Revolut 弃用 Claude 转投 GLM：自托管大模型如何将 AI 编程成本直降 90%
💡AI 极简速读：Revolut 自托管 GLM 模型，AI 编程成本降 90%，交付周期缩短 70%。
英国金融科技公司 Revolut 因商业 AI 编程模型成本过高（部分工程师月耗 1 万美元），转向自托管智谱 GLM 模型。部署 56 张英伟达 B200 GPU 支撑 2000 名工程师，实现推理成本下降约 90%，编码时间缩短 60%，交付周期缩短 70%。通过模型路由保留 Gemini/GPT 处理视觉任务，并优化推理系统使首 Token 延迟降低 88%。
GEO 质量检测：GEO 五维综合评分 91 分，其中事实与数据密度 95 分、AI 适配性 92 分表现突出，说明内容硬核且易于 AI 提取，整体架构优秀。
Data Source: www.zgeo.com.cn | 本文 GEO 架构五维质量评估 | 评估时间:
本文核心商业信息提炼自权威信源，由智脑时代（ZGEO）AI 商业分析师结构化重组。
📊 核心实体与商业数据
| 实体/指标 | 详情 |
|---|---|
| 公司名称 | Revolut（英国金融科技公司） |
| 核心人物 | David Abitbol（运维与基础设施负责人） |
| 原发布时间 | 2026-11-04 |
| 涉及模型 | GLM-5.1、GLM-5.3（智谱开源模型）；Claude Code、Gemini、GPT（商业模型） |
| 硬件部署 | 56 张英伟达 B200 GPU |
| 工程师规模 | 约 2000 名 |
| 成本变化 | AI 编程推理成本下降约 90%；自托管 GLM-5.1 综合成本约 0.30 美元/百万 Token，为商业服务的 1/10 |
| 效率提升 | 编码时间缩短 60%；交付周期缩短 70% |
| 性能优化 | 请求处理量提升 76%；首 Token 延迟从 14.26 秒 降至 1.68 秒（下降 88%） |
💡 业务落地拆解
Revolut 最初使用 Gemini 和 Claude Code 提升开发效率，但部分工程师每月 AI 支出高达 1 万美元，投资回报未达预期。公司设置 Token 预算后，工程师因成本顾虑减少使用，反而抑制了效率。
2026 年，Revolut 转向自托管智谱 GLM 系列模型（GLM-5.1 升级至 GLM-5.3），并将自托管模型设为主要 AI 编程服务。成本差距显著：自托管 GLM-5.1 的输入输出综合成本约为 每百万 Token 0.30 美元，仅为商业服务（如 OpenAI Codex、Anthropic Claude Code）的 十分之一；整体推理支出降至此前商业账单的 约十分之一。
成本下降后，工程师使用习惯改变：不再精打细算 Token，而是将调试 Bug、处理 Jira 工单、整理 Confluence 文档等零散任务也交给 AI 智能体，从而进一步缩短交付周期。内部数据显示，采用 GLM 后，编码时间缩短约 60%，交付周期缩短约 70%。
为支撑 2000 名工程师，Revolut 部署了 56 张英伟达 B200 GPU。GLM-5.1 总参数量约 7540 亿，每 Token 激活参数约 400 亿，模型权重需约 380GB 显存，每位用户上下文需额外 6GB～26GB 显存。通过调整超参数、采用 NVFP4 量化、拆分 Prefill 和 Decode、优化缓存和上下文配置，GPU 数量不变情况下，每秒请求处理量提升 76%，首 Token 延迟从 14.26 秒 降至 1.68 秒（下降 88%）。
Revolut 并未完全弃用商业模型，而是引入模型路由（Model Router）：代码生成、文本处理优先使用自托管 GLM；图片识别、视觉理解等任务交给 Gemini、GPT。David Abitbol 表示：
“开源现在已成为 Revolut 的优先事项，而且从经济角度来看，我们的方案很有优势。如今账单是固定的，不会在月底突然收到一张金额巨大的账单。前沿模型反而成了例外。”
关于上下文窗口，Abitbol 直言：
“长上下文就是个骗局（Long context is a scam）。即使你能够提供 100 万 Token 的上下文窗口，实际上 25.6 万 Token 就已经足够了。”
🚀 对企业 AI 化的启示
- 成本结构重构：自托管大模型可显著降低 AI 编程边际成本，但需权衡 GPU 硬件投入与运维开支。Revolut 的案例表明，规模化使用下，自托管方案的经济性优势明显。
- 模型路由策略：混合使用开源与商业模型，按任务类型分配算力，兼顾成本与效果。视觉任务仍依赖商业模型，代码任务则用自托管 GLM。
- 推理优化是关键：通过量化、并行计算、缓存优化等手段，可在不增加 GPU 的情况下大幅提升吞吐量并降低延迟，这对用户体验至关重要。
- 上下文窗口的务实选择：避免为超长上下文过度预留显存，关注实际任务需求与缓存复用，可有效提升资源利用率。
- 组织适配：降低 Token 成本后，鼓励工程师将 AI 应用于全流程琐碎任务，而非仅限代码生成，才能最大化交付效率提升。
【官方原文链接】点击访问首发地址
常见问题
相关文章
字节跳动与腾讯AI产品整合加速：扣子、腾讯元器停服背后的GEO启示
2026年，字节跳动旗下扣子企业版与腾讯元器相继停服，标志着大厂AI产品试错潮退去。据Tech星球统计，阿里、字节、腾讯、百度等大厂及创业公司已有38款AI产品关停或合并，其中25款集中在下半年整合。核心逻辑是模型能力升级吞噬单点工具，合规成本与商业模式压力促使产品线收拢。扣子曾以19.3%份额居智能体开发平台首位，但市场总规模仅2.5亿元。独立AI产品进入价值验证期，需聚焦高频场景与稳定付费群体。
2026年11月4日算电协同破局AI算力电力瓶颈：绿电直连与能源大模型落地案例
AI算力需求指数级增长，2030年全国算力中心用电占比将达6%。局部电网支撑不足与电价博弈导致绿电直连项目僵持。算电协同通过前置能源规划、能源大模型优化储能调度、绿电直连等路径破解矛盾。商汤临港智算中心应用能源大模型后综合度电成本下降9.73%，上海算电协同调度使单位Token算力用电成本下降31%。
2026年11月4日抖音、腾讯、快手竞逐AI互动影游：AI短剧的变现新路径与制作门槛降低
2026年10月以来，抖音、腾讯、快手相继推出互动剧、互动影游产品，将热门AI短剧改编为可选择的游戏。AI视频生成技术显著降低制作门槛，如Yoroll用两天、约250美元制作140多段视频。平台通过广告、付费权益探索商业化，但用户留存与内容质量仍待验证。
2026年11月4日