IA para programação: 6 alternativas locais ao GitHub Copilot em 2026

O cenário de IA para programação com modelos locais no GitHub Copilot mudou em junho de 2026: o VS Code agora executa chat e fluxos de agentes offline sem conta do GitHub nem plano do Copilot, mas modelos locais ainda não podem gerar suas sugestões inline padrão. Assim, restam apenas três motivos para trocar: autocomplete local com Tab, hospedagem própria centralizada ou um fluxo de agente mais robusto — e a alternativa paga mais barata para equipes economiza apenas $480 por ano em 10 licenças, antes de hardware e administração.

Resposta direta: Zed é a melhor substituição local completa

Zed é a melhor alternativa ao GitHub Copilot quando tanto o agente de programação quanto as sugestões inline precisam rodar em uma infraestrutura sob seu controle. Kilo Code é a escolha mais adequada quando trocar de editor está fora de cogitação. Cline oferece o agente local dedicado mais forte dentro do VS Code; Tabby é a opção para implantar um servidor de autocomplete gerenciado de forma centralizada; Aider entrega o fluxo de terminal mais limpo para quem coloca o Git em primeiro lugar; e OpenCode abrange o maior número de interfaces.

Há ainda uma sétima resposta: não trocar. Se chat local e trabalho com agentes forem suficientes, o VS Code atual já se conecta ao Ollama e a outros provedores locais. Uma alternativa só merece entrar no fluxo quando resolve uma lacuna específica.

Os preços, limites, condições de teste e recursos apresentados abaixo foram verificados nas páginas oficiais de cada fornecedor em 25 de agosto de 2026. “Preço inicial” é o valor do software ou da plataforma. Mesmo com um modelo local, ainda há custos de hardware, eletricidade, configuração e manutenção.

Antes de trocar, entenda o que o VS Code já executa localmente

O próprio VS Code já é uma opção consistente para hospedar modelos locais, mas cobre apenas um lado da experiência oferecida pelo Copilot. A atualização BYOK de junho de 2026 da Microsoft permite conectar o VS Code ao Ollama, Foundry Local e provedores de modelos compatíveis para chat e fluxos de agentes suportados. Tudo funciona sem login no GitHub nem plano do Copilot, inclusive em modo totalmente offline.

Isso não transforma o GitHub Copilot em um produto hospedado localmente. Na prática, o VS Code vira a camada de aplicação que fornece ferramentas, contexto e um ciclo de interação ao modelo. O modelo pode rodar na máquina, enquanto o editor oferece a interface de chat e agente.

Quatro conceitos mantêm esta comparação precisa:

• Modelo local significa que a inferência acontece no seu computador ou em um equipamento sob seu controle.
• Modelo auto-hospedado significa que o endpoint roda dentro de uma infraestrutura que você controla. Ele pode estar em outra máquina ou na nuvem privada, em vez do notebook do desenvolvedor.
• Agente significa que o modelo consegue inspecionar arquivos, editar vários arquivos e usar ferramentas como o terminal dentro do sistema de permissões do aplicativo.
• Autocomplete inline é o texto fantasma ou a sugestão de várias linhas que aparece durante a digitação e costuma ser aceita com Tab.

A lacuna está no último item. A documentação atual de modelos de linguagem da Microsoft afirma que BYOK vale para chat e tarefas utilitárias, não para as sugestões inline padrão. A busca semântica e os recursos baseados em embeddings também continuam dependendo do suporte do GitHub ou Copilot. O VS Code oferece uma API de extensões que outros produtos podem usar para autocomplete personalizado, mas seu caminho nativo para modelos locais não envia as sugestões inline ao Ollama.

Com isso, a antiga pergunta sobre uma “alternativa local ao Copilot” se divide em duas:

1. Você quer que um modelo local planeje e edite código em um ciclo de agente visível?
2. Você também quer que toda sugestão exibida durante a digitação seja gerada localmente?

Se a resposta à segunda pergunta for não, instalar outra extensão pode aumentar a complexidade sem melhorar a privacidade. Configure o editor Language Models, conecte o provedor local, selecione o modelo para chat ou para o trabalho de agente suportado e mantenha o editor atual. Se a resposta for sim, Zed, Kilo Code ou Tabby passam a fazer sentido, pois os três documentam um caminho local para autocomplete.

A mesma distinção vale para promessas de funcionamento offline. Um chat local pode operar sem internet enquanto uma busca no repositório, atualização de extensão, ação remota de controle de versão ou serviço hospedado de embeddings ainda acessa recursos externos. “O modelo é local” e “todo o ambiente de desenvolvimento está isolado da rede” não são promessas equivalentes.

Quanto custa o Copilot que será substituído

Os planos individuais atuais do GitHub são Free, Student, Pro por $10 ao mês, Pro+ por $39 ao mês e Max por $100 ao mês. O Free inclui até 2,000 autocompletes inline por mês, enquanto o Student é gratuito para estudantes verificados. Para organizações, há o Business por $19 por licença concedida ao mês e o Enterprise por $39 por licença concedida ao mês.

