GitHub Copilot'a Giriş: Planlar, AI Credits, Yüzeyler (VS 2026, VS Code, Rider, GitHub.com, CLI) ve Model Seçimi

Sürüm notu: Bu yazıdaki kodlar .NET 10 ile derlenip denenmiştir; GitHub Copilot CLI 1.0.112 yalnız kurulup --version ve --help ile çalıştırılmıştır, oturum açılmamıştır. Plan, fiyat, model ve sürüm bilgileri (Visual Studio 2026 18.12, Visual Studio Code 1.146) 15 Kasım 2026'da docs.github.com, Microsoft Learn ve code.visualstudio.com'dan alınmıştır; Copilot'un kendisi bu yazı için canlı bir oturumda denenmemiştir.

Önce Tahmin Et

Ekipten Emre, Copilot Pro aboneliğini aldı: ayda 10 dolar ve 1.500 AI credit. İlk hafta sitedeki serilerin ortak örnek uygulaması Bookstore (bir online kitapçı) üzerinde bütün gün inline suggestion kullandı, birkaç kez de agent'a "kurumsal siparişler için endpoint ekle, testleri çalıştır" dedi. Ayın ortasında kredisinin büyük kısmının bittiğini gördü ve şaşırdı: "Ben çoğunlukla Tab'e bastım."

Tahminin ne? Kredinin çoğunu hangisi yedi: binlerce inline suggestion mı, yoksa birkaç agent oturumu mu? Otuz adımlık bir agent oturumu, seçilen modele göre kaç kredi tutar? Cevap yazının ortasında, docs.github.com'daki fiyatlarla çalışan küçük bir hesapla.

Copilot'ın Bugünkü Haritası

GitHub Copilot artık tek bir eklenti değil; aynı hesabın arkasında farklı yerlerde çalışan bir grup özellik. AI Destekli Geliştirme serisinin ilk yazısında araç türlerini (completion, chat, IDE agent'ı, cloud agent) araçtan bağımsız ele almıştık; IDE'ler serisinin dokuzuncu yazısında da Visual Studio, Visual Studio Code (VS Code) ve Rider'daki AI özelliklerini tek yazıda gezmiştik. Bu seri aynı resmi Copilot'ın gözünden derinleştiriyor. Önce parçaları adlandıralım:

• Inline suggestion: yazarken imlecin olduğu yere gri metin (ghost text) olarak gelen öneri. Yanında NES (next edit suggestions; az önceki düzenlemene bakıp dosyada bir sonraki değişikliğin yerini ve içeriğini öneren özellik) var. İkinci yazının konusu.
• Chat: soru sorma, kod açıklatma, plan çıkarma. IDE'de Ask, Plan ve Agent gibi modları var; üçüncü yazıda.
• IDE'de agent: hedefi alıp dosya okuyan, düzenleyen, terminalde komut çalıştıran, build ve test çıktısına bakıp tekrar deneyen döngü. Beşinci yazıda.
• Copilot in the cloud: GitHub.com ve GitHub Mobile'da çalışan, issue'dan pull request'e kadar giden agent oturumları; eski adıyla cloud (coding) agent. Yedinci yazıda.
• Code review: pull request'te Copilot'tan review istemek; sekizinci yazıda.
• Copilot CLI ve Copilot app: terminaldeki agent ve masaüstü uygulaması. CLI dokuzuncu yazıda.

Bu özelliklerin hepsi her yerde yok ve aynı adla da çalışmıyor. 15 Kasım 2026 itibarıyla bir .NET ve Angular geliştiricisinin kullandığı yüzeylerde durum şöyle:

Tablodaki her satır ayrı bir istemci ama faturası ve politikası tek yerde: GitHub hesabın ve bağlı olduğun organization. Bu yüzden önce parayı konuşalım.

