GitHub Codespaces یا Ona؛ ساعت ارزان همیشه صورت‌حساب ارزان نمی‌سازد

اگر مخزن‌های تیم در GitHub هستند و عمدتاً محیط توسعهٔ ابری می‌خواهید، GitHub Codespaces انتخاب ساده‌ای برای شروع است. Ona، نام تازهٔ Gitpod، برای تیمی که مخزن GitLab یا عامل AI هم در جریان کارش دارد گزینهٔ قابل‌بررسی است؛ اتصال به GitHub و GitLab را حفظ کرده، اما پیکربندی قدیمی Gitpod را با devcontainer.json و automations.yml جایگزین کرده است.

برای انتخاب بر اساس هزینه، نرخ یک ساعت را از مبلغ ماهانه جدا کنید. تعرفهٔ Codespaces برای ماشین دوهسته‌ای ۰٫۱۸ دلار و برای چهارهسته‌ای ۰٫۳۶ دلار در ساعت، به‌علاوهٔ ۰٫۰۷ دلار به‌ازای هر گیگابایت‌ماه ذخیره‌سازی تعیین می‌کند. در طرح Core در Ona، قیمت از ۲۰ دلار در ماه آغاز می‌شود و اعتبار OCU میان اجرای محیط و گفت‌وگوی عامل مشترک است؛ پس مصرف AI می‌تواند صورت‌حساب را حتی با ساعت‌های ثابتِ کار توسعه‌دهنده تغییر دهد.

دو مدل پرداخت، دو معنای متفاوت برای «ساعت»

Codespaces زمان پردازش را وقتی محیط فعال است حساب می‌کند. فضای اشغال‌شدهٔ محیط تا وقتی باقی بماند، و همچنین فضای پیش‌ساخت‌ها، ردیف دیگری از مصرف است. خاموش‌کردن ماشین بنابراین هزینهٔ پردازش را متوقف می‌کند، اما لزوماً هزینهٔ نگهداری محیط را به صفر نمی‌رساند. اندازهٔ ماشین نیز در مبلغ اثر مستقیم دارد: ساعتِ ماشین چهارهسته‌ای در تعرفهٔ اعلام‌شده دو برابر ساعتِ ماشین دوهسته‌ای است.

در Ona، OCU واحد مشترک مصرف زیرساخت و عامل است. نمونهٔ اعلام‌شده برای یک ماشین مجازی با چهار vCPU و ۱۶ گیگابایت رم، یک OCU در هر ساعت اجراست؛ کار عامل بسته به درخواست و حجم کد، مقدار ثابتی ندارد. Core ماهانه بسته به پلهٔ انتخابی ۸۰ تا ۲۲۰۰ OCU دارد و واحدهای افزوده با قیمت آغازین ۱۰ دلار برای هر ۴۰ OCU عرضه می‌شوند. اعتبار اشتراک در پایان دورهٔ ماهانه منقضی می‌شود، در حالی که اعتبار افزوده یک سال اعتبار دارد؛ این تفاوت برای تیمی با مصرف نوسانی مهم است.

این دو ماشین هم‌اندازه نیستند: نرخ ۰٫۱۸ دلاری Codespaces برای دو هسته است، اما مثال یک OCU در ساعت Ona به چهار vCPU مربوط می‌شود. برای مقایسهٔ نزدیک‌تر از نظر تعداد هسته، باید ردیف چهارهسته‌ای Codespaces را نیز دید. حتی آن‌وقت هم یکسان‌بودن تعداد هسته به معنی کارایی یکسان، حافظهٔ کافی برای هر پروژه یا هزینهٔ نهایی برابر نیست.

هزینهٔ فرضی یک توسعه‌دهنده در ۴۰ و ۱۲۰ ساعت

فرض کنید یک نفر فقط یک محیط دارد، آن را در ماه ۴۰ یا ۱۲۰ ساعت روشن نگه می‌دارد و مصرف ذخیره‌سازی صورتحساب‌پذیر Codespaces برابر ۱۰ گیگابایت‌ماه است. این ورودی‌ها فرضی‌اند؛ هزینهٔ پیش‌ساخت، محیط دوم و ابزار AI بیرونی در آن‌ها نیست. برای Ona نیز ابتدا فقط اجرای همان ماشین نمونهٔ چهارهسته‌ای را حساب می‌کنیم تا زمان VM با مصرف عامل مخلوط نشود.

