GitLab ergänzt Open-Weight-Modelle, Limits und Analysen, um die Kosten für KI-Agenten zu bremsen
GitLab hat die Duo Agent Platform um Werkzeuge erweitert, mit denen Plattform-Teams nachvollziehen können, wohin ihre KI-Credits fließen, die Nutzung deckeln und die Kosten für Agenten-Arbeit senken können. Zum Paket gehören von GitLab verwaltete Open-Weight-Modelle, der Kontextgraph GitLab Orbit, Impact Analytics sowie Steuerungsfunktionen für Credits und Nutzung.
- GitLab 19.4 bringt GLM 5.3, Kimi K3 und MiniMax M3 als von GitLab verwaltete Open-Weight-Modelle in die Duo Agent Platform.
- Im internen GitLab-Benchmark erreichten die Modelle die Aufgabenerledigung von Claude Opus 5, Claude Fable 5.1 und GPT-5.5 bei einem Fünftel, einem Drittel beziehungsweise einem Achtel der Kosten.
- Laut GitLab senkte Orbit in Tests mit Claude Code die Wiederholungen um bis zu das 45-Fache und den Tokenverbrauch um das 4,5-Fache; die allgemeine Verfügbarkeit folgt im kommenden Monat.
- Credit-Limits lassen sich pro Abonnement, Gruppe oder Nutzer setzen, mit Warnungen bei 50, 80 und 100 Prozent und automatischer Pause bei Erreichen der Obergrenze.
- Impact Analytics ist im Early Access; Open-Weight-Modelle und Credit-Steuerung sind allgemein verfügbar.
Das passende Modell für die jeweilige Aufgabe
Laut GitLab beginnen die Kosten von Agenten beim Preis jedes einzelnen Modellaufrufs. In der Duo Agent Platform können Admins pro Funktion ein Standardmodell festlegen und bestimmen, was Teams nutzen dürfen: ein eigenes Modell, selbst gehostet oder von einem Anbieter, von GitLab verwaltete Frontier-Modelle oder die von GitLab verwalteten Open-Weight-Modelle, die mit GitLab 19.4 neu hinzukommen.
Drei Open-Weight-Modelle werden jetzt in der Plattform gehostet: GLM 5.3, Kimi K3 und MiniMax M3. In einem internen GitLab-Benchmark mit Duo-Agenten erreichte GLM 5.3 nach Angaben des Unternehmens bei der Aufgabenerledigung das Niveau von Claude Opus 5, und zwar bei etwa einem Fünftel der Kosten. Kimi K3 habe Claude Fable 5.1 bei einem Drittel der Kosten erreicht, MiniMax M3 GPT-5.5 bei einem Achtel der Kosten.
Die Modellauswahl ist eine Admin-Einstellung. In den GitLab-Duo-Einstellungen der obersten Gruppe öffnen Admins die Modellauswahl (Model Selection), wählen „Manage Models“ und legen für jede Funktion ein Modell fest. GitLabs Beispiel: Kimi K3 für Agentic Chat und MiniMax M3 für Agenten und Flows, damit Routinearbeit nicht standardmäßig auf einem Frontier-Modell läuft. Gruppeneigentümer (Group Owners) bestimmen zudem, welche Modelle ihre Teams verwenden dürfen.
Weniger Wiederholungen dank Orbit
Die Modellwahl legt den Preis pro Aufruf fest, Wiederholungen vervielfachen die Zahl der Aufrufe. GitLab verweist auf eine Gartner-Erkenntnis, wonach ein Team mit 40 Entwicklern 23-mal mehr für KI ausgab, weil Agenten ohne passende Regeln und den richtigen Kontext immer wieder neu ansetzten.
GitLab Orbit bildet Code, Work Items, Merge Requests, Pipelines, Deployments und Sicherheitsbefunde in einem einzigen Graphen ab, der aktuell bleibt, während Teams ausliefern. Agenten in der Duo Agent Platform fragen ihn nativ ab. Externe Agenten wie Claude Code und Codex binden sich über das Model Context Protocol (MCP) an, eigene Werkzeuge nutzen die REST-API. Jeder Agent sieht in GitLab genau das, was auch sein Nutzer sehen darf.
In GitLab-Tests brauchte dieselbe Aufgabe in Claude Code mit Orbit bis zu 45-mal weniger Wiederholungen und, davon unabhängig, 4,5-mal weniger Tokens, um gleich beim ersten Mal den richtigen Kontext zu erhalten. Orbit befindet sich auf GitLab.com in einer kostenlosen Betaphase und ist laut GitLab im kommenden Monat für alle Bereitstellungsoptionen allgemein verfügbar.
Transparenz und Ausgabenlimits
Die Impact Analytics der Duo Agent Platform schlüsseln die Ausgaben nach Team, Aufgabe und Modell auf, für eine frei gewählte Auswahl an Teams und einen bestimmten Zeitraum. Sie zeigen außerdem, wie sich ein Open-Weight-Modell im Vergleich zum aktuellen Modellmix schlägt. Das GitLab-Credits-Dashboard geht unter die Teamebene und führt die Nutzung bis zum Nutzer und zur Sitzung dahinter zurück. Impact Analytics stellt zudem den Credit-Verbrauch der Arbeit gegenüber, die es in die Produktion schafft.
Mit den Steuerungsfunktionen für Credits und Nutzung lassen sich Obergrenzen auf Ebene des Abonnements, der Gruppe oder des einzelnen Nutzers setzen. Sie lösen Warnungen bei 50, 80 und 100 Prozent der Ausgaben aus und pausieren die Nutzung automatisch, sobald das Limit erreicht ist. GitLab nennt als Beispiel eine pauschale Obergrenze von 1.000 Credits pro Nutzer und Monat, mit individueller Ausnahme, etwa 500 zusätzlichen Credits für einen Entwickler, der experimentiert.
Limits pro Nutzer greifen, sobald ein Nutzer seine enthaltenen Credits aufgebraucht hat. Nur der betroffene Nutzer verliert dann den Zugriff auf Funktionen, die Credits verbrauchen, bis zur nächsten Abrechnungsperiode oder bis ein Administrator das Limit anhebt.
Verfügbarkeit und Einstiegsempfehlung
Die von GitLab verwalteten Open-Weight-Modelle sowie die Steuerung von Credits und Nutzung sind allgemein verfügbar. Die Impact Analytics der Duo Agent Platform befinden sich im Early Access. GitLab empfiehlt, beim Modell anzufangen: GLM 5.3, Kimi K3 oder MiniMax M3 einer Routine-Aufgabe zuweisen, etwa einem Flow, der bei jedem Merge Request läuft. Danach Orbit für die Gruppe aktivieren, die die meisten Agentensitzungen ausführt, und anschließend Limits pro Nutzer setzen, mit Ausnahmen für Vielnutzer. Nach einigen Wochen können Teams die Nutzung nach Team und Modell mit dem Vorzeitraum vergleichen.
Neue Nutzer können eine kostenlose Testversion der GitLab Duo Agent Platform starten. Kunden mit Premium und Ultimate können sie aktivieren und die im Abonnement enthaltenen GitLab Credits nutzen. Die Kostenangaben stammen aus GitLabs eigenem Benchmark und eigenen Tests, die Ergebnisse können je nach Workload abweichen.