Planlar ve GitHub AI Credits

1 Haziran 2026'da Copilot'ın faturalama modeli değişti. Eskiden ücretli planlar aylık belirli sayıda "premium request" veriyordu ve her model bu sayıdan bir çarpanla düşüyordu. GitHub 27 Nisan 2026'da duyurduğu değişiklikle premium request'leri kaldırdı ve yerine GitHub AI Credits'i koydu. Yeni modelde maliyet token'a göre hesaplanıyor: modele gönderilen input, modelin ürettiği output ve cache'ten okunan ya da cache'e yazılan cached token'lar, her modelin kendi fiyatıyla çarpılıyor ve sonuç krediye çevriliyor. Bir AI credit 0,01 dolar.

15 Kasım 2026'da plans sayfasındaki tablo:

Base kredi plan fiyatına eşit ve değişmiyor; flex kısım GitHub'ın model fiyatları ve verimlilik değiştikçe ayarlayacağını söylediği değişken bir ek. Önce base kredi harcanıyor, bitince flex kendiliğinden devreye giriyor. Kullanılmayan kredi devretmiyor; kota her ayın birinde sıfırlanıyor. Business ve Enterprise'da kullanıcıların kredileri organization düzeyinde ortak bir havuza giriyor; havuz bitince kullanım kredi başına 0,01 dolardan ayrıca faturalanıyor. Bunlara ek olarak uygun enterprise'lar için "Copilot access" adlı, içinde hiç kredi olmayan ve kullanımın ilk token'dan itibaren ölçülüp faturalandığı bir seçenek de var.

En önemli satır şu: inline suggestion ve NES krediden düşmüyor. Ücretli planlarda ikisi de sınırsız; bütçe sıfıra çekilse ya da harcama sınırına gelinse bile çalışmaya devam ediyor. Kredi; Chat, agent oturumları, Copilot CLI, cloud agent ve üçüncü taraf coding agent'ları gibi modele token gönderen özelliklerden düşüyor. Copilot code review ise hem kredi hem de GitHub Actions dakikası harcıyor.

Kredi bitince bireysel planda üç seçenek var: bir üst plana geçmek (yalnız fiyat farkını ödersin), mevcut planda dolar cinsinden ek kullanım bütçesi açmak ya da ayın sıfırlanmasını beklemek. Sürpriz fatura istemiyorsan GitHub'ın önerdiği yol, "Bundled AI credits" bütçesini 0 dolar yapıp "Stop usage when budget limit is reached" seçeneğini açmak.

Bir Agent Oturumu Kaç Kredi Eder

Önce Tahmin Et'teki soruyu hesaplayalım. Agent döngüsünde her adımda konuşmanın tamamı modele yeniden gönderilir: sistem talimatı, tool tanımları, custom instructions, şimdiye kadarki mesajlar ve tool çıktıları. Konuşma her adımda büyüdüğü için input token'ı da her çağrıda büyür. Prompt cache bunu ucuzlatır: önceki çağrıda gönderilen kısım cache'ten okunur, yalnız yeni eklenen kısım cache'e yazılır. Copilot CLI'ın copilot help billing çıktısı da aynı şeyi söylüyor: her çağrı konuşmayı input olarak yeniden gönderir ve input token'ları milyonlara çıkabilir.

Bunu Bookstore reposuna küçük bir file-based app olarak ekledik. Fiyatlar 15 Kasım 2026'da "Models and pricing for GitHub Copilot" sayfasından, milyon token başına dolar:

#:property PublishAot=false
// Bir agent oturumunun GitHub AI Credits tutarını token fiyatlarından tahmin eder.
// Fiyatlar: docs.github.com "Models and pricing for GitHub Copilot", 1M token başına USD, 2026-11-15.
// Çalıştırma: dotnet run eng/ai-credits.cs -- [adım sayısı]
using System.Globalization;

CultureInfo.CurrentCulture = CultureInfo.InvariantCulture;

int steps = args.Length > 0 ? int.Parse(args[0]) : 30;

