Revolut заявил о сокращении расходов на ИИ-ассистентов для кода почти на 90% после перехода на GLM
Британский финтех Revolut отказался от Claude Code и Codex в пользу открытой модели GLM от Z.ai, развернутой на собственных GPU. Об этом на конференции AI Engineer в Нью-Йорке сообщил руководитель эксплуатации и инфраструктуры компании Дэвид Абитбол.
Revolut начал использовать Gemini в начале 2025 года, а в начале 2026-го подключил Claude Code. Отдельные инженеры тратили на ИИ-ассистентов от 1 000 до 10 000 долларов в месяц при небольшой отдаче, и компании пришлось вводить лимиты на токены. «Мы очень скептически относились к стоимости ИИ», — сказал Абитбол.
Сейчас около 2 000 инженеров банка работают с моделью GLM-5.3 китайской компании Z.ai, развернутой на собственной инфраструктуре. По данным Hugging Face, модель насчитывает порядка 753 млрд параметров. Вся нагрузка обслуживается 56 ускорителями NVIDIA B200 — это около семи систем DGX B200, то есть примерно 36 инженеров на один GPU.
Revolut ограничил длину контекста до 256 000 токенов — при времени до первого токена менее трех секунд и скорости генерации около 200 токенов в секунду, которая вечером при снижении нагрузки достигает 800. «Длинный контекст — это развод», — заявил Абитбол.
По оценке компании, итоговая себестоимость составила 0,30 доллара за миллион токенов — примерно в десять раз меньше, чем расходы на Codex и Claude Code, хотя сравнение не вполне корректно: подписки включают агентную обвязку, а собственный кластер требует инженеров эксплуатации.
По словам Абитбола, когда токены перестали быть дефицитом, инженеры стали запускать задачи параллельно — прежде всего отладку и работу с тикетами в Jira и Confluence, что дало прирост скорости написания кода на 60% и сокращение lead time на 70%.
GLM работает только с текстом, поэтому визуальные задачи в Revolut направляют в Gemini и модели OpenAI.