A página atual de planos do GitHub também informa que novas contratações self-service do Business por organizações nos planos GitHub Free e GitHub Team estão temporariamente suspensas desde 22 de abril de 2026. Isso não altera o valor-base de $19 usado na comparação, mas pode mudar o processo de compra. A decisão de substituir o produto deve considerar o plano que a organização realmente consegue contratar, não um fluxo de checkout lembrado de outra época.

Como avaliamos estas opções de IA para programação

Um produto só entrou na lista quando sua documentação atual mostrava um caminho oficialmente suportado para usar modelos locais em um fluxo de programação. Não bastava existir um repositório que, em teoria, pudesse ser adaptado para chamar um endpoint local. Também ficaram de fora assistentes em nuvem com boas garantias de privacidade, mas que ainda enviam a inferência ao próprio serviço.

Os seis produtos foram avaliados em cinco critérios:

1. Cobertura: se os modelos locais funcionam no agente, no autocomplete inline ou em ambos.
2. Clareza da implantação: se o fornecedor documenta Ollama, LM Studio, llama.cpp, um endpoint compatível com OpenAI ou um servidor auto-hospedado.
3. Adequação ao fluxo: se o produto opera no editor, terminal, aplicativo desktop ou serviço central.
4. Primeiro limite operacional: a primeira barreira enfrentada por uma implantação séria, como migração de editor, modelo fixo de autocomplete, exigência mínima de hardware, limite de uma GPU ou ausência de controles de identidade.
5. Custo total: todos os planos públicos de software, além do custo de computação ou inferência que fica fora deles.

Não afirmamos ter feito um teste prático de desempenho. Latência e qualidade de saída de um modelo local dependem demais do tamanho do modelo, quantização, janela de contexto, memória da GPU, estrutura do repositório e tipo de tarefa para que o resultado de um notebook represente toda a categoria. Por isso, o ranking se baseia em recursos atualmente suportados, preços exatos, limites documentados e uma análise de custos normalizada.

O mesmo processo eliminou alguns nomes conhecidos. Um assistente de programação exclusivamente em nuvem não vira alternativa local só porque oferece um plano gratuito generoso. Continue saiu do ranking porque sua página atual informa que o produto foi adquirido pela Cursor e descreve o código aberto restante como uma base, não como um produto independente com suporte para uma nova implantação. Essa mudança, por si só, deixa desatualizadas várias listas antigas de alternativas locais ao Copilot.

Para enxergar o cenário mais amplo, com soluções locais e em nuvem, a comparação dos melhores assistentes de programação com IA em 2026 inclui mais opções. Aqui, o recorte é propositalmente restrito: todo produto classificado oferece um caminho documentado para inferência local.

1. Zed: melhor substituto local completo para o Copilot

Zed é a substituição completa mais forte porque documenta o uso de modelos locais tanto no Agent quanto no sistema Edit Prediction. Edit Prediction é a camada de autocomplete inline do Zed, com sugestões de uma ou várias linhas. Essa cobertura em duas frentes é rara e elimina a ambiguidade comum em muitas promessas de “compatibilidade com Ollama”.

O produto é um editor de código completo, não uma extensão do VS Code. Modelos locais podem rodar por Ollama, LM Studio, llama.cpp ou um servidor local compatível no Agent, Inline Assistant e recursos relacionados de IA. Uma configuração separada do Edit Prediction local aceita Ollama, vLLM, servidor llama.cpp, LocalAI e outros servidores que implementam a API de completions da OpenAI.

Essa arquitetura faz do Zed a resposta mais clara para o desenvolvedor independente que quer os dois fluxos locais e aceita mudar de editor. Também é a maior mudança de rotina desta lista. Extensões, atalhos, práticas de desenvolvimento remoto, recursos de depuração e convenções da equipe precisam ser avaliados antes da migração.

Ideal para: Desenvolvedores que querem um agente local e autocomplete inline local no mesmo editor.
Destaque: Caminhos locais documentados para Agent e Edit Prediction.
Preço: Personal por $0 para sempre; Pro por $10/mês; Business por $30/licença/mês; uso hospedado acima dos $5 incluídos no Pro pelo preço de tabela da API mais 10%.
Teste grátis: Pro por duas semanas ou até consumir $20 em créditos de tokens do teste; Business não oferece teste grátis.

Preços do Zed e o limite que passa despercebido

O Zed Personal custa $0 para sempre e inclui 2,000 previsões de edição hospedadas aceitas, além de uso ilimitado com suas próprias chaves de API ou agentes externos. O Zed Pro custa $10 por mês, inclui previsões de edição ilimitadas e $5 em tokens hospedados; depois disso, cobra o uso hospedado pelo preço de tabela da API mais 10%. O Zed Business custa $30 por licença ao mês e oferece políticas de modelos para toda a organização, controles de dados, visão unificada de gastos, previsões de edição ilimitadas e controle de acesso baseado em funções.

A palavra “Business” pode criar uma expectativa equivocada. O plano não oferece franquia fixa de créditos para LLM nem teste grátis, e atualmente não conta com SSO, SAML ou SCIM. Não há quantidade mínima de licenças, embora os formulários de pedido comecem em 25 licenças. Em uma implantação empresarial dependente de identidade, a ausência da família SSO pode pesar mais que a cobertura completa de modelos locais.