// Agent döngüsü her çağrıda konuşmanın tamamını yeniden gönderir.
const int Prefix = 20_000;       // sistem talimatı, tool tanımları, custom instructions
const int ToolResult = 2_500;    // her adımda eklenen dosya, build ya da test çıktısı
const int Output = 600;          // modelin her adımda yazdığı reasoning + tool çağrısı

ModelPrice[] models =
[
    new("GPT-6 Luna", Input: 0.10m, CachedInput: 0.01m, CacheWrite: 0.125m, OutputPrice: 0.50m),
    new("Claude Sonnet 5.5", Input: 2.00m, CachedInput: 0.10m, CacheWrite: 2.50m, OutputPrice: 10.00m),
    new("Claude Opus 5.5", Input: 4.00m, CachedInput: 0.20m, CacheWrite: 5.00m, OutputPrice: 20.00m),
];

long cached = 0, written = 0, output = 0;
int context = Prefix;
for (int step = 1; step <= steps; step++)
{
    int newTokens = step == 1 ? Prefix : Output + ToolResult;
    cached += context - newTokens;   // zaten prompt cache'te
    written += newTokens;            // bu çağrıda eklendi, sonraki çağrı için cache'e yazıldı
    output += Output;
    context += Output + ToolResult;
}

Console.WriteLine($"Steps: {steps}, last context: {context:N0} tokens");
Console.WriteLine($"Input sent: {cached + written:N0} (cached {cached:N0}, written {written:N0}), output: {output:N0}");
Console.WriteLine();
Console.WriteLine($"{"Model",-20}{"USD",10}{"AI credits",12}{"Sessions in Pro (1,500)",26}");
foreach (ModelPrice m in models)
{
    decimal usd = (cached * m.CachedInput + written * m.CacheWrite + output * m.OutputPrice) / 1_000_000m;
    decimal credits = usd * 100m;   // 1 AI credit = 0,01 USD
    Console.WriteLine($"{m.Name,-20}{usd,10:F2}{credits,12:F0}{Math.Floor(1_500m / credits),26:F0}");
}

// Input bilgi için listede: bu modelde her yeni token prompt cache'e yazılıyor.
record ModelPrice(string Name, decimal Input, decimal CachedInput, decimal CacheWrite, decimal OutputPrice);

$ dotnet run eng/ai-credits.cs
Steps: 30, last context: 113,000 tokens
Input sent: 1,948,500 (cached 1,838,600, written 109,900), output: 18,000

Model                      USD  AI credits   Sessions in Pro (1,500)
GPT-6 Luna                0.04           4                       364
Claude Sonnet 5.5         0.64          64                        23
Claude Opus 5.5           1.28         128                        11

$ dotnet run eng/ai-credits.cs -- 60
Steps: 60, last context: 206,000 tokens
Input sent: 6,687,000 (cached 6,484,100, written 202,900), output: 36,000

Model                      USD  AI credits   Sessions in Pro (1,500)
GPT-6 Luna                0.11          11                       138
Claude Sonnet 5.5         1.52         152                         9
Claude Opus 5.5           3.03         303                         4

Bu bir model, ölçüm değil: adım sayısı, tool çıktısının boyu ve cache'in ne kadar tuttuğu gerçek oturumda farklı olur. Yine de üç sonuç net. Birincisi, otuz adımlık bir oturumda modele yaklaşık iki milyon input token gidiyor; modelin yazdığı ise on sekiz bin. Maliyeti output değil, tekrar tekrar gönderilen context belirliyor. İkincisi, adım sayısı iki katına çıkınca input üç buçuk katına çıkıyor, çünkü her yeni adım büyümüş konuşmayı yeniden taşıyor. Üçüncüsü, model seçimi kredi tüketimini otuz katın üzerinde değiştiriyor: aynı oturum Pro planında GPT-6 Luna ile 364 kez, Claude Opus 5.5 ile 11 kez sığıyor.

