GitHub Copilot BYOK: seus modelos em vez da cota

A assinatura do Copilot limita as premium-requests mensais: sessões de agentes, refatorações e tarefas de múltiplos passos consomem a cota mais rapidamente. O BYOK redireciona essas chamadas para o seu provedor: o consumo é tarifado segundo os preços dele e não desconta a premium-quota do Copilot. As chaves são armazenadas no keychain do sistema e a interface não consegue lê-las de volta.

O BYOK é justificado se você atinge seu limite, deseja modelos com pesos abertos ou paga muito menos pela inferência: a rede Gonka oferece os mesmos modelos open-source centenas de vezes mais baratos que os preços dos vendedores — os preços atuais estão sempre na lista de preços em tempo real do gateway.

Você vai precisar de uma chave jg-… — ela é entregue no cadastro no gateway junto com 3M tokens gratuitos iniciais, sem precisar de cartão. A chave e o modelo são configurados separadamente em cada cliente Copilot — veja abaixo três caminhos.

VS Code — provedor Custom Endpoint. Este é o caminho atual: o antigo provedor «OpenAI Compatible» e a configuração github.copilot.chat.customOAIModels foram marcados como obsoletos.

"models": [
  {
    "id": "deepseek-ai/DeepSeek-V4-Flash-0731",
    "name": "DeepSeek V4 Flash (Gonka)",
    "url": "https://gate.joingonka.ai/v1/chat/completions",
    "toolCalling": true,
    "vision": false,
    "maxInputTokens": 347232,
    "maxOutputTokens": 32768
  },
  {
    "id": "MiniMaxAI/MiniMax-M2.7",
    "name": "MiniMax M2.7 (Gonka)",
    "url": "https://gate.joingonka.ai/v1/chat/completions",
    "toolCalling": true,
    "vision": false,
    "maxInputTokens": 191808,
    "maxOutputTokens": 8192
  },
  {
    "id": "zai-org/GLM-5.3-Flash",
    "name": "GLM 5.3 Flash (Gonka)",
    "url": "https://gate.joingonka.ai/v1/chat/completions",
    "toolCalling": true,
    "vision": false,
    "maxInputTokens": 381808,
    "maxOutputTokens": 8192
  }
]

maxInputTokens é a janela de contexto do modelo menos o teto de resposta: junto com maxOutputTokens, é o que define a janela. Sem toolCalling: true o modelo não aparece na lista ao trabalhar com agentes.

Copilot CLI — apenas variáveis de ambiente. Esse provedor não tem arquivo de configuração: os valores são definidos no shell de onde você executa o copilot:

export COPILOT_PROVIDER_BASE_URL=https://gate.joingonka.ai/v1
export COPILOT_PROVIDER_TYPE=openai
export COPILOT_PROVIDER_API_KEY=jg-your-key
export COPILOT_MODEL=deepseek-ai/DeepSeek-V4-Flash-0731
export COPILOT_PROVIDER_MAX_PROMPT_TOKENS=347232
export COPILOT_PROVIDER_MAX_OUTPUT_TOKENS=32768
copilot

Os nomes COPILOT_PROVIDER_* são lidos apenas pelo Copilot CLI, então essa configuração não interfere nas suas outras ferramentas. Do modelo, a CLI exige tool calling e streaming — todos os modelos da rede dão conta disso.

JetBrains — plugin do GitHub Copilot. Abra o Copilot Chat → lista de modelos → Manage Models, escolha um provedor com endpoint compatível com OpenAI, clique em Add Models e informe o Base URL https://gate.joingonka.ai/v1, a chave jg-… e o identificador do modelo. Clique em Save, marque o modelo sob a sua chave e salve de novo — ele vai aparecer na lista ao lado dos integrados.

Dica. O comando npx @joingonka/setup --tool copilot-byok imprime as três seções já com a sua chave e os limites reais do modelo escolhido — incluindo o array "models" pronto para o VS Code — e, com uma requisição ao vivo, verifica que o gateway aceita a chave e o modelo. Ele não grava arquivos: cada cliente Copilot guarda a chave no próprio cofre.

Todos os três modelos da rede suportam streaming e tool calling. deepseek-ai/DeepSeek-V4-Flash-0731 — possui um dos contextos mais longos da rede (380K tokens) e a maior saída, até 32768 tokens: use-o para grandes repositórios e longas sessões de agentes. MiniMaxAI/MiniMax-M2.7 — universal, saída até 8192 tokens. zai-org/GLM-5.3-Flash — modelo de raciocínio da Z.ai com o contexto mais longo da rede (390K tokens): raciocina antes de responder, saída até 8192 tokens; parte do orçamento de resposta vai para o raciocínio, portanto, não reduza o limite de saída nas configurações.

O BYOK cobre sessões de agentes e chat; as sugestões inline e a busca semântica no projeto permanecem nos modelos do Copilot e exigem uma conta GitHub — esta é uma limitação do próprio Copilot, não do provedor. No Copilot Business e Enterprise, o BYOK local é gerenciado por políticas do administrador («Bring Your Own Language Model Key»): se a opção não estiver na interface, ela está desabilitada no nível da organização. Tarefas de visão não funcionam através do gateway: os modelos da rede são textuais. Se uma ferramenta envia solicitações no formato Responses API, o gateway as aceitará: POST /v1/responses, o streaming e as function tools funcionam. Não armazenamos diálogos, portanto, store é ignorado e previous_response_id retornará um erro — passe o histórico completo em input.