Com 10 licenças, o Zed Business custa $3,600 por ano antes do uso de modelos ou da computação local. O Copilot Business custa $2,280 para a mesma quantidade. Portanto, o Zed fica $1,320 mais caro considerando apenas a plataforma. Escolha-o pelo projeto do editor e pelo controle local completo, não para economizar em licenças.

Miniguia: como executar Agent e Edit Prediction do Zed com Ollama

O Zed documenta os dois caminhos locais separadamente. Mantenha-os separados durante a configuração para que um agente funcional não crie a impressão errada de que as previsões inline também são locais.

1. 1

   Inicie o runtime local

   Instale o Ollama, execute ollama pull mistral para usar o exemplo de Agent documentado pelo Zed e depois rode ollama serve nos sistemas em que o serviço não inicia automaticamente. O Zed deve encontrar os modelos baixados pelo Ollama e exibi-los no seletor de modelos.

2. 2

   Selecione o modelo do Agent

   Abra o painel Agent, escolha o modelo do Ollama detectado e comece com uma tarefa de leitura, limitada e sem alterações, como explicar um módulo. Confirme pelo provedor selecionado e pela atividade do processo local que a solicitação está chegando ao Ollama.

3. 3

   Configure o Edit Prediction à parte

   Abra as configurações de edit_predictions do Zed. O exemplo documentado pelo fornecedor define o provedor como ollama, o endpoint como http://localhost:11434, o modelo como qwen2.5-coder:7b-base, o formato de prompt como infer e o máximo de tokens de saída como 512.

4. 4

   Comprove os dois caminhos

   Desconecte a rede em uma máquina de teste não crítica. Envie um prompt ao Agent; depois, digite em um arquivo representativo e confirme que aparece uma previsão do Edit Prediction. Se o Agent passar no teste e o autocomplete falhar, apenas metade da implantação é local.

O modelo exato deve ser compatível com a máquina e a tarefa. O valor do miniguia está em verificar os dois caminhos, não no nome do modelo usado no exemplo. Um modelo local incapaz de acionar ferramentas com confiabilidade continua sendo uma má escolha para Agent, mesmo que produza um autocomplete aceitável.

2. Kilo Code: melhor opção local dentro do VS Code e JetBrains

Kilo Code é a melhor escolha quando o editor precisa permanecer e tanto o agente quanto o autocomplete necessitam de uma rota local. Suas extensões de código aberto atendem VS Code e JetBrains, enquanto a CLI acrescenta o terminal. A migração é menor que a exigida pelo Zed, e a documentação apresenta Ollama local para o agente, além de Codestral local por Ollama ou LM Studio para autocomplete.

Essa vantagem vem acompanhada de duas restrições. O modelo de autocomplete do Kilo está atualmente fixado no Codestral, portanto “autocomplete local” não significa escolher qualquer modelo. A orientação para o agente também estabelece uma exigência relevante de hardware: 24 GB ou mais de VRAM na GPU, ou um Mac com 32 GB ou mais de memória unificada, para os modelos locais recomendados rodarem em velocidade adequada.

A própria documentação do Kilo é incomumente franca sobre qualidade. Ela recomenda qwen3-coder:30b para o trabalho do agente, aponta devstral:24b como alternativa e alerta que o modelo Qwen menor pode falhar ao chamar ferramentas, entrar em loop ou produzir erros de sintaxe com mais frequência que um modelo de ponta na nuvem. A recomendação é de uma janela de contexto de pelo menos 32k, com timeout padrão da API de 10 minutos. São requisitos operacionais, não detalhes de rodapé.

Ideal para: Usuários do VS Code ou JetBrains que querem um agente local e um caminho suportado para autocomplete local.
Destaque: A rota menos disruptiva para ter os dois fluxos locais nos editores já conhecidos.
Preço: Individual por $0; Teams por $15/usuário/mês; Enterprise sob consulta; inferência e computação em nuvem cobradas separadamente.
Teste grátis: Enterprise por 14 dias.

Preços do Kilo: três contas, não uma

Os planos de plataforma do Kilo são Individual por $0, Teams por $15 por usuário ao mês e Enterprise sob consulta. O Teams acrescenta analytics, modos de agente compartilhados, cobrança centralizada, BYOK compartilhado, controles de privacidade e suporte prioritário. O Enterprise inclui SSO, OIDC, SCIM, logs de auditoria, limites por provedor, BYOK por gateway privado, compromissos de SLA e suporte dedicado. O teste de 14 dias libera os recursos do Enterprise; ao final, o cliente escolhe entre Teams e Enterprise.

A inferência é uma decisão separada. Auto Free, BYOK ou local custam $0 por mês em taxas de inferência da plataforma Kilo. O Kilo Gateway não cobra assinatura e repassa exatamente os preços dos provedores, sem margem adicional. O Kilo Pass oferece Starter por $19 ao mês, com até $26.60 em créditos mensais; Pro por $49, com até $68.60; e Expert por $199, com até $278.60. A compra de créditos inclui uma taxa de processamento de 5%.

Os recursos em nuvem geram uma terceira conta. Code Review custa $0.33 por hora. Cloud Agent Docker e Small custam $0.60 por hora cada. Gas Town e Cloud Agent Standard custam $1.20 por hora cada. A cobrança é feita por segundo, e a inferência do modelo permanece separada.

