentes conduzem sessões longas, como o Duo Developer. Se o seu orçamento hoje se apoia nas condições antigas, avalie se vale pedir o adiamento: como a adesão não tem volta, ela só compensa quando o recálculo mostra economia real. Convém lembrar também que o anúncio vem do próprio fornecedor: não há medições independentes.

História

Perguntas frequentes sobre a notícia

O que exatamente mudou?

A plataforma passou a usar de forma mais eficiente os modelos que a GitLab oferece dentro do produto: modelos recentes da Anthropic, OpenAI e Google, além de modelos open-weight hospedados pela própria GitLab. Cada tarefa que você entrega aos agentes e aos flows (fluxos de automação prontos) agora gera menos requisições aos modelos. Os créditos são debitados justamente por requisição, e cada tipo de modelo tem seu próprio coeficiente de conversão.

Onde a GitLab sugere gastar o que sobrar?

A lógica é simples: se os fluxos ficaram mais baratos, dá para rodar mais deles. A empresa lista algumas opções: o agente do GitLab for Slack lê a discussão em um canal, transforma as decisões em tarefas e merge requests e devolve o resultado na thread; as scheduled automations (beta no GitLab 19.6) executam flows em horários programados, de a cada 15 minutos até uma vez a cada três meses, por exemplo para a triagem matinal de tarefas ou a checagem da saúde do CI; o Business Logic Security…

O que se sabe sobre Controle de gastos e prazos de transição?

Em paralelo, a GitLab lembra das ferramentas de acompanhamento de consumo. O painel Impact (desde a versão 19.5) mostra o gasto por modelo, tipo de flow, grupo e projeto. A página Credit caps (desde a 19.4) permite definir um limite de créditos por usuário e exceções individuais, sem usar a API. Usuários comuns no GitLab.com agora conseguem ver o próprio consumo. Os prazos são estes. Para novos clientes, as novas condições valem a partir de 19 de novembro de 2026.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…