Revolut obniża koszty AI o 90%. Zamiast Claude Code wybiera otwarte modele

Revolut ograniczył koszty wykorzystania sztucznej inteligencji w programowaniu o około 90%, zastępując komercyjne narzędzia modelami uruchamianymi we własnej infrastrukturze.

Brytyjski fintech zmienił sposób korzystania z AI przez około 2 tys. programistów. Zamiast opierać codzienną pracę na Claude Code firmy Anthropic i Codex od OpenAI, postawił na modele GLM chińskiej firmy Z.ai, których działanie kontroluje samodzielnie.

Decyzję poprzedziły rosnące wydatki na komercyjne narzędzia. Jak wyjaśnił David Abitbol, odpowiedzialny za operacje AI i infrastrukturę Revoluta, niektórzy programiści generowali miesięczne koszty sięgające od 1 tys. do 10 tys. dolarów, bez proporcjonalnego wzrostu efektywności. Firma wprowadziła więc limity wykorzystania tokenów, a następnie zaczęła testować alternatywne rozwiązania.

Od kwietnia 2026 roku Revolut korzysta z modeli GLM, w tej chwili w wersji 5.3, obsługiwanych przez 56 procesorów graficznych Nvidia B200. Według firmy koszt przetwarzania miliona tokenów wynosi około 0,30 dolara, czyli jedną dziesiątą wcześniejszych wydatków na porównywalne wykorzystanie narzędzi Anthropic i OpenAI.

Zmiana przyniosła również korzyści operacyjne. Revolut raportuje poprawę wskaźników czasu programowania o 60% oraz czasu potrzebnego na dostarczenie nowych funkcjonalności o 70%. Największe oszczędności czasu pojawiły się jednak poza samym pisaniem kodu, przede wszystkim przy wykrywaniu błędów, analizowaniu dokumentacji i obsłudze zadań w Jira oraz Confluence.

Komercyjne modele przez cały czas pozostają dostępne do bardziej wymagających zastosowań, szczególnie tych związanych z analizą obrazów i projektowaniem interfejsów.

Wyniki Revoluta pokazują rosnące znaczenie ekonomiki wykorzystania AI. Przy odpowiedniej skali własna infrastruktura może zapewnić niższe koszty jednostkowe i większą przewidywalność wydatków. Pozostaje jednak kwestia nakładów na sprzęt, jego utrzymanie oraz kompetencje niezbędne do obsługi modeli. Revolut nie przedstawił pełnego rozliczenia tych kosztów.

Przypadek fintechu może zwiększyć zainteresowanie otwartymi modelami w dużych organizacjach i wywrzeć presję cenową na dostawców komercyjnych rozwiązań AI. Jednocześnie pokazuje, iż o opłacalności wdrożenia coraz częściej decyduje sposób wykorzystania technologii, a nie wyłącznie możliwości samego modelu.