Para 10 desenvolvedores, o Kilo Teams custa $1,800 por ano, contra $2,280 do Copilot Business. A diferença de $480 é o teto local: se hardware adicional e administração custarem mais de $40 por mês, a aparente economia com a plataforma desaparece. Bastam algumas horas de um único engenheiro cuidando do serviço local para ultrapassar esse valor.

3. Cline: melhor agente local transparente no VS Code

Cline é a melhor opção dedicada para quem quer um agente de programação local, orientado por aprovações, dentro do VS Code. Ele deixa visíveis as alterações em arquivos, ações no terminal e escolha do provedor de modelo sem cobrar uma assinatura individual da plataforma. O caminho local está bem documentado para Ollama, LM Studio e Atomic Chat.

O Cline não resolve todas as funções do Copilot. Seu produto principal é um agente, não uma solução própria para substituir o autocomplete acionado por Tab. Se o objetivo for gerar texto fantasma local enquanto você digita, combine-o com outra extensão de autocomplete ou escolha Zed, Kilo Code ou Tabby. Adicionar uma segunda extensão pode ser a arquitetura certa, mas cria duas políticas, dois caminhos de atualização e, possivelmente, dois servidores de modelos para administrar.

O melhor caso de uso do Cline é o desenvolvedor que quer entregar uma demanda limitada a um modelo local, examinar cada ação proposta e preservar o ambiente atual do VS Code. Pense em “rastreie este teste com falha e proponha uma correção”, não em “preveja os próximos seis tokens sempre que uma tecla for pressionada”. Essa interação é mais lenta e deliberada que o autocomplete do Copilot, porém consegue assumir uma parte maior de uma tarefa com vários arquivos.

Ideal para: Usuários do VS Code que querem um ciclo de agente local visível e controlável.
Destaque: Interface gratuita para agentes individuais, com runtimes locais documentados e sem assinatura obrigatória.
Preço: Open Source gratuito; Enterprise sob consulta; inferência fornecida à parte.
Teste grátis: Não há teste do Enterprise informado; a camada de código aberto é o caminho para avaliação.

Preços do Cline e a escada de hardware

O Cline Open Source é gratuito para desenvolvedores individuais. Não há assinatura nem cobrança por licença, mas a inferência hospedada é cobrada por uso, a menos que o desenvolvedor forneça uma chave ou execute um modelo local. A camada gratuita inclui extensão para VS Code e CLI, arquitetura segura no cliente, marketplace MCP, workspaces com várias raízes e suporte da comunidade.

O Cline Enterprise tem preço personalizado. Ele acrescenta extensão para JetBrains, SSO, SLA, suporte dedicado, cobrança centralizada, gestão de configurações, controle de acesso baseado em funções, limites por provedor de inferência, painel de equipe e logs de autenticação. A página atual de preços não informa teste grátis do Enterprise.

O guia de hardware oferece um limite mais útil que o preço de $0 da plataforma. O Cline associa de 16 a 32 GB de RAM a modelos pequenos ou quantizados, de 32 a 64 GB a modelos médios e 64 GB ou mais a modelos maiores e janelas de contexto amplas. Seus endpoints locais padrão são http://localhost:11434 para Ollama e http://localhost:1234 para LM Studio.

Essa escala deve orientar o piloto. Um notebook com 16 GB pode comprovar a conexão e ainda fracassar no fluxo pretendido por causa de geração lenta, pouco contexto ou uso deficiente de ferramentas. A implantação só está pronta quando o modelo escolhido consegue ler uma parte suficiente do repositório e concluir a tarefa representativa dentro do tempo que a equipe aceita esperar.

Onde o Cline se encaixa em uma configuração local híbrida

Uma divisão prática usa o Cline para sessões explícitas de agente e um provedor dedicado de autocomplete local durante a digitação. Essa arquitetura pode superar um único modelo generalista, pois o agente precisa usar ferramentas e raciocinar com contexto longo, enquanto o autocomplete exige baixa latência e treinamento fill-in-the-middle. O custo é a duplicação operacional.

Para um desenvolvedor individual, essa duplicação pode se resumir a algumas configurações. Em uma empresa, significa dois modelos aprovados, duas políticas de endpoints, duas análises de telemetria e dois caminhos de rollback. A comparação de agentes de programação para empresas aprofunda a governança, mas a decisão imediata sobre o Cline é simples: use-o quando a transparência do agente importar mais que a completude de um único produto.

4. Tabby: melhor servidor centralizado de autocomplete auto-hospedado

Tabby é a melhor escolha quando a prioridade é substituir o autocomplete do Copilot por um serviço auto-hospedado e operado de forma centralizada. Trata-se de um assistente de programação de código aberto construído em torno de uma equipe que executa o próprio servidor de autocomplete com LLM. Os desenvolvedores se conectam por extensões de editor, enquanto a organização controla o serviço por trás delas.

Esse projeto centrado no servidor pertence a uma categoria diferente da de um agente local no notebook. Ele é útil quando dez ou cinquenta desenvolvedores devem compartilhar modelos aprovados, contexto do repositório, controles de acesso e observabilidade, em vez de cada pessoa executar Ollama por conta própria. Ao mesmo tempo, transfere para a organização a responsabilidade por disponibilidade, atualizações, capacidade de GPU, autenticação e resposta a incidentes.

