Revolut перевела около 2000 инженеров на открытую модель GLM, развёрнутую на собственных выделенных GPU, а Claude Code и Codex оставила как исключение для отдельных задач. Об этом рассказал в докладе на конференции AI Engineer в Нью-Йорке Давид Абитбол, который отвечает в компании за эксплуатацию ИИ; выступление состоялось 13 октября, запись опубликована 29 октября 2026 года. По его словам, миллион токенов в среднем обходится банку в $0,30, а общий счёт примерно в 10 раз меньше, чем Revolut платила Anthropic и OpenAI.
Для программиста важна не столько экономия банка, сколько то, что за ней стоит: 56 GPU NVIDIA B200 на 2000 человек, лимиты на токены сняты, а время от взятия задачи в работу до готового к деплою merge, по внутренним замерам Revolut, сократилось на 70%. Абитбол утверждает, что эффект появился именно тогда, когда токены перестали экономить и инженеры начали отдавать ИИ любую рутину, включая разбор почты, Jira и Confluence. 3 ноября The Register пересказал новый отчёт Gartner: 9 из 10 шагов в корпоративных агентных процессах рутинные, и открытые модели справляются с ними наравне с закрытыми за четверть цены самой дешёвой закрытой.
- Около 2000 инженеров Revolut по умолчанию работают с GLM на 56 NVIDIA B200; Claude Code и Codex остались для исключений (данные доклада Давида Абитбола).
- Смешанная цена токенов у банка, по словам Абитбола, $0,30 за миллион (что усреднено, он не уточнил); публичный API GLM-5.3 стоит $1,40 за миллион входных и $4,40 за миллион выходных, Claude Opus 5.5 — $4 и $20 (прайсы на 5 ноября 2026 года).
- По внутренним замерам компании, lead time сократился на 70%, время написания кода на 60%; у Gemini годом раньше было 10% и 20%.
- На тех же 56 GPU за четыре месяца настройки задержка до первого токена, по слайду доклада, снизилась на 88% (с 14,26 с до 1,68 с) при росте нагрузки на 76%: Абитбол советует сначала тюнить, потом докупать.
- Gartner в отчёте «Open-Weight Models Will Run 90% of Enterprise Agentic Workflow Steps» прогнозирует, что к 2030 году 90% операционных шагов агентов будут выполняться на открытых моделях; реальная экономия против фронтирной модели, по оценке аналитиков, 5–6 раз на задачу, а не 20.
Почему в Revolut считают, что выиграли на снятии лимитов, а не на модели
Абитбол показал два графика по выборке из 2000 инженеров за год: lead time в днях (от момента, когда инженер берёт задачу, до merge, готового к деплою) и время написания кода в часах. Первый ИИ в компании появился в январе 2025 года, это была Gemini: lead time сократился на 10%, время кодирования на 20%, потому что инженеры перестали ходить в Stack Overflow и документацию. Claude Code в Revolut начали пробовать в феврале 2025 года, а массово запустили позже, со строгими бюджетами на человека: по словам Абитбола, отдельные инженеры тратили по $1000–10 000 в месяц без заметной отдачи, и заметного эффекта на графиках у этого этапа не было.
Перелом, по его словам, случился в апреле 2026 года, когда компания подняла у себя GLM-5.1: время кодирования сократилось на 60%, lead time на 70%. Абитбол объясняет разницу между этими цифрами так: узкое место инженерии не обязательно в написании кода, а во всём, что вокруг, и когда токены не нужно беречь до конца квартала или для самой сложной задачи, ИИ начинают отдавать и разбор почты, и Jira, и Confluence. Это замер одной компании, без контрольной группы и без разделения эффекта модели, отмены лимитов и параллельных изменений процессов; независимого подтверждения этих цифр нет.
Теперь, по словам Абитбола, открытые модели для Revolut приоритет: счёт плоский, «шока от счёта» в конце месяца нет. Claude Code и Codex остались, последние модели Anthropic и OpenAI он называет отличными, но это исключение, а не режим по умолчанию. Сейчас банк обслуживает инженеров моделью GLM-5.3; на слайде доклада кластер подписан как «56 x B200 with Together», то есть, судя по слайду, это выделенные GPU у провайдера Together AI, хотя в самом докладе Абитбол не уточнил, куплены карты или арендованы.
