英国金融科技公司 Revolut 已把自架的智谱(Z.ai)开放权重模型 GLM,设为约 2,000 名工程师写代码的默认模型。Revolut AI 运营负责人 David Abitbol 在纽约 AI Engineer 大会上表示,公司在不到一年内把 AI 写代码的推理成本砍掉约九成。
Abitbol 说,在导入 AI 写代码工具后,约 2,000 名工程师的写代码时间改善 60%,交付前置时间(lead time)改善 70%。Revolut 称,降本的做法是自行部署中国 AI 公司智谱的 GLM 模型。
先设预算上限,再转向自架模型
Revolut 在 2025 年初导入 Google 的 Gemini,2026 年初导入 Anthropic 的 Claude Code。Abitbol 表示:「我们对 AI 的成本高度怀疑。我们看到工程师一个月花 1,000 美元、1 万美元,投资回报却没那么高。」按 11 月 4 日汇率 1 美元兑约 32.8 元新台币计算,1,000 美元约合新台币 3.3 万元,1 万美元约合 32.8 万元。
因此,Revolut 在推出 AI 写代码工具时设置了严格的预算上限。由于工程师可用的 token 数量有限,公司开始研究自架模型。Revolut 称,自架 GLM-5.1 的成本约为每百万个输入或输出 token 0.30 美元,约合新台币 9.8 元,「大约是使用 OpenAI Codex 或 Anthropic Claude Code 的十分之一」。
不过,相关演讲视频没有说明这一价格是否包含 GPU 硬件、电费和运维人力。
Abitbol 还说,写代码本身不是最大的瓶颈,最大的收益来自让模型处理调试,以及 Jira、Confluence 这类 Atlassian 项目管理和文档协作工具上的工单。他说:「当 token 不限量,你就可以放手去做。你不必再把 token 省到季底,或留给最难的任务。」
从 GLM-5.1 切换到 GLM-5.3
Revolut 最初采用 GLM-5.1,之后换成 GLM-5.3。目前,公司使用 56 张 Nvidia B200 GPU 提供服务。The Register 换算称,这一规模相当于 7 台每台配备 8 张 GPU 的 DGX B200 系统。
根据文中数据,GLM-5.1 总参数约为 7,540 亿个,每生成一个 token 会激活约 400 亿个参数。仅存放模型权重就需要约 380 GB 的 GPU 显存;每名用户还需根据精度额外占用 6 GB 到 26 GB 来保存上下文。
Revolut 的调校项目包括模型超参数和 NVFP4 量化,也就是通过降低数值精度来节省内存和算力。团队还将预填(prefill,即模型读入提示词的阶段)与解码(decode,即模型逐字生成回答的阶段)拆分部署,并调整上下文长度。演讲视频称,这些调校让同一批硬件的速度提升了 88%。
在约 25.6 万 token 的上下文下,调校后的系统首字响应时间低于 3 秒,每秒约生成 200 个 token。
视觉请求交给其他模型处理
GLM 只能处理文本,不适合界面设计这类需要看图的任务。根据 The Register 的报道,Revolut 通过模型路由,把视觉相关请求转给 Gemini 或「GPT Luna」等模型,代码生成任务则继续留在 GLM 上执行。
Revolut 也承认,使用中国开放权重模型可能带来隐私和安全疑虑。不过公司认为,主要风险在于通过设在中国的 API 调用这些模型;如果模型运行在自家机房或区域云端,就「没有什么好担心的」。
已披露的核心数据
- 约 2,000 名工程师使用自架 GLM 作为默认写代码模型
- 不到一年,AI 写代码推理成本下降约 90%
- 写代码时间改善 60%
- 交付前置时间改善 70%
- 自架 GLM-5.1 成本约为每百万 token 0.30 美元
- 当前以 56 张 Nvidia B200 GPU 运行 GLM-5.3
- 调校后同批硬件速度提升 88%
- 在约 25.6 万 token 上下文下,首字响应低于 3 秒,每秒约生成 200 个 token


