Revolut migrou 2.000 desenvolvedores para o GLM e reduziu os custos de IA em 90%

Quando os assistentes de IA para programacao surgiram, suas faturas pareciam insignificantes em comparacao com os salarios. Depois, os desenvolvedores comecaram a executar agentes por muitas horas ao dia, e aquela pequena despesa virou uma rubrica separada no orcamento. Na Revolut, segundo relatos, essa rubrica chegou a $10.000 por mes para alguns engenheiros. A fintech concluiu que as contas ja nao fechavam.

O que exatamente foi feito

Segundo relatos, a Revolut migrou cerca de 2.000 desenvolvedores do Claude Code e do Codex para o modelo aberto GLM, da chinesa Z.ai. Um milhao de tokens agora custa aproximadamente $0,30, valor 10 vezes menor que o anterior. Segundo as informacoes publicadas, os gastos totais da empresa com IA cairam 90%.

O principal detalhe nao e o preco, mas o que foi feito com os limites. Antes, os engenheiros mantinham um contador mental: se valia a pena enviar todo o repositorio ao modelo, executar o agente mais uma vez ou pedir uma segunda versao da solucao. Quando os tokens sao caros, as pessoas comecam a economizar nas perguntas, e isso prejudica a qualidade do trabalho mais do que parece. Na Revolut, os limites de tokens foram totalmente removidos.

O que os numeros mostram

Segundo os dados da publicacao, o tempo de escrita de codigo caiu 60%, enquanto o tempo de execucao das tarefas diminuiu 70%. A logica e simples. Se o agente pode ler livremente o contexto, conferir o proprio trabalho e reescrever o codigo, ele comete menos erros tolos, enquanto a pessoa espera e intervem com menos frequencia.

Um exemplo simples: um engenheiro precisa migrar um servico para uma nova versao de uma biblioteca. Com um limite rigido, ele fornece ao modelo dois ou tres arquivos e corrige o restante manualmente. Sem limite, entrega ao agente o modulo inteiro, incluindo os testes, e pede que continue trabalhando ate que tudo fique verde. O consumo de tokens aumenta varias vezes, mas, ao preco de $0,30 por milhao, isso deixa de ser um problema.

Onde e preciso ter cautela

Primeiro: por enquanto, os numeros vem de um relato indireto e de uma unica publicacao. Nao houve auditoria independente, e nao sabemos exatamente como a Revolut calculou a economia, quantas tarefas permaneceram nos modelos fechados nem qual percentual das correcoes ainda e feito manualmente pelos engenheiros. E facil interpretar uma manchete dizendo que houve uma "substituicao completa" de maneira mais ampla do que os fatos realmente permitem.

Segundo: uma economia de 90% em tokens nao equivale a um ganho total de 90%. Se o GLM resolver pior as tarefas mais complexas, parte do tempo sera gasta em ajustes. As metricas de 60% e 70% parecem impressionantes, mas nao esta claro em quais tarefas elas foram medidas nem qual foi a base de comparacao.

Terceiro: para uma fintech, a questao nao se resume ao preco. Pesos abertos permitem manter o modelo dentro da propria infraestrutura, um argumento importante quando se trata de dados de clientes. Mas a conta passa a incluir infraestrutura, monitoramento e a equipe responsavel por manter tudo funcionando. Se o modelo for acessado pela API da Z.ai, surgem outras questoes relacionadas a jurisdicao e conformidade.

O que fazer na pratica

Primeiro, vale calcular quanto sua empresa realmente gasta com programacao por IA por engenheiro. Se o valor estiver se aproximando de milhares de dolares por mes, uma comparacao com modelos abertos ja se justifica.

Em seguida, e preciso fazer um piloto honesto. Use tarefas reais da sua equipe, execute-as em um modelo fechado e em um modelo aberto e compare nao apenas o preco, mas tambem a proporcao das alteracoes aceitas. Verifique separadamente o efeito da remocao dos limites: talvez seja justamente ela, e nao o modelo especifico, que produza a maior parte do ganho de velocidade.

E um ultimo ponto. Esta historia mostra que o mercado de assistentes de programacao esta deixando de ser uma disputa com um unico lider. Quando um modelo aberto executa grande parte das tarefas cotidianas por um decimo do preco, os provedores fechados terao de provar sua vantagem nos casos mais complexos, e nao no codigo mediano.