Сколько стоит миллион токенов у Revolut и в публичных API
Смешанная цена токена при самостоятельном хостинге GLM, по словам Абитбола, 30 центов за миллион, что именно усреднено в этой «смешанной» цене, вход, выход или их доля, он не уточнил. В публичных API цены разные для входа и выхода, поэтому прямое сравнение условно, но порядок величин оно показывает.
Цена миллиона токенов, стандартный тариф, проверено 5 ноября 2026 года
| Модель | Вход, $ | Выход, $ | Источник |
|---|---|---|---|
| Revolut, GLM-5.3 на своих GPU | 0,30 смешанная | 0,30 смешанная | доклад Абитбола |
| GLM-5.3, API Z.ai | 1,40 | 4,40 | прайс Z.ai |
| GLM-5.3-Flash, API Z.ai | 0,15 | 0,50 | прайс Z.ai |
| Claude Opus 5.5 | 4 | 20 | прайс Anthropic |
| Claude Sonnet 5.5 | 2 | 10 | прайс Anthropic |
| Claude Fable 5.1 | 10 | 50 | прайс Anthropic |
| GPT-6.1 Sol | 2 | 10 | прайс OpenAI |
| GPT-6 Astra | 10 | 50 | прайс OpenAI |
Официальные прайсы вендоров на 5 ноября 2026 года; расчёт Tproger
Чего в $0,30 нет, Абитбол не сказал. По подсчёту Trending Topics со ссылкой на разбор StartupHub.ai, в экономии 90% не учтены облако, зарплаты команды эксплуатации и мониторинг. Само железо тоже стоит денег: при анонсе B200 глава NVIDIA Дженсен Хуанг называл цену $30–40 тыс. за чип, то есть $1,7–2,2 млн за 56 штук, а BigGo Finance оценивает аренду 56 B200 по октябрьским ценам облаков $6–8 за GPU-час в $245–327 тыс. в месяц, примерно $120–165 на инженера. Обе оценки сторонние, Revolut свои расходы на железо не раскрывала.
Как Revolut снизила задержку на 88% на тех же 56 GPU
Главный практический совет доклада: не докупать GPU, а настраивать. Весь период с апреля по август 2026 года кластер оставался на 56 B200. В апреле он держал около 3 запросов в секунду с задержкой до первого токена больше 10 с, к августу больше 7 запросов в секунду при задержке около 1,6 с (крайние точки графика). На слайде итог сформулирован как снижение задержки до первого токена на 88%, с 14,26 с в разгар миграции до 1,68 с в стабильном режиме, при росте нагрузки на 76% между этими же периодами. Целевые цифры у банка эмпирические: до первого токена меньше 3 с, потому что после 5 с «взрывается Slack», и около 200 токенов в секунду на пользователя, поскольку инженеры больше не читают поток рассуждений, а запускают задачи параллельно и возвращаются к готовым.
- Контекст 256 тыс. токенов. «Длинный контекст — это скам»: модель может обслуживать миллион, но для задач кодинга, по опыту Revolut, хватает 256 тыс., а резерв под KV-кэш дороже.
- Квантизация FP4. На GPU поколения Blackwell Абитбол не советует ничего выше FP4, лучше NVFP4: более низкая точность, по его словам, заметно экономит GPU без потери качества; замеров в докладе нет.
- Тензорный параллелизм. GLM помещается в TP4, но тогда не хватает KV-кэша, поэтому в зависимости от нагрузки лучше TP8.
- Попадание в кэш выше 90% для задач кодинга, а дальше спекулятивное декодирование и другие приёмы инференса.
GLM работает только с текстом. Revolut выбрала более умную текстовую модель и решает задачи со зрением отдельно: локальный роутер отправляет распознавание изображений в Gemini, а для сценариев, где нужна именно визуальная модель, по словам Абитбола, хорошо работает Flash-версия GLM, ей пользуется UI-дизайнер компании. Все эндпоинты OpenAI-совместимы и поддерживают Responses API, поэтому инженеры работают из OpenCode, Codex CLI и приложения Codex. На практике