Revolut перевел 2000 инженеров на self-hosted GLM и срезал расходы на ИИ-кодинг на 90%

Счета за ИИ-кодинг растут быстрее, чем команды успевают понять, какую пользу получают. Revolut, британский финтех с десятками миллионов клиентов, решил проблему радикально: за неполный год сократил расходы на ассистентов для кода примерно на 90%. Это почти десятикратная разница, и для финансовой компании с жёсткими требованиями к данным кейс выглядит особенно любопытно.

Что именно сделали

Банк отказался от Claude Code и Codex и перешёл на открытую модель GLM китайской лаборатории Z.ai. Модель работает на собственных GPU Revolut, то есть код и запросы инженеров не уходят к внешнему провайдеру. Судя по заголовку материала, речь идёт о цене порядка 0,30 $ за миллион токенов и примерно 2000 инженерах, которые переехали на новую схему.

Цифры озвучил Дэвид Абитбол, руководитель эксплуатации и инфраструктуры Revolut, на конференции AI Engineer в Нью-Йорке. Важная оговорка: это оценка самой компании, независимо её никто не проверял. Поэтому воспринимать 90% стоит как заявку на результат, а не как доказанный факт.

Откуда берётся экономия

Деталей расчёта в доступном нам материале нет, поэтому дальше наша интерпретация, а не пересказ доклада.

Платные ассистенты берут деньги за токены или за место в подписке. Агентные сценарии расходуют токены в огромных количествах: модель читает репозиторий, правит файлы, запускает тесты, снова читает вывод. Когда инженеров тысячи, счёт растёт вместе с использованием, и чем лучше люди освоили инструмент, тем он больнее бьёт по бюджету.

Собственное железо превращает переменную статью расходов в почти постоянную. GPU уже куплены или арендованы, и каждый следующий запрос стоит электричества и амортизации. Простой пример: если агент тратит на задачу несколько миллионов токенов, то при 0,30 $ за миллион это порядка доллара. Та же задача на премиальной модели через коммерческий API может обойтись в разы дороже.

Но выигрыш появляется только при высокой загрузке карт. Простаивающий кластер быстро съедает всю экономию.

Что остаётся за кадром

У истории есть несколько белых пятен, о которых нужно помнить, прежде чем копировать подход:

• Качество. Неизвестно, насколько GLM на реальных задачах Revolut сопоставима с Claude и Codex и как часто инженеры переделывают результат.
• Полная стоимость. Непонятно, включает ли 0,30 $ за миллион токенов закупку GPU, электричество и работу команды, которая поддерживает инференс.
• Причины выбора. Для банка self-hosting, вероятно, связан и с безопасностью данных, и с комплаенсом, а не только с ценой. Это наше предположение.
• Повторяемость. У Revolut есть сильная инфраструктурная команда. У стартапа на 30 человек такой запас может отсутствовать.

Практический вывод

Главный урок не в том, что открытые модели победили закрытые. Он в том, что стоимость ИИ-кодинга можно считать и оптимизировать как любую другую инфраструктурную статью.

Что делать командам:

• Считайте стоимость не за токен, а за принятый pull request или закрытую задачу. Дешёвая модель с частыми переделками может выйти дороже.
• Запустите пилот на 20–50 инженерах и сравните открытую модель с текущим инструментом на ваших задачах, а не на публичных бенчмарках.
• Оцените будущую загрузку GPU до закупки. Собственный инференс окупается при стабильной нагрузке.
• Рассмотрите гибрид: рутину отдавать собственной модели, сложные архитектурные задачи оставить передовой закрытой.

Если ваш счёт за ассистентов уже заметен в бюджете, кейс Revolut стоит как минимум положить в таблицу сценариев. Проверяйте его на своих данных, не принимая заявленные 90% на веру.