2026-11-03,Revolut 表示,已将 GLM 设为约 2,000 名软件工程师的默认编程模型。该公司称,在自有基础设施上自托管这一开放权重模型,使其账单降至此前为 Claude Code 和 Codex 向 Anthropic 和 OpenAI 支付金额的约十分之一。工程师不再受代币用量限制,而图像任务仍交由 Gemini 处理,Claude Code 和 Codex 则作为例外选项继续提供。
Revolut 从 Gemini 转向 Claude Code 和 GLM
Revolut 最初在公司内部全面推出了谷歌的 Gemini。据负责 Revolut AI 运营和基础设施的 David Abitbol 介绍,这使编程时间缩短了 20%,从接手任务到合并代码的交付时间缩短了 10%。随后推出的是 Claude Code,但 Revolut 对每位工程师设定了严格的预算上限。Abitbol 表示,最初带来的收益不大,成本却很高。
从春季开始,GLM 就运行在 Revolut 自有基础设施上。在约 2,000 名工程师的样本中,编程时间缩短了 60%,交付时间缩短了 70%。Abitbol 表示,交付时间降幅更大,反映出工程瓶颈不一定只在编程环节:工程师还要花时间查找收件箱、Jira 和 Confluence 中的信息。
这项变更还取消了代币用量限制。工程师在季度末或处理特别耗费资源的任务时,不再需要节省用量。
Revolut 使用 56 块英伟达 B200 芯片运行 GLM
Revolut 使用约 56 块英伟达 B200 芯片运行 GLM,这一模型约有 8000 亿个参数。Abitbol 表示,成本约为每百万个代币 30 美分,以固定账单取代了难以预测的月末账单。
Abitbol 表示,该模型最初的推理性能“糟糕透顶”。经过优化后,首个代币生成时间从 10 秒以上降至 1.6 秒,需求同时增长了 76%。他说,超过 5 秒后,“我的 Slack 收件箱就会炸锅”。GLM 的上下文窗口上限为 256,000 个代币。它只能处理文本,因此路由器会将图像任务发送给 Gemini。
Claude Code 和 Codex 仍可使用。Abitbol 称,Anthropic 和 OpenAI 的最新模型非常出色,但 Revolut 现在只在例外情况下少量使用它们。
Revolut 将 GLM 权重保留在美国基础设施上
对受监管的银行而言,使用来自中国的模型是个敏感问题。Abitbol 承认,“使用中国开源模型会受到很多偏见”。Revolut 只使用公开提供的模型权重,并在美国的基础设施上运行模型,而不使用开发者设在中国的推理端点。
Revolut 表示,数据应仅在具有同等数据保护水平的司法管辖区处理,例如美国、欧盟、英国和以色列。服务提供商必须默认不保留任何数据。该公司还向监管机构说明,其编程智能体不会自主行动:它们在沙盒中运行,并受审批规则约束,以确定允许执行哪些命令;Abitbol 表示,“始终有人参与监督”。
文章还指出,GLM、DeepSeek 和 Kimi 等中国开源模型在基准测试中的表现正在迎头赶上,而 Mistral 等欧洲开发者则押注开放权重,推出了 Mistral Large 4。
Revolut 的 GLM 节省金额未计入若干成本
StartupHub.ai 的一项分析称,公布的 90% 节省金额未计入云服务、人员和监控成本。结果还取决于 56 块 B200 芯片、持续调优,以及 Revolut 通过沙盒规则和工作时间来塑造工作负载的能力。分析称,较小的团队可能面临高额账单或缓慢的响应时间。
Abitbol 没有透露 Revolut 是购买还是租用了这 56 块 B200 芯片。如果是购买的,英伟达 CEO 黄仁勋在英伟达推出 B200 时给出的每块芯片 30,000 至 40,000 美元的价格,意味着 56 块芯片的成本约为 170 万至 220 万美元(约 150 万至 200 万欧元)。据行业估算,每台配备 8 块 B200 的完整服务器售价约为 450,000 至 500,000 美元。7 台此类系统总价为 320 万至 350 万美元(约 290 万至 310 万欧元),不包括电力和数据中心成本。
文章称,英伟达现在每年都会发布新一代芯片,而 Blackwell 的继任者 Rubin 已在路上。Nscale 等数据中心运营商会在 5 至 6 年内折旧 GPU,而投资者 Michael Burry 认为 2 至 3 年更为现实。
Revolut 的 GLM 部署与成本数据
- Revolut 将 GLM 设为约 2,000 名软件工程师的默认编程模型。
- Revolut 表示,其账单降至此前为 Claude Code 和 Codex 向 Anthropic 和 OpenAI 支付金额的约十分之一。
- GLM 约有 8000 亿个参数,运行在约 56 块英伟达 B200 芯片上。
- 据报告,GLM 的成本约为每百万个代币 30 美分。
- 经过优化后,首个代币生成时间从 10 秒以上降至 1.6 秒,同时需求增长了 76%。
- GLM 的上下文窗口上限为 256,000 个代币,且只能处理文本。
- 根据 StartupHub.ai 的分析,公布的 90% 节省金额未计入云服务、人员和监控成本。
- Revolut 的估值约为 1150 亿美元(约 1030 亿欧元),公司正瞄准最高 2000 亿美元(约 1800 亿欧元)的估值,为最终 IPO 做准备。
常见问题
Revolut 称 GLM 将其 AI 编程账单降低了多少?
Revolut 表示,其账单现在降至此前为 Claude Code 和 Codex 向 Anthropic 和 OpenAI 支付金额的约十分之一。StartupHub.ai 的分析称,公布的 90% 节省金额未计入云服务、人员和监控成本。
Revolut 使用什么硬件运行 GLM?
Revolut 使用约 56 块英伟达 B200 芯片运行 GLM,这一模型约有 8000 亿个参数。据报告,其成本约为每百万个代币 30 美分。
Revolut 如何通过 GLM 处理数据和图像任务?
Revolut 在美国的基础设施上运行公开提供的模型权重,而不是使用开发者设在中国的推理端点。GLM 只能处理文本,路由器会将图像任务发送给 Gemini。