O Tabby se encaixa melhor em uma equipe de engenharia regulada ou sensível à privacidade, que valoriza o autocomplete centralizado acima do comportamento autônomo de agentes. Answer Engine e navegação pelo código ampliam o produto, mas o autocomplete continua sendo o motivo para escolhê-lo em vez de um agente voltado ao desktop. Um desenvolvedor independente pode rodar o Community, embora Aider, Cline, Kilo Code ou Zed geralmente exijam menos infraestrutura.

Ideal para: Equipes que querem um único servidor de autocomplete controlado e auto-hospedado.
Destaque: Implantação centralizada e local-first, com extensões para editores e planos de equipe.
Preço: Community por $0/usuário/mês; Team por $19/usuário/mês; Enterprise sob consulta; uso do Pochi na nuvem cobrado à parte.
Teste grátis: Não há teste com prazo limitado para Team ou Enterprise; Community atende até 5 usuários.

Preços do Tabby: privacidade sem desconto na licença

O Tabby Community custa $0 por usuário ao mês para até 5 usuários. O Tabby Team custa $19 por usuário ao mês para até 50 usuários. O Tabby Enterprise é um plano personalizado, cobrado anualmente, com usuários ilimitados, SSO, implantação sob medida, canal dedicado de suporte no Slack e priorização no roadmap.

O Pochi do Tabby Cloud usa uma cobrança separada por consumo de modelos. A página atual de preços inclui $20 em créditos gratuitos mensais, cobra automaticamente quando o uso ultrapassa $10 ou no fim do mês para valores menores e afirma que Tab Completion é sempre gratuito, sem limite de uso. Essa oferta na nuvem não deve ser confundida com o custo de computação do servidor auto-hospedado.

Com 10 licenças, Tabby Team e Copilot Business custam os mesmos $2,280 por ano em plataforma. O Tabby ainda precisa de infraestrutura. A documentação indica cerca de 8 GB de VRAM para CodeLlama-7B no modo int8 e informa que uma instância aceita uma única GPU. O custo exato do servidor depende da propriedade do hardware, utilização, redundância e expectativas de suporte, mas a conclusão é direta: Tabby é uma compra de controle, não uma licença mais barata.

O limite de uma GPU

O limite de uma GPU por instância do Tabby é a barreira operacional que precisa entrar no planejamento. Uma única GPU pode atender perfeitamente uma equipe pequena e virar fila em um período de programação simultânea. A expansão passa a exigir mais instâncias e decisões de roteamento, em vez de apenas conectar várias GPUs a uma instância.

Meça o tempo até o primeiro autocomplete e os autocompletes aceitos durante o pico de uso simultâneo, não em um servidor ocioso. Uma média rápida pode esconder uma experiência ruim no percentil 95, que ensina os desenvolvedores a ignorar sugestões. Teste também a recarga de modelos, o fallback da extensão e o que acontece quando o serviço fica indisponível. Parte do valor do autocomplete vem de ele desaparecer dentro da digitação; qualquer espera recorrente destrói essa vantagem.

5. Aider: melhor fluxo de terminal orientado pelo Git

Aider é a melhor alternativa com modelos locais para desenvolvedores que preferem organizar a sessão do agente pelo repositório e pelo histórico do Git, não pela interface do editor. Ele roda no terminal, cria um mapa da base de código, edita arquivos, faz commits automaticamente e pode executar linters e testes. O software sob licença Apache-2.0 não cobra assinatura de plataforma.

O fluxo é concreto: entre em um repositório, adicione os arquivos relevantes ou deixe o mapa do repositório orientar o contexto, peça uma alteração, analise o diff e use o Git para mantê-la ou desfazê-la. Isso torna o Aider atraente para quem já confia nos recursos do terminal e do controle de versão. A experiência é menos natural para quem espera um agente na barra lateral, checkpoints visuais e autocomplete em segundo plano durante a digitação.

O Aider se conecta a praticamente qualquer LLM local ou em nuvem, inclusive ao Ollama. Sua documentação do Ollama recomenda o prefixo de modelo ollama_chat/ e destaca uma falha sutil: por padrão, o Ollama usa uma janela de contexto de 2k e descarta silenciosamente o conteúdo que ultrapassa esse limite. A sessão pode parecer funcional enquanto perde o contexto do repositório — situação pior que um erro explícito.

Ideal para: Desenvolvedores centrados no terminal que querem um agente local organizado pelo Git.
Destaque: Mapa do repositório, commits automáticos, diffs, lint e testes em um único ciclo de código aberto.
Preço: Software Apache-2.0 por $0; uso do modelo ou computação local à parte; sem planos pagos de plataforma.
Teste grátis: Não se aplica, pois o software é gratuito e de código aberto.

Preços do Aider e o teto individual de $120

O Aider não tem camadas Personal, Pro, Team ou Enterprise. O software é gratuito sob Apache 2.0. A conta vem do provedor do modelo ou da máquina que o executa.

