Revolut migra 2000 engenheiros para o GLM próprio: token 10 vezes mais barato

Quase toda equipe que adotou assistentes de IA para código acaba, mais cedo ou mais tarde, tendo a mesma conversa: a conta de tokens cresce mais rápido do que se gostaria, e alguém sugere "vamos usar só para tarefas complexas". A Revolut, se o post recente no X estiver correto, encontrou outra saída: instalou GPUs próprias, rodou nelas o modelo aberto GLM e o transformou na ferramenta padrão para cerca de 2000 engenheiros.

O que exatamente a Revolut fez

Segundo o resumo do post, o esquema é este. A infraestrutura própria da empresa tem 56 GPUs Nvidia B200. Nelas roda o GLM, um modelo aberto que pode ser implantado localmente. O preço fica em cerca de $0.30 por milhão de tokens, ou seja, 10 vezes menos do que a empresa pagava à Anthropic e à OpenAI. Claude Code e Codex não foram descartados: passaram para a lista de exceções, reservados a tarefas que exigem o modelo mais forte, e deixaram de ser o padrão.

O autor do post cita mais um número: o lead time de desenvolvimento, isto é, o tempo entre o início do trabalho em uma tarefa e a sua entrega, melhorou 70%. O resumo não diz como essa medição foi feita, então a cifra deve ser tratada como uma declaração, não como um benchmark verificado.

Por que a economia venceu, e não a qualidade

O mais interessante da história é a explicação do efeito. O GLM, na avaliação do autor, é um pouco mais fraco que os modelos fechados de ponta. Mas antes a IA era racionada: era ligada a tickets complexos, e a rotina era feita à mão para não inflar a conta. Quando o token ficou praticamente de graça para os próprios engenheiros, o assistente passou a ser acionado para tudo: pequenas correções, testes, análise de logs, code review, documentação.

Uma analogia do dia a dia ajuda: táxi e carro próprio. O táxi é melhor e mais confortável, mas você só o usa quando "vale a pena". O carro próprio é um pouco mais simples, mas serve para ir a qualquer lugar, sem calculadora na cabeça. No total, você roda mais e faz mais. Um modelo "de cotas" perde para um modelo sem limites, mesmo que o primeiro seja mais inteligente.

Para quem isso serve, e para quem não

Aqui é preciso cautela. Primeiro, trata-se do resumo de um post, não de um comunicado oficial da Revolut. Não há detalhes sobre a versão do GLM nem sobre como a empresa calculou os $0.30 por milhão de tokens, e não se sabe se o valor inclui a compra das B200, a energia elétrica e o trabalho dos engenheiros que mantêm tudo funcionando. São justamente essas linhas de custo que mais costumam derrubar a conta bonita de que "um cluster próprio sai mais barato que a API".

Segundo, o esquema funciona numa grande empresa com uma equipe de infraestrutura forte. O próprio autor do post faz a ressalva: para equipes pequenas, sem GPUs e especialistas próprios, a API por enquanto é mais simples e mais barata. Para um desenvolvedor individual, a compra de, por exemplo, um Mac Studio para rodar modelos locais levaria cerca de 10 anos para se pagar em comparação com o gasto com API.

Para os laboratórios que baseiam seu negócio no preço alto do token, a história também é desconfortável: se grandes clientes passarem a adotar modelos abertos como padrão, os carros-chefe fechados ficarão com o papel de caro "especialista em casos difíceis".

O que fazer com isso

Se você tem centenas de engenheiros e DevOps próprio, vale estimar três coisas: quantos tokens realmente vão hoje para provedores externos, que parte das tarefas tolera um modelo um pouco mais fraco e quanto custa manter o cluster junto com as pessoas. Depois, configure o roteamento: modelo aberto por padrão, e os casos complexos seguem, manual ou automaticamente, para o Claude Code ou o Codex.

Se a sua equipe é pequena, a principal lição da Revolut vale mesmo sem as B200: verifique se você não está economizando tokens justamente onde a IA poderia eliminar a rotina. Às vezes, um modelo barato e sem restrições é mais útil do que um caro que só pode ser consultado uma vez por dia.