GitHub Copilot AI usage report 怎麼看？用逐模型 token 拆解查 AI credits

AI usage report 多了哪些欄位#

GitHub Billing reports reference 說明，AI usage report 會依 date、model 和 username 彙整 AI credits，並提供以下 token 欄位：

報表的 date 使用 UTC。若團隊以台灣日期做日報，先把查詢區間與時區記錄下來，再轉換顯示日期；不要把午夜前後的使用量直接歸到錯的工作日。

從哪裡取得報表#

到 GitHub 的 Billing settings，從 AI usage 頁面要求或下載 AI usage report。官方文件目前把 AI usage report 的詳細期間限制為最多 31 天；報表會以 email 寄到 GitHub 帳號的預設信箱，而且同一帳號同時間只能要求一份 usage report。

GitHub Changelog 指出，這項逐模型拆解可供 Copilot for individuals 使用，也可由 Copilot Business 和 Enterprise 的管理者查看；實際入口仍會受到方案、billing entity 和管理角色影響。看不到下載入口時，先確認登入的帳號、billing settings 權限與查詢期間，不要把瀏覽器快取或 Copilot extension 當成第一個嫌疑。

用三層維度讀報表#

拿到 CSV 後，先不要直接加總所有 token。建議依這個順序檢查：

1. 日期：先確認所有列的 UTC 範圍，避免報表跨日後和公司日曆對不上。
2. 模型：比較同一模型在不同日期或使用者的變化；模型不同時，token 不能直接視為相同成本。
3. 使用者：確認用量是否來自個人工作流、團隊共用帳號或自動化流程，再回到實際工作內容查原因。

對帳時保留 gross_amount、discount_amount 與 net_amount。GitHub 文件定義 net_amount 是套用折扣後的可計費金額，且 gross_amount - discount_amount = net_amount。如果只看 token 總數，不看 AI credits 和 net amount，容易把快取命中、方案內含量或模型單價差異誤判成異常。

token 報表適合用來排查什麼#

它比較適合回答以下問題：

• 某個模型的 input token 是否在長期上升？是否有 prompt 或 repository 脈絡變得過大？
• 同一個模型的 output token 是否集中在某一種 agent 任務？
• cache read／write 是否和預期的長對話或重複脈絡相符？
• AI credits 增加時，究竟是模型變更、使用者增加，還是任務內容改變？

它不適合單獨回答「哪個模型品質最好」或「誰的產能最高」。同樣的 token 數可能來自不同難度、不同模型和不同工具工作流；若要做工程判斷，還要連回 PR、CI、revert、incident 或人工 review 的結果。

如果你要查的是目前 conversation 的 quota，而不是帳務報表，可以回到 GitHub Copilot 網頁版的最近對話與 token 控制。如果你仍使用舊的 Billing Preview 入口，則可參考 GitHub Copilot Billing Preview 退役後的 AI usage 與預算。

一份可回溯的對帳清單#

每次下載報表時至少保留：

1
下載日期：
2
UTC 查詢區間：
3
Billing entity：
4
原始 CSV 檔名：
5
模型與使用者分組方式：
6
AI credits 合計：
7
gross_amount / discount_amount / net_amount：
8
需要回查的 workflow、PR 或工作階段：

先保存原始檔，再做轉換、去重或匯入 dashboard。若報表和內部總帳不一致，先比較日期範圍、billing entity、模型名稱與折扣欄位，最後才排查程式。不要用重新下載一次的結果覆蓋原始資料，否則很難追蹤 GitHub 後續修正或延遲入帳造成的差異。

結論：用 token 解釋 credits，不要用 token 排名#

逐模型 token breakdown 讓 AI usage report 從「看得到 credits」變成「能追查 credits 由何而來」。實務上先依 UTC 日期、模型和使用者分組，再對照 input、output、cache 欄位與 net_amount；把成本異常連回實際工作流，才能做出可驗證的 prompt、模型或權限調整。

常見問題#