Substituir uma assinatura do Copilot Pro de $10 ao mês economiza no máximo $120 por ano. Esse é o teto local individual. Se a única razão para comprar uma GPU, adicionar memória, gastar tempo na configuração ou aceitar respostas mais lentas for economizar na assinatura, a conta raramente fecha. Quando o hardware já existe e o motivo é privacidade, uso offline ou controle sobre o modelo, os $120 viram um benefício secundário.

A primeira verificação da configuração deve ser o contexto, não algum truque de prompt. O Aider documenta um exemplo de servidor Ollama com 8k e ajusta o contexto para reduzir truncamentos silenciosos. Repositórios maiores podem exigir muito mais. Se um modelo local começa a esquecer requisitos, reabrir os mesmos arquivos ou alterar o símbolo errado repetidamente, inspecione a janela de contexto e o mapa do repositório antes de culpar o formato da interação.

6. OpenCode: melhor agente local para várias interfaces

OpenCode é a melhor opção para ter um único agente de código aberto acompanhando o desenvolvedor pelo terminal, extensão da IDE e aplicativo desktop. Ele aceita mais de 75 provedores de modelos, inclusive modelos locais, e seu software principal não exige assinatura paga. A flexibilidade de interfaces é sua vantagem sobre o projeto do Aider, centrado no terminal.

O Ollama local funciona por um endpoint de provedor compatível com OpenAI em http://localhost:11434/v1. A documentação de provedores expõe a configuração em vez de escondê-la, incluindo a sugestão de começar com uma janela de contexto entre 16k e 32k quando as chamadas de ferramentas falham. Isso é positivo para equipes que querem controle explícito e representa trabalho extra para usuários que esperam descoberta com um clique.

A proposta local do OpenCode está nas sessões de agente, não em uma substituição completa do autocomplete inline do Copilot. Ele pode funcionar dentro de uma IDE, mas a capacidade central é levar o mesmo agente de várias etapas a diferentes interfaces. Escolha-o pela portabilidade entre superfícies e pela variedade de provedores, não pelas sugestões acionadas por Tab.

Ideal para: Desenvolvedores que querem o mesmo agente compatível com modelos locais no terminal, IDE e desktop.
Destaque: Mais de 75 provedores e três interfaces de interação.
Preço: Core de código aberto por $0; Go opcional por $10/mês; Enterprise sob consulta por licença.
Teste grátis: Piloto interno com o código aberto antes de uma negociação comercial do Enterprise.

Preços e tratamento de dados no OpenCode

O OpenCode core é um software de código aberto gratuito; o usuário escolhe um modelo local, BYOK, gratuito ou hospedado. OpenCode Zen é um gateway opcional de pagamento por uso, com preços por token de cada modelo. OpenCode Go é uma assinatura opcional de $10 ao mês para modelos abertos de programação hospedados. Os limites atuais são expressos como tetos de valor: $12 a cada 5 horas, $30 por semana e $60 por mês.

O OpenCode Enterprise tem preço personalizado por licença. Quando o cliente fornece seu próprio gateway de LLM, o OpenCode afirma não cobrar pelos tokens usados. O caminho de avaliação começa com um teste interno do produto de código aberto e segue para uma conversa comercial sobre configuração centralizada, SSO, gateway interno e suporte à implementação.

A declaração padrão sobre dados é forte: o OpenCode diz não armazenar código nem contexto, e o processamento ocorre localmente ou por chamadas diretas ao provedor escolhido. A exceção é o compartilhamento opcional de conversas, que envia os dados da sessão para fora. A documentação do Enterprise recomenda desativar o compartilhamento durante o teste. A análise de privacidade deve confirmar tanto o caminho padrão quanto todas as saídas opcionais.

Qual ferramenta escolher em cada cenário

Comece pelo recurso ausente e aceite a menor mudança de fluxo capaz de entregá-lo. Entusiasmo por um produto é um critério ruim aqui, porque cada opção desloca custos e complexidade para uma camada diferente.

Continue no VS Code quando um agente local for suficiente

O caminho nativo do VS Code é a resposta com menos mudanças para um desenvolvedor ou uma equipe que quer chat, planejamento e tarefas de agente suportadas com modelos locais, mas pode manter o autocomplete hospedado do Copilot ou abrir mão dele. Extensões, práticas de depuração, ambientes remotos e conhecimento de suporte da equipe permanecem intactos. O ponto de virada é o autocomplete inline: se esses dados também precisarem ficar na máquina, o BYOK nativo não vai longe o bastante.

Essa decisão é especialmente sensata em um piloto pequeno. Configure um provedor local, oculte os modelos não aprovados, selecione um modelo utilitário quando necessário e documente quais recursos ainda dependem do GitHub. Não adicione outra extensão de agente até que uma tarefa representativa demonstre uma carência real na configuração nativa.

Escolha Zed quando completude importar mais que manter o editor

O Zed vence para um profissional técnico independente ou uma pequena equipe de produto disposta a adotar outro editor em troca de um sistema local e coerente de Agent e Edit Prediction. O critério que muda a escolha é a compatibilidade do editor. Se uma extensão obrigatória, depurador, ambiente remoto ou fluxo de acessibilidade falhar, Kilo Code passa a ser a opção mais segura.