Cache'in payını da aynı sayılardan görebilirsin: Claude Sonnet 5.5 ile otuz adımın 1.948.500 input token'ı cache olmadan normal input fiyatından (milyon başına 2 dolar) ödenseydi, output dahil yaklaşık 4,08 dolar, yani 408 kredi ederdi. Emre'nin sorusunun cevabı da burada: inline suggestion'lar hiç kredi harcamadı, krediyi birkaç uzun agent oturumu bitirdi.

Model Seçimi: Auto ve Copilot Fusion

Copilot'ta model seçici (model picker) her yüzeyde var, ama Free ve Student planlarında yalnız auto seçim açık. Ücretli planlarda listede OpenAI, Anthropic, Google, Microsoft, Moonshot AI ve xAI'ın modelleri bulunuyor; 15 Kasım 2026'daki desteklenen modeller sayfasında otuzun üzerinde model var ve liste neredeyse her ay değişiyor. Bu yüzden yazının geri kalanında belirli bir modelin adına bağlanmıyoruz.

Auto seçtiğinde Copilot her görev için modeli kendisi seçiyor: bir sistem servislerin o anki sağlığına ve erişilebilirliğine, diğeri görevin zorluğuna bakıyor. Model değişikliği cache sınırlarında yapılıyor ki cache boşa gitmesin. Auto'nun üç kademesi var: Efficiency maliyeti, Intelligence kaliteyi öne alıyor, Balance ikisini dengeliyor. Ücretli planda Chat ve cloud agent'ta auto kullanınca model maliyetine yüzde 10 indirim uygulanıyor; faturaya yine auto'nun seçtiği modelin fiyatı yansıyor. Admin'in kapattığı modeller ve planında olmayan modeller auto'nun seçeneklerine girmiyor. Hiçbir model erişilebilir değilse GitHub'ın LTS (Long-Term Support; uzun süre desteklenen) olarak işaretlediği GPT-5.3-Codex kullanılıyor.

Bazı yüzeylerde seçicide Auto yerine Copilot Fusion görürsün. Fusion bir model değil, çalışma anında model seçen ve gerekirse birden fazla modeli birlikte çalıştıran bir yönlendirici: görevi tek modele verebiliyor (Single), ucuz bir modelin taslağını bir hakem modele kontrol ettirip gerekirse güçlü modele yükseltebiliyor (Cascade) ya da bir taslağı paralel çalışan birkaç modele eleştirtip birleştirilmiş geri bildirimle düzelttirebiliyor (Critique). Standard, High ve Max adlı üç effort seviyesi var. GitHub, 30 Kasım 2026'ya kadar ücretli planlarda Fusion kullanımına yüzde 30 indirim uyguluyor. Pratik öneri: günlük işte auto ya da Fusion Standard ile başla, model adını ancak bir görevde farkı gördüğünde sabitle.

Code review bu konuda istisna: GitHub, review'da kullanılan modeli seçtirmiyor ve göstermiyor. Fiyat sayfası tahmin için effort seviyesine göre aralık veriyor; Balanced bir review ortalama 1,50 dolar civarında, buna Actions dakikası dahil değil. Ayrıntısı sekizinci yazıda.

Kurulum: Visual Studio 2026, VS Code ve CLI

Visual Studio 2026'da Copilot için Marketplace'te eklenti aramıyorsun; Microsoft Learn'deki ön koşul, Visual Studio 2026 ve Copilot erişimi olan bir GitHub hesabıyla Visual Studio'ya giriş yapmak. Copilot rozeti ve Chat penceresi o hesabın planına göre açılıyor. 18.12 sürümüyle Copilot SDK üzerine kurulu yeni Chat deneyimi uygun hesaplarda varsayılan oldu; Copilot CLI ve Copilot app ile aynı temeli kullanıyor. Eski deneyime dönmek gerekirse Tools > Options > GitHub > Copilot > Copilot Chat altındaki "Use new Copilot chat experience" kapatılıp Visual Studio yeniden başlatılıyor. Microsoft Learn'deki bir not da önemli: 20 Nisan 2026'dan beri Copilot Pro deneme süresi (trial) verilmiyor; aboneliği olmayan biri Free planla başlıyor.

