Quem usa GitHub Actions em repositórios privados conhece o problema: a cota mensal de minutos parece generosa até o projeto crescer. No palco Stadium, uma apresentação dedicada a "Cortando a Conta do CI/CD: Self Hosted Runners para Builds e Agentes de IA" detalhou como uma empresa com cerca de 150 repositórios reduziu drasticamente esse custo.
O tamanho do problema
Segundo o palestrante, o cenário antes da mudança envolvia um volume alto de execuções: "a gente consome em média, acho que da última vez foram 900 mil minutos por mês de execução dos pipelines que a gente tem lá". O resultado financeiro: "a gente pagava, na verdade, em média, em torno de 40, 50 mil dólares só de GitHub Actions".
Os slides projetados resumiram a virada: de +US$ 40 mil/mês para uns US$ 135 fixos.
Como funciona a cota hoje
A apresentação passou pelos números atuais do GitHub: o plano free oferece 2 mil minutos mensais para repositórios privados, o Pro e o Team chegam a 3 mil, e o Enterprise a 50 mil — cotas que, segundo o palestrante, "parecem muito, mas não é muita coisa" para quem tem volume real de build. Há ainda multiplicadores: máquinas Windows custam o dobro dos minutos e macOS custa dez vezes mais que uma máquina Linux padrão.
Um ponto de atenção para times que usam IA no pipeline: desde junho, execuções do Copilot (como revisão automática de pull requests) também consomem minutos de Actions. Antes disso, segundo o palestrante, "a Microsoft não cobrava para executar agentes de IA" nesse contexto — agora, o uso soma tokens de IA mais minutos de runner.
As alternativas de self-hosted
Para projetos pequenos, a recomendação foi simples: rodar um runner na própria máquina, um container Docker em uma VPS barata, ou aproveitar repositórios públicos, que já são gratuitos. Já para operações de alto volume, o caminho apresentado foi mais sofisticado — uma arquitetura batizada de ARC (Actions Runner Controller) combinada com Karpenter, escalando instâncias Spot sob demanda conforme a fila de jobs cresce ou diminui, do push até o retorno a zero máquinas ativas.
A apresentação também mostrou, na prática, como registrar um runner via Docker Compose, gerando token pelo GitHub CLI e definindo réplicas para rodar jobs em paralelo — um script de exemplo, batizado de "opslama-runner", cuidava do registro e da remoção automática do runner ao final da execução.
Para equipes de engenharia que sentem o peso da fatura de CI/CD, o recado do palco foi direto: avaliar o volume real de minutos consumidos e considerar migrar cargas pesadas para infraestrutura própria pode significar uma redução de custo em ordem de grandeza — sem abrir mão da automação.