Em organizações maiores, a identidade pode decidir a questão antes da adequação do editor. Os controles atuais do Business incluem políticas de modelos e dados, mas SSO, SAML e SCIM não estão disponíveis. Uma empresa que exige esses controles não deve tratar uma promessa no roadmap como recurso de segurança.

Escolha Kilo Code quando VS Code ou JetBrains precisarem ficar

Kilo Code vence quando tanto o trabalho com agente local quanto o autocomplete local são obrigatórios dentro do editor existente. Ele exige mudar uma extensão e a configuração do modelo, não todo o ambiente de edição. A escolha deixa de ser o Kilo se o caminho de autocomplete fixo no Codestral for inaceitável ou se o hardware local do agente não atender aos requisitos documentados de memória.

Também é a narrativa de custos mais sedutora — e a mais fácil de exagerar. Dez licenças Teams economizam $480 por ano em relação ao Copilot Business, antes de computação e mão de obra. Use o produto porque suas extensões e controles de provedores atendem ao cenário; trate a diferença de preço apenas como uma pequena compensação.

Escolha Cline quando o agente precisar ser explícito e supervisionado

Cline vence quando os desenvolvedores querem um ciclo de agente deliberado no VS Code e não precisam que o mesmo produto gere sugestões inline. Faz sentido em tarefas do tamanho de uma issue nas quais leituras de arquivos, edições, comandos e aprovações devem continuar visíveis. A escolha muda para Kilo ou Zed quando um segundo sistema de autocomplete local gera configuração demais.

Para equipes, a diferença entre os preços públicos também pesa. O uso individual é gratuito, mas o Enterprise tem valor personalizado. Primeiro valide o fluxo de código aberto; só então peça uma proposta comercial, depois de identificar SSO, limites por provedor, painel e integração com JetBrains que serão necessários.

Escolha Tabby quando a organização for dona do serviço

Tabby vence quando a equipe de plataforma ou segurança quer um serviço central de autocomplete, não um runtime de modelos em cada notebook. É a opção mais clara para usar um modelo compartilhado e aprovado com uma interface previsível por extensões de editor. A escolha deixa de funcionar quando não há um responsável por disponibilidade, atualizações, capacidade e suporte aos desenvolvedores.

Não atribua essa responsabilidade de forma implícita à “equipe de infraestrutura”. Nomeie a pessoa ou o grupo, defina uma meta de serviço e calcule o custo da GPU antes de expandir. Um serviço local sem operador se torna uma versão menos confiável do produto em nuvem que substituiu.

Escolha Aider ou OpenCode quando o terminal for o centro

Aider vence quando diffs no Git e commits automáticos são a interface de controle natural. OpenCode vence quando o mesmo agente precisa circular entre terminal, IDE e desktop, mantendo uma ampla escolha de provedores de modelos. Nenhum dos dois responde diretamente à necessidade de autocomplete inline local.

O desempate está na estrutura do trabalho. Escolha Aider para um repositório, uma sessão no terminal e um ciclo rigoroso de revisão por diff. Escolha OpenCode para várias interfaces, sessões e configurações de provedores. O guia de alternativas ao Claude Code é a comparação vizinha quando a decisão gira principalmente em torno de agentes no terminal, não de autocomplete no estilo Copilot.

Comparativo de custos: calcule seu teto local

Modelos locais permitem assumir a inferência, não fazer os custos desaparecerem. Com 10 licenças, as despesas públicas anuais de plataforma são:

• Kilo Teams: $1,800
• GitHub Copilot Business: $2,280
• Tabby Team: $2,280
• Zed Business: $3,600

O Kilo gera a única economia entre os planos pagos desse comparativo de quatro produtos para equipes. São $480 por ano, ou $40 por mês. Esse valor é o teto local: o custo mensal adicional máximo que a implantação suporta antes de perder a economia na plataforma.

Esse teto deve incluir mais que a compra da GPU. Some o custo anualizado do hardware, eletricidade, hospedagem ou espaço em rack, monitoramento, backups, downloads de modelos, aplicação de patches, segurança dos endpoints, resposta a incidentes e o tempo dedicado a ajudar desenvolvedores quando o serviço fica lento. Inclua também a perda de qualidade se um modelo local menor exigir mais tentativas ou gerar mais trabalho de revisão.

No Tabby Team, o teto local em relação ao Copilot Business é zero, pois o preço por licença é idêntico. Qualquer computação e administração torna o Tabby mais caro em termos financeiros. Ainda pode ser a decisão correta quando o retorno é controle de dados, disponibilidade em redes isoladas, independência de modelo ou comportamento compartilhado de autocomplete.

O Zed Business parte de um valor $1,320 acima do Copilot Business para 10 licenças. Ele precisa justificar esse adicional por meio do editor e da camada de controle. Para um usuário individual do Zed, a economia é outra: Personal é gratuito e aceita modelos locais, enquanto Pro iguala os $10 mensais do Copilot Pro e acrescenta recursos hospedados do Zed.

Aider, Cline Open Source, OpenCode core, Kilo Individual, Zed Personal e Tabby Community podem reduzir o custo do software a $0 dentro de seus respectivos escopos. Para um usuário do Copilot Pro, a economia máxima na assinatura é de $120 por ano. Se já houver hardware adequado, isso pode ser útil. Comprar uma máquina principalmente para recuperar $120 ao ano não faz sentido.