VS Code'da Status Bar'daki Copilot simgesinden "Use AI Features" seçip GitHub hesabıyla giriş yapıyorsun; aboneliğin yoksa giriş seni Copilot Free'ye kaydediyor. AI özelliklerini bir workspace'te tamamen kapatmak istersen chat.disableAIFeatures ayarı chat'i ve inline suggestion'ları gizleyip Copilot eklentisini devre dışı bırakıyor. VS Code'da bilmen gereken yeni kavram harness: bir agent oturumunu yöneten çalışma çerçevesi. 1.143'ten beri yeni oturumlar varsayılan olarak Copilot harness'ında açılıyor; Claude ve Codex harness'ları da seçilebiliyor. Eski Local harness 1.146'da deprecated oldu ve Şubat 2027'de kaldırılacak.

Copilot CLI için dokümandaki yollar WinGet, Homebrew, npm ve bir kurulum script'i. Windows'ta PowerShell 6 ya da üstü gerekiyor; npm yolu Node.js 22 ve üstünü istiyor:

# Windows
winget install GitHub.Copilot

# npm ile (her platform)
npm install -g @github/copilot

Biz CLI'ı global kurmadan, çalışma klasörüne npm ile kurup oturum açmadan çalıştırdık. Sürüm ve yardım çıktısı login istemiyor:

$ copilot --version
GitHub Copilot CLI 1.0.112.
Run 'copilot update' to check for updates.

$ copilot --help
Usage: copilot [OPTIONS] [COMMAND]

GitHub Copilot CLI - An AI-powered coding assistant.
...
      --max-ai-credits <credits>
          Set max AI credits for this session
...
      --mode <mode>
          Set the initial agent mode [possible values: interactive, plan, autopilot]
      --model <model>
          Set the AI model to use (use 'auto' to let Copilot pick
          automatically)

Yardım çıktısındaki --max-ai-credits seçeneği, yukarıdaki hesabın pratik karşılığı: bir oturumun harcayabileceği krediye üst sınır koyuyor. İlk gerçek oturumda /login ile GitHub hesabına bağlanman gerekiyor; dokümana göre "Copilot Requests" izni olan fine-grained bir personal access token da kullanılabiliyor. Bu yazı için bunların hiçbirini yapmadık; CLI'ın oturumlu kullanımı dokuzuncu yazıda dokümana dayanarak anlatılacak.

Kurumsal Hesapta Neden Kapalı Geliyor

Copilot'u şirketin verdiği bir Business ya da Enterprise koltuğuyla kullanıyorsan, bir özelliğin sende görünmemesinin en sık sebebi bir policy. Organization sahibi GitHub'da Settings > Copilot altındaki Policies ve Models sayfalarından özellikleri ve modelleri açıp kapatıyor; enterprise düzeyinde verilmiş bir karar organization'da değiştirilemiyor. Sık karşılaşılanlar:

"Editor preview features" kapalıysa Visual Studio'da agent mode ve preview durumundaki editör özellikleri gelmiyor; 18.12'deki yeni Chat deneyimi de bu seçime saygı gösteriyor. "Copilot CLI" policy'si kapalıysa CLI hiç çalışmıyor. "MCP servers in Copilot" kapalıysa agent'a MCP server'ı ekleyemiyorsun. Models sayfasında açılmayan bir model seçicide görünmüyor, auto da onu seçmiyor. VS Code'da "External ingest is disabled by your organization's policy" mesajı görürsen, GitHub dışındaki bir repo için semantic index'in kapalı olduğunu anlıyorsun; üçüncü yazıda bunun context'e etkisini göreceğiz.

Bir de hesap karışıklığı var. Free planı yalnız organization ya da enterprise üzerinden Copilot erişimi olmayan bireyler alabiliyor. Elinde kişisel bir Pro planı varken şirket sana koltuk atarsa kişisel plan otomatik iptal ediliyor ve kalan süre orantılı iade ediliyor; o andan sonra şirketin policy'leri geçerli. Kurumsal kodda kişisel hesapla çalışmanın riskleri onuncu yazının konusu.