• Codespaces دوهسته‌ای برای ۴۰ ساعت، ۷٫۲۰ دلار پردازش و ۰٫۷۰ دلار ذخیره‌سازی، یعنی جمع ناخالص ۷٫۹۰ دلار دارد. برای ۱۲۰ ساعت، این جمع با همان فرض فضا به ۲۲٫۳۰ دلار می‌رسد.
• Codespaces چهارهسته‌ای با همان زمان و فضا، به‌ترتیب ۱۵٫۱۰ و ۴۳٫۹۰ دلار جمع ناخالص دارد. انتخاب اندازهٔ ماشین در این مثال بیش از هزینهٔ ۱۰ گیگابایت‌ماه فضا بر نتیجه اثر می‌گذارد.
• در Ona، مثال یک OCU برای هر ساعت VM به مصرف ۴۰ یا ۱۲۰ OCU می‌رسد. اگر پلهٔ آغازین ۸۰ واحدی را ۲۰ دلار و هر بستهٔ افزودهٔ ۴۰ واحدی را با کف قیمت اعلام‌شدهٔ ۱۰ دلار فرض کنیم، مبلغ نمایشی ۲۰ یا ۳۰ دلار است؛ این محاسبه قیمت قطعی همهٔ پله‌های اشتراک نیست.

برای حساب شخصی GitHub Free، مبلغ ناخالص لزوماً مبلغ پرداختی نیست: سهمیهٔ ماهانهٔ آن ۱۲۰ هسته‌ساعت پردازش و ۱۵ گیگابایت‌ماه ذخیره‌سازی است. ماشین دوهسته‌ای در مثال ۴۰ساعته، ۸۰ هسته‌ساعت مصرف می‌کند و با فرض فضای یادشده زیر هر دو سقف می‌ماند. در ۱۲۰ ساعت، مصرف به ۲۴۰ هسته‌ساعت می‌رسد؛ اگر سهمیه از قبل دست‌نخورده باشد، ۱۲۰ هسته‌ساعتِ مازاد معادل ۵٫۴۰ دلار پردازش است. استفادهٔ بیشتر نیز به تنظیم روش پرداخت و بودجه وابسته است. حساب سازمانی این سهمیهٔ رایگان را دریافت نمی‌کند.

تیم ۲۰نفره: نبود هزینهٔ صندلی، مصرف را حذف نمی‌کند

حالا همان فرض را برای ۲۰ نفر تکرار کنید: هر نفر یک محیط، ۱۰ گیگابایت‌ماه فضای صورتحساب‌پذیر و ماهانه ۴۰ یا ۱۲۰ ساعت اجرا دارد. مجموع زمان VM به ۸۰۰ یا ۲۴۰۰ ساعت می‌رسد و فضای فرضی در هر دو حالت ۲۰۰ گیگابایت‌ماه است. این جمع، هزینهٔ محیط‌های موازی، پیش‌ساخت‌ها و تفاوت اندازهٔ پروژه‌های اعضا را در بر نمی‌گیرد.

اگر سازمان هزینهٔ Codespaces را بپردازد، در حالت دوهسته‌ای ۴۰ساعته ۱۴۴ دلار پردازش و ۱۴ دلار ذخیره‌سازی، یعنی جمعاً ۱۵۸ دلار به دست می‌آید. حالت ۱۲۰ساعته با همان فضا ۴۴۶ دلار است. با ماشین چهارهسته‌ای، جمع‌ها به‌ترتیب ۳۰۲ و ۸۷۸ دلار می‌شوند. سهمیهٔ حساب‌های شخصی را نمی‌توان از این محاسبهٔ سازمانی کم کرد؛ اینکه هزینه بر عهدهٔ عضو یا سازمان باشد به مالکیت محیط و تنظیمات پرداخت بستگی دارد.

Core در Ona تا ۱۰۰ عضو را بدون هزینهٔ جداگانهٔ صندلی می‌پذیرد و OCUها میان اعضای سازمان مشترک‌اند. اجرای ماشین نمونه برای این تیم به ۸۰۰ یا ۲۴۰۰ OCU می‌رسد. اگر صرفاً برای نشان‌دادن مقیاس، یک اشتراک ۲۰دلاری با ۸۰ OCU و بسته‌های افزوده را همگی با کف قیمت ۱۰ دلار فرض کنیم، حاصل ۲۰۰ یا ۶۰۰ دلار می‌شود. خرید واقعی در این سطح مصرف ممکن است به پلهٔ اشتراک دیگری برسد؛ بنابراین این دو عدد برآوردی مشروط‌اند، نه پیشنهاد قیمت Ona برای تیم.