Quais opções evitar

Continue é o produto mais evidente a evitar em uma nova implantação com suporte nesta categoria. Sua página atual informa que Continue foi adquirido pela Cursor e que o código aberto permanece disponível como base. Isso basta para uma comunidade existente fazer fork ou manter o código, mas não equivale a escolher um produto independente, com posicionamento ativo e um caminho atual de preço e suporte.

Usuários atuais do Continue não precisam entrar em pânico. Fixe as versões, audite o repositório e a licença, documente os endpoints dos modelos e defina quem cuidará da manutenção. Novos compradores não devem colocá-lo no mesmo ranking de Zed, Kilo Code, Cline, Tabby, Aider e OpenCode sem reconhecer essa mudança no suporte.

Evite também qualquer assistente criado para a nuvem cuja alegação de funcionamento “local” signifique apenas indexação local de arquivos, aplicativo desktop ou conta de nuvem privada. A pergunta decisiva é onde ocorre a inferência do modelo para a interface exata que importa. Pergunte separadamente sobre chat, chamadas do agente, autocomplete inline, embeddings, telemetria, relatórios de falha, atualizações e compartilhamento opcional.

Por fim, evite o maior modelo local que sua máquina mal consegue carregar. Um modelo que ocupa quase toda a memória disponível deixa pouco espaço para contexto, editor, ferramentas de build, contêineres e sistema operacional. Um modelo menor, com chamadas de ferramentas consistentes e latência aceitável, muitas vezes conclui mais trabalho que outro maior que usa swap, estoura o tempo limite ou perde contexto.

O próximo passo na segunda-feira: piloto com dois engenheiros

Teste um repositório com dois engenheiros durante uma semana antes de mudar o plano da equipe. O objetivo não é eleger um modelo por meio de um prompt sintético, e sim encontrar a primeira barreira operacional do fluxo que você pretende adotar.

1. 1

   Defina qual função do Copilot está faltando

   Escolha uma função principal: execução de issues por agentes, autocomplete inline, hospedagem própria centralizada ou edições pelo terminal. Um piloto que tenta substituir todos os recursos do Copilot de uma vez produzirá um resultado ambíguo.

2. 2

   Escolha um repositório representativo

   Use um repositório com a combinação normal de linguagens, testes, tempo de build, formato das dependências e restrições de segurança. Dê aos dois engenheiros as mesmas três tarefas limitadas: explicar um módulo, fazer uma pequena alteração em vários arquivos e corrigir um teste com falha.

3. 3

   Fixe a implantação

   Registre a versão da ferramenta, runtime local, modelo e quantização, janela de contexto, endpoint, hardware, estado da rede, configuração de compartilhamento e qualquer fallback hospedado. Sem esse registro, um bom resultado não pode ser reproduzido e um resultado ruim não pode ser diagnosticado.

4. 4

   Meça o fluxo, não a produção de tokens

   Acompanhe o tempo até a primeira resposta útil, tempo até um diff válido, sugestões inline aceitas quando aplicável, chamadas de ferramentas com falha, intervenções manuais, novas tentativas e tempo do revisor. Anote a latência de pico quando os dois engenheiros usam o serviço ao mesmo tempo.

5. 5

   Tome a decisão de orçamento

   Compare o custo anual da plataforma com a computação e a estimativa mensal do tempo de operação. Mantenha o caminho local apenas se ele atender ao requisito de controle definido e permanecer dentro do teto local, ou se o benefício de controle justificar claramente ultrapassar esse teto.

A decisão de segunda-feira deve ser pequena. Mantenha o caminho local atual do VS Code, amplie o piloto com uma das alternativas do ranking ou pare. Não compre licenças, migre editores nem provisione GPUs compartilhadas até o piloto mostrar qual função exata do Copilot será substituída.

Perguntas frequentes

É possível usar o GitHub Copilot localmente?

O VS Code pode usar um modelo local em chat, fluxos de agentes suportados e tarefas utilitárias sem conta do GitHub nem plano do Copilot. Os modelos hospedados do GitHub Copilot não rodam localmente, e o caminho local nativo não abrange as sugestões inline padrão.

Existe uma forma de executar o Copilot localmente?

A resposta precisa é que o VS Code hospeda o modelo local por BYOK. Conecte um provedor como Ollama e selecione esse modelo para chat ou trabalho de agente suportado. Autocomplete inline, busca semântica e recursos baseados em embeddings têm dependências separadas.

Posso usar modelos locais com o VS Code Copilot?

Sim para chat e trabalho de agente suportado pelos controles de modelos do VS Code. Não para o modelo padrão de sugestões inline no estilo Copilot. Kilo Code e Tabby podem adicionar autocomplete local ao VS Code, enquanto Cline acrescenta um agente local.

Existe uma alternativa gratuita ao GitHub Copilot com suporte a modelos locais?

Sim. Zed Personal, Kilo Individual, Cline Open Source, Tabby Community, Aider e OpenCode core oferecem um caminho de software por $0. Hardware, inferência hospedada, governança de equipe e manutenção ainda podem gerar custos.

Receba o Checklist de Auditoria de Fluxos de Negócios com IA e a próxima análise prática baseada em evidências ao assinar a newsletter.