Üretimde Dikkat

Bütçeyi baştan koy. Bireysel hesapta 0 dolarlık ek kullanım bütçesi ve "Stop usage when budget limit is reached" seçeneği, kota bittiğinde sürpriz yerine durma demek. Organization'da harcama kontrolleri ve kullanıcı bazlı kullanım raporu onuncu yazıda.

İstemcileri güncel tut. GitHub, kredi tabanlı faturalamanın doğru görünmesi için en düşük sürümleri yayımlıyor: VS Code 1.120, Visual Studio 2026 için 18.6.0, Visual Studio 2022 için 17.14.33, JetBrains eklentisi 1.9.1, Copilot CLI 1.0.48. Daha eski sürümler çalışmaya devam ediyor ama yanlış model fiyatı, eksik kullanım bilgisi ve eski terimler (premium request) gösterebiliyor.

Uzun oturumu bölmeyi alışkanlık yap. Hesaptaki gibi her adım bütün konuşmayı yeniden taşıdığı için, bitmiş bir alt işin context'ini sonraki işe taşımak hem kaliteyi hem bütçeyi etkiliyor. Context'i yönetmeyi üçüncü yazıda ayrıntılı göreceğiz.

Sık Düşülen Tuzaklar

Plan ve fiyat bilgisini eski blog yazılarından okumak. 2025 ve 2026 başındaki yazıların çoğu premium request ve model çarpanı (multiplier) gibi kavramlarla anlatıyor; 1 Haziran 2026'dan beri aylık planlarda bunların yerini AI credit aldı. Tek istisna yıllık Pro ve Pro+ aboneleri: onlar yıllık planları bitene kadar premium request modelinde kalıyor.

Inline suggestion'ı maliyetli sanıp kapatmak. Ücretli planda inline suggestion ve NES krediden düşmüyor; kapatmanın gerekçesi maliyet değil, odak ve kod kalitesi olmalı. Ne zaman kapatmak gerektiği ikinci yazıda.

En güçlü modeli varsayılan yapmak. Hesapta gördüğün gibi aynı oturum model değişince otuz kattan fazla pahalılaşabiliyor. Her iş en güçlü modeli gerektirmiyor.

Free planı ekip çalışması için yeterli sanmak. Free'de ayda 2.000 inline suggestion var, model yalnız auto ile seçiliyor ve agent özellikleri sınırlı; Copilot in the cloud gibi özellikler ise ücretli plan istiyor.

Küçük Bir Deneme

★☆☆ eng/ai-credits.cs'i 10, 30 ve 90 adımla çalıştır. Adım sayısı üç katına çıkınca input token sayısı kaç katına çıkıyor? Bunu konuşma büyümesiyle açıkla.

★★☆ Hesaba "cache yok" senaryosu ekle: her çağrıdaki bütün input'u normal input fiyatından say. Claude Sonnet 5.5 için otuz adımda fark kaç kredi? Sonuç yazıda elle hesapladığımız yaklaşık 408 krediyle tutuyor mu?

★★★ Ekibinin bir aylık kullanımını tahmin et: kişi başına günde kaç agent oturumu, oturum başına kaç adım, hangi model? Business planındaki 1.900 kredilik kişi başı havuz yeter mi, yetmezse ek kullanım ayda kaç dolar tutar? Varsayımlarını tablo hâlinde yaz ve bir ay sonra gerçek kullanım raporuyla karşılaştır.

Krediden bağımsız olan inline suggestion'la devam ediyoruz. İkinci yazıda ghost text'i ve NES'i verimli kullanmayı, öneri kalitesini artıran context'i ve tamamlamayı ne zaman kapatmak gerektiğini Bookstore'un Entity Framework Core configuration'ı ve testleri üzerinde göreceğiz.