Revolut sposta 2.000 sviluppatori su GLM in casa e taglia i costi

Revolut ha reso GLM di Z.ai lo strumento predefinito per scrivere codice, lo esegue sui propri server e dice di spendere un decimo rispetto a prima¹.

La banca digitale britannica ha spostato circa 2.000 ingegneri su un modello a pesi aperti. Claude Code di Anthropic e Codex di OpenAI sono passati in coda. Lo ha spiegato David Abitbol, che guida operazioni e infrastruttura AI di Revolut, sul palco della conferenza AI Engineer di New York. The Register ha riportato i suoi numeri il 3 novembre: in meno di un anno la spesa per l’inferenza del codice è scesa di circa il 90%¹.

Il percorso parte da strumenti commerciali. Revolut ha usato prima Gemini, poi Claude Code, imponendo un budget a ogni sviluppatore. Abitbol cita casi da 1.000 a 10.000 dollari al mese a testa, con benefici poco visibili. Il tetto calmierava la bolletta e tagliava l’uso proprio dove l’azienda voleva spingere. Hanno tolto il limite di token e internalizzato il calcolo.

Ad aprile 2026 Revolut ha iniziato a ospitare GLM-5.1. Poi è passata a GLM-5.3. Voleva una tariffa piatta, senza sorprese a fine mese. I tecnici hanno impostato una finestra di contesto di 256.000 token. Il modello, secondo le specifiche, potrebbe arrivare a un milione.

Bastano 56 GPU Nvidia B200, l’equivalente di sette sistemi DGX, per servire l’intero reparto di ingegneria. Il costo medio di inferenza, sempre secondo Abitbol, è di 30 centesimi di dollaro per milione di token. Circa un decimo di quanto pagato in precedenza ad Anthropic e OpenAI. Le ottimizzazioni software hanno contato più dell’hardware, tra cui quantizzazione e separazione delle fasi di elaborazione¹.

I benefici che Revolut racconta riguardano i tempi, non solo le righe di codice. Tempo di scrittura ridotto del 60%. Lead time migliorato del 70%. Il collo di bottiglia non era scrivere ma fare debugging e smaltire i ticket. Con i token illimitati gli ingegneri hanno iniziato a usare l’AI anche lì. GLM lavora solo su testo. Le richieste con immagini o interfacce passano a un router che le smista verso modelli di frontiera.

Revolut usa soltanto i pesi pubblicati da Z.ai ed esegue tutto su infrastruttura propria, fuori dalla Cina. Niente chiamate ai servizi online dello sviluppatore. Codice e prompt restano dentro il perimetro della banca. È la distinzione dei modelli open-weight: se scarichi i pesi e li esegui in casa, al produttore non torna nulla. Resta una scatola costruita da altri, con un addestramento non verificabile dall’utente¹.

Conta anche il rischio operativo. A giugno l’accesso ai modelli più avanzati di Anthropic è stato sospeso per quasi tre settimane per una decisione del governo americano, e chi dipendeva da quel fornitore si è fermato. Un modello i cui pesi girano sui propri server non può essere spento da nessuno. Qui conta meno il passaporto del laboratorio e più il luogo in cui avviene il calcolo.

StartupHub.ai nota che il 90% non include cloud, personale e monitoraggio. Abitbol non ha chiarito se le 56 GPU siano di proprietà o in affitto. Altri osservatori segnalano che il confronto mescola periodi d’uso diversi. Restano dati dichiarati, non verificati in modo indipendente¹.

Per molte aziende la scala è proibitiva. Cinquantasei GPU B200 sono fuori portata per una media impresa italiana. La lezione trasferibile: dare ai modelli aperti il lavoro di routine e indirizzare i casi difficili ai modelli di frontiera. Il prezzo degli open-weight scende. Kimi K3 è arrivato in cima alle classifiche del codice a metà del costo dei concorrenti americani.

La variabile chiave, in Europa, è l’accesso al calcolo. Lo mostra il bando per le Gigafactory AI¹.