Revolut弃用Claude和Codex，改用GLM自托管模型省九成AI编码成本

发生了什么？Revolut 已将约 2000 名软件工程师的默认编程工具从 Anthropic 的 Claude Code 和 OpenAI 的 Codex 上迁走，改用 GLM——这款来自中国 AI 实验室 Z.ai 的开源权重模型由 Revolut 自行托管。据 Revolut 称，其账单现在约为过去支付给 Anthropic 和 OpenAI 的十分之一。

谁说的？负责 Revolut AI 运营与基础设施的 David Abitbol 在纽约 AI Engineer 大会的演讲《像创业公司一样交付，像银行一样受监管》中给出了这些数字。11 月初，Trending Topics 对此进行报道后，细节迅速传播开来。

数字。Revolut 通过约 56 块 Nvidia B200 GPU 向工程师提供 GLM 服务，混合成本约为每百万 token 0.30 美元。在约 2000 名工程师的样本中，Abitbol 报告称切换后编码时间缩短约 60%，前置时间（从接手任务到合并）缩短约 70%。这些是 Revolut 自己的数据，且公司的对比并未将模型更换与其他因素（例如取消 token 限制）区分开来。

为什么切换？Revolut 最初部署了 Google 的 Gemini，随后是带严格人均预算的 Claude Code。Abitbol 表示，早期 Claude Code 的部署成本高昂但收益有限，而且 token 配给让工程师把 AI 留给了困难的编码任务。采用固定、自托管的账单后，限制消失了。“工程的瓶颈不一定是编码，”他说，并指出时间浪费在收件箱、Jira 和 Confluence 上。

中国的权重，西方的服务器。Abitbol 承认，在一家受监管的银行使用中国开源模型存在“污名”。Revolut 只使用开放权重，并在其位于美国的自有基础设施上运行，而非通过 Z.ai 的托管服务。图像任务被路由到 Gemini，Claude Code 和 Codex 仍作为最困难工作的例外保留可用。编码 agent 在带审批规则的沙箱中运行，并有人工介入。

可能出什么问题？90% 的节省不包括云、人员和监控成本，且依赖于大量调优：Abitbol 表示，开箱即用的推理“糟透了”，直到团队在相同 GPU 上把首 token 时间从约 14 秒缩短到 1.7 秒。没有 Revolut 这样规模和基础设施团队的小公司可能得不到相同的结果。

信号：欧洲最有价值的科技公司之一，现在正将一款中国开源权重模型作为其整个工程团队日常编码工作的默认选择，而非试点。这对 AI 实验室的企业业务是一个警告：对于常规、大批量的工作，“足够好且便宜”开始胜出，前沿模型则留给例外情况。