GitHub lanzó en junio facturación por uso con techo en $100 para Copilot Max. El equipo de TypeScript publicó el compilador nativo en Go con velocidad 10× mayor. Devstral Small de Mistral lidera los benchmarks open source de código a $0,10 por millón de tokens.
GitHub lanzó el 1 de junio un nuevo modelo de precios para Copilot Max: los equipos pagan por tokens consumidos y el costo se detiene automáticamente al llegar a $100 por usuario al mes.
GitHub Copilot Max debutó el 1 de junio con un modelo de facturación por uso que elimina la suscripción fija: los usuarios pagan por solicitudes —autocompletado, revisiones de código, generación de tests— hasta un techo de $100 por usuario al mes. El plan anterior de Copilot Business costaba $19/mes con uso ilimitado; el nuevo modelo es más barato para equipos de uso ocasional y más predecible para equipos de alto volumen que antes podían exceder costos sin control. Para equipos costarricenses en las zonas francas tecnológicas de Coyol, Lindora y Ultrapark, el cambio en precios reduce el umbral de adopción. Varias empresas de outsourcing de software en el país ya comparan Copilot Max con Cursor, Amazon Q y Claude Code en términos de productividad y costo por desarrollador. El ángulo contrario: el modelo pay-as-you-go puede generar sorpresas en la factura si los equipos no configuran alertas de uso. GitHub publicó guías para establecer límites por organización, pero su activación es opcional y requiere intervención del administrador. La experiencia de nube pública muestra que muchos equipos aprenden a controlar el gasto solo después del primer sobrecosto.
El equipo de TypeScript publicó el compilador nativo en Go como preview en npm; los benchmarks muestran compilación entre 8× y 10× más rápida en proyectos grandes, con compatibilidad total con código TypeScript existente.
La apuesta de portar el compilador de TypeScript (tsc) a Go —en lugar de optimizar el compilador existente escrito en TypeScript— refleja una decisión pragmática: Go compila a binarios nativos y ofrece un modelo de concurrencia que permite paralelizar el análisis de tipos. Los benchmarks publicados por el equipo muestran que la nueva versión compila proyectos con más de 100.000 líneas de código en segundos donde el tsc actual tarda minutos. El nuevo compilador llega como una opción paralela al tsc existente, sin romper la compatibilidad: los proyectos actuales pueden migrar progresivamente. La transición está diseñada para ser transparente para la mayoría de los proyectos; solo los que usan plugins de compilador personalizados necesitarán adaptación antes del lanzamiento estable. Para los equipos de desarrollo costarricenses —donde TypeScript es el lenguaje de elección en la mayoría de los proyectos de frontend y backend con Node.js— la mejora de velocidad se traduce en ciclos de CI más cortos y retroalimentación inmediata en el editor. Los proyectos que hoy esperan 90 segundos para ver errores de tipos los verán en menos de 10 segundos.
OpenAI publicó el 16 de junio una herramienta llamada Deployment Simulation que permite a los equipos de ingeniería simular cómo se comportará un agente de IA bajo condiciones de producción antes de exponerlo a usuarios reales. La herramienta genera tráfico sintético, casos extremos y escenarios adversariales para identificar fallos de comportamiento, respuestas fuera de distribución y regresiones previo al lanzamiento. A medida que más equipos despliegan agentes autónomos que ejecutan código, consultan APIs o escriben en bases de datos, la necesidad de entornos de prueba que capturen el comportamiento emergente en escenarios de producción se convirtió en un problema no resuelto. Los entornos de staging tradicionales no reproducen la variabilidad del tráfico real ni los patrones de uso inesperados que aparecen con usuarios reales. Para los equipos de desarrollo que ya integran modelos de OpenAI en sus productos —una categoría que en Costa Rica incluye desde startups fintech hasta empresas de logística que automatizan atención al cliente— Deployment Simulation ofrece una herramienta de validación que antes requería construir internamente o contratar pruebas de QA específicas.
Devstral Small de Mistral AI —disponible en la API de Mistral y descargable desde Hugging Face— publicó resultados de benchmarks que lo colocan por encima de CodeLlama, DeepSeek-Coder y Qwen-Coder en las pruebas SWE-bench Verified y HumanEval Plus. El modelo está optimizado para tareas de agentes: edición de archivos, navegación de repositorios y ejecución de tests, no solo para completado de código línea por línea. El precio de $0,10 por millón de tokens de entrada y $0,30 por millón de tokens de salida lo convierte en el modelo de código de alto rendimiento con mejor relación calidad-precio del mercado actual. Para comparación, los modelos de frontera cuestan entre $2,50 y $15 por millón de tokens en las mismas tareas; Devstral Small ofrece capacidades de código comparables en tareas específicas a una fracción del precio. El modelo tiene restricciones claras: no está diseñado para razonamiento general ni para conversación extendida, y su ventana de contexto de 128K tokens es competitiva pero no líder. Su diferenciación está en el precio y en la disponibilidad como modelo open source que los equipos pueden desplegar en su propia infraestructura sin depender de la API de Mistral.
El debate sobre si la IA reemplazará a los programadores ignora lo que está sucediendo concretamente: los asistentes de código están creando una brecha nueva entre quienes saben usarlos y quienes no. GitHub Copilot Max, Claude Code, Cursor y Amazon Q han desplazado las tareas mecánicas —autocompletado, boilerplate, tests unitarios simples— pero han ampliado la demanda de habilidades de revisión crítica, arquitectura de sistemas y diseño de flujos de agentes. Los desarrolladores que más se benefician son quienes ya dominan sus herramientas: usan los asistentes para multiplicar su velocidad en tareas conocidas, no como sustitutos de comprensión. Los que más pierden son quienes usaban el trabajo mecánico como vía de aprendizaje. Escribir código repetitivo es tedioso, pero también es como los juniors internalizan los patrones de base. Para Costa Rica, donde el outsourcing de software es uno de los principales motores de empleo en zonas francas, la pregunta concreta es si las empresas cambiarán sus criterios de selección antes de que el sistema educativo local —TEC, UCR, ULACIT— actualice sus currículos. La señal más honesta del mercado es que las empresas ya preguntan en entrevistas no solo qué lenguajes sabés, sino qué flujos de trabajo con asistentes de IA usás a diario.
La semana del 14 al 17 de junio fue intensa para el ecosistema de desarrollo: GitHub Copilot Max estrenó facturación por uso con techo en $100; el compilador nativo de TypeScript en Go salió en preview con velocidad 10× mayor; OpenAI publicó Deployment Simulation para probar agentes antes de producción; y Devstral Small de Mistral lidera los benchmarks open source de código al precio más bajo del mercado. El ecosistema de IA para desarrollo se consolida como infraestructura, no como experimento.