Revolut migra 2000 engenheiros para GLM em infraestrutura própria e corta custos de programação com IA em 90%

As contas de programação com IA crescem mais rápido do que as equipes conseguem entender o valor que estão obtendo. O Revolut, fintech britânica com dezenas de milhões de clientes, adotou uma solução radical: reduziu os gastos com assistentes de programação em aproximadamente 90% em menos de um ano. É uma diferença de quase dez vezes, e o caso chama ainda mais atenção por envolver uma empresa financeira com exigências rigorosas para o tratamento de dados.

O que o Revolut fez

O banco abandonou Claude Code e Codex e migrou para o modelo aberto GLM, do laboratório chinês Z.ai. O modelo roda nas próprias GPUs do Revolut, ou seja, o código e as consultas dos engenheiros não são enviados a um provedor externo. A julgar pelo título do artigo de origem, o custo fica em torno de US$ 0,30 por milhão de tokens, com aproximadamente 2000 engenheiros migrando para a nova estrutura.

David Abitbol, responsável por operações e infraestrutura do Revolut, apresentou os números na conferência AI Engineer, em Nova York. Uma ressalva importante: são estimativas da própria empresa, sem verificação independente. Por isso, os 90% devem ser tratados como um resultado declarado, não como um fato comprovado.

De onde vem a economia

O material a que tivemos acesso não apresenta os detalhes do cálculo. Portanto, o que segue é a nossa interpretação, não um resumo da apresentação.

Assistentes pagos cobram por tokens ou por licença de usuário em uma assinatura. Fluxos de trabalho com agentes consomem quantidades enormes de tokens: o modelo lê um repositório, altera arquivos, executa testes e volta a ler os resultados. Com milhares de engenheiros, a conta cresce junto com o uso e, quanto melhor as pessoas dominam a ferramenta, maior é o impacto no orçamento.

O hardware próprio transforma uma despesa variável em uma despesa quase fixa. As GPUs já foram compradas ou alugadas, e cada nova solicitação gera custos de eletricidade e depreciação. Um exemplo simples: se um agente consome vários milhões de tokens em uma tarefa, a US$ 0,30 por milhão isso custa aproximadamente um dólar. A mesma tarefa com um modelo premium por meio de uma API comercial pode custar várias vezes mais.

Mas a economia só aparece com uma alta utilização das GPUs. Um cluster ocioso rapidamente consome toda a economia.

O que ainda falta esclarecer

Há algumas lacunas nessa história que precisam ser consideradas antes de copiar a abordagem:

• Qualidade. Não sabemos como o GLM se compara ao Claude e ao Codex nas tarefas reais do Revolut, nem com que frequência os engenheiros precisam refazer o resultado.
• Custo total. Não está claro se os US$ 0,30 por milhão de tokens incluem a compra das GPUs, a eletricidade e o trabalho da equipe que mantém a infraestrutura de inferência.
• Motivos da escolha. Para um banco, hospedar o modelo em infraestrutura própria provavelmente envolve segurança de dados e conformidade regulatória, além do preço. Essa é uma suposição nossa.
• Replicabilidade. O Revolut tem uma equipe de infraestrutura forte. Uma startup com 30 pessoas pode não ter a mesma capacidade.

A conclusão prática

A principal lição não é que os modelos abertos venceram os fechados. É que o custo da programação com IA pode ser calculado e otimizado como qualquer outra despesa de infraestrutura.

O que as equipes podem fazer:

• Calcule o custo por pull request aceito ou tarefa concluída, em vez do custo por token. Um modelo barato que exige retrabalho frequente pode acabar saindo mais caro.
• Faça um piloto com 20–50 engenheiros e compare um modelo aberto com a ferramenta atual nas suas próprias tarefas, em vez de usar benchmarks públicos.
• Estime a utilização futura das GPUs antes da compra. A inferência em infraestrutura própria compensa quando há uma carga de trabalho estável.
• Considere uma abordagem híbrida: direcione o trabalho rotineiro ao modelo próprio e deixe as tarefas complexas de arquitetura para um modelo fechado de ponta.

Se a conta dos assistentes já tem um peso perceptível no orçamento, o caso do Revolut merece ao menos entrar na planilha de cenários. Verifique os resultados com seus próprios dados, sem aceitar os 90% declarados como garantia.