مصرف عامل AI را در ردیفی جدا ببینید

برای نشان‌دادن اثر عامل، فرض کنید هر نفر ماهانه ۱۰ OCU صرف کار عامل می‌کند. این عدد فقط ورودیِ مثال است و پیش‌بینی مصرف واقعی نیست. برای یک نفر، ردیف VM همچنان ۴۰ یا ۱۲۰ OCU و ردیف عامل ۱۰ OCU است؛ جمع به ۵۰ یا ۱۳۰ OCU می‌رسد. با همان فرضِ پلهٔ آغازین و بسته‌های افزوده، حالت نخست در اعتبار اولیه جا می‌گیرد و حالت دوم به مبلغ نمایشی ۴۰ دلار می‌رسد.

برای تیم ۲۰نفره، عامل در این مثال ۲۰۰ OCU به مصرف ماهانه اضافه می‌کند. در نتیجه، جمع اعتبار موردنیاز برای دو سناریو به ۱۰۰۰ و ۲۶۰۰ OCU می‌رسد؛ مدل قیمتیِ فرضی بالا آن را به ۲۵۰ و ۶۵۰ دلار تبدیل می‌کند. افزایش ۵۰دلاری نسبت به محاسبهٔ محیط خام از فرضِ مصرف عامل می‌آید، نه از تغییر زمان VM. اگر تیم اشتراک Codex را به Ona وصل کند، آن اشتراک مصرف مدل را پوشش می‌دهد و هزینه‌اش باید جدا از محاسبهٔ محیط دیده شود؛ دربارهٔ Claude Code نیز پرداخت مدل بر عهدهٔ Anthropic است.

مخزن، پیش‌ساخت و اختیار سازمانی

محل مخزن گاهی پیش از مقایسهٔ دلارها انتخاب را روشن می‌کند. Codespaces از مخزن و شاخهٔ GitHub محیط می‌سازد و با همان دسترسی‌ها و تنظیمات سازمانی کار می‌کند. Ona به GitHub و GitLab متصل می‌شود؛ برای مخزن GitLab که قرار است در میزبان فعلی بماند، این تفاوت عملی است. پشتیبانی Ona از نمونه‌های میزبانی‌شدهٔ شخصیِ این سرویس‌ها در سطح Enterprise قرار می‌گیرد، پس نام یک سرویس به‌تنهایی برای تعیین سطح اشتراک کافی نیست.

پیش‌ساخت زمان آماده‌شدن محیط را کاهش می‌دهد، اما در Codespaces خودش می‌تواند مصرف جداگانه ایجاد کند. تنظیمات پیش‌ساخت Codespaces امکان نگهداری نسخه‌ها و ایجاد آن‌ها در ناحیه‌های مختلف را دارد؛ هر نسخه و هر ناحیه فضای ذخیره‌سازی مصرف می‌کند و ساخت پیش‌ساخت از GitHub Actions استفاده می‌کند. بنابراین تیمی که چند شاخه، نسخه یا ناحیه را نگه می‌دارد، با جمع‌زدن صرفِ ساعت‌های کار اعضا به برآورد کامل نمی‌رسد. Core در Ona نیز پیش‌ساخت را در فهرست امکانات خود دارد، اما مصرف آن باید در کنار اعتبار محیط و عامل بررسی شود.

در کنترل سازمانی هم دو سطح نیاز متفاوت دیده می‌شود. Core در Ona نقش‌ها، فرمان‌های سراسری و فهرست فرمان‌های ممنوع را ارائه می‌کند؛ استقرار در VPC اختصاصی، SSO و گزارش حسابرسی گسترده در Enterprise با قیمت سفارشی قرار دارند. در Codespaces، سیاست‌های سازمان و اینکه چه کسی مالک و پرداخت‌کنندهٔ محیط است بر دسترسی و بودجه اثر می‌گذارد. برای تیمی با مخزن‌های GitHub و مصرف سبک، سادگی جریان کار و سهمیهٔ حساب شخصی می‌تواند تعیین‌کننده باشد؛ برای تیمی با GitLab یا کار مداوم عامل، باید ظرفیت OCU، اندازهٔ ماشین و کنترل‌های لازم را در همان سناریوی ماهانه کنار هم گذاشت.

بیشتر بخوانید:

• Shopify یا WooCommerce؛ رایگان‌بودن افزونه هزینهٔ کل را تعیین نمی‌کند
• Cloudflare R2 یا Amazon S3؛ خروج داده می‌تواند صورت‌حساب را عوض کند
• RAG یا پنجرهٔ زمینهٔ بلند؛ اسناد بیشتر همیشه پاسخ بهتر نمی‌سازند