Revolut 用中国开源模型 GLM 替代 Claude 与 Codex，编程成本降九成

位于伦敦的Revolut总部大堂。© Revolut 将“热门话题”设为Google首选来源。 不设消费上限、token无限使用，价格却只有原来的十分之一：数字银行Revolut已将其约2000名软件工程师从Claude Code和Codex迁移到一款自托管的中国开放权重模型上。Revolut现在的默认编程工具不再是Anthropic和OpenAI的编程智能体，而是GLM——来自中国AI实验室Z.ai的模型。据Revolut称，其账单现在约为这家金融科技公司过去支付给Anthropic和OpenAI费用的十分之一。

David Abitbol负责Revolut的AI运营与基础设施，他在纽约AI Engineer大会上的演讲《像初创公司一样交付，像银行一样接受监管》中分享了这些细节。Revolut在45个市场拥有超过8000万客户，近期估值约1150亿美元（约1030亿欧元），是欧洲最有价值的初创公司之一。对于最终的IPO，公司目标估值高达2000亿美元（约1800亿欧元）。

Revolut是一步步走到这一步的。据Abitbol介绍，公司首先在全公司范围内部署了Google的Gemini，使编程时间缩短了20%，从接手任务到合并的交付周期缩短了10%。接下来是Claude Code，但对每位工程师设有严格的预算限制。他说，起初收益很小，而成本却很高。

自今年春天以来，GLM一直在Revolut自己的基础设施上运行，数据看起来大不相同。在约2000名工程师的样本中，编程时间下降了60%，交付周期下降了70%。对Abitbol来说，交付周期降幅大于编程时间降幅很能说明问题：“工程的瓶颈不一定是编程，”他说。工程师们大量时间花在翻找收件箱、Jira和Confluence上。

对工程师来说最大的变化是token限制没有了。他们不再需要精打细算地使用，比如在季度末或处理特别繁重的任务时。

技术配置出人意料地 modest。Revolut在大约56块Nvidia B200芯片上运行GLM——一个约8000亿参数的模型。Abitbol说，成本约为每百万token 30美分，固定的账单取代了不可预测的月末发票。

对于一家受监管的银行来说，模型的来源很敏感。“使用中国开源模型一直存在很多污名，”Abitbol承认。因此，Revolut只使用公开可用的模型权重，并在美国的基础设施上运行，而不是通过开发商在中国的推理端点。数据只应在具有同等数据保护的司法管辖区处理，如美国、欧盟、英国和以色列，且提供商必须默认零数据保留。

Revolut还向监管机构表示，其编程智能体不会自主行动。它们运行在沙箱中，配有审批规则来决定允许哪些命令。“它们始终有人在环，”Abitbol说。

Revolut并不孤单。来自中国的开放模型如GLM、DeepSeek和Kimi在基准测试中一直在追赶，而像Mistral这样的欧洲开发商也在押注开放权重，推出了Mistral Large 4。

这种方法能否推广到其他公司仍是一个悬而未决的问题。根据StartupHub.ai的分析，90%的节省不包括云、人员和监控成本。结果还取决于56块B200芯片、持续的调优，以及Revolut通过沙箱规则和工作时间塑造负载的能力。较小的团队可能面临高额账单或响应时间缓慢的问题。

然后是硬件。Abitbol没有说明Revolut是购买了这56块B200芯片还是租用。购买意味着数百万美元的投资：当Nvidia推出B200时，其首席执行官黄仁勋将价格定在每块芯片3万至4万美元，56块芯片总计约170万至220万美元（约150万至200万欧元）。据行业估计，每台配备八块B200的完整服务器成本约为45万至50万美元。七个这样的系统将达到320万至350万美元（约290万至310万欧元），还不包括电力和数据中心成本。

而且芯片有保质期。Nvidia现在每年发布新一代芯片，Blackwell的继任者Rubin已经在路上。像Nscale这样的数据中心运营商按五到六年对其GPU进行折旧，但他们承认，如果技术变化很快，这个使用寿命可能太长。像投资者Michael Burry这样的批评者认为两到三年更现实。

出于数据保护原因，此内容已被隐藏。外部内容的嵌入可以在数据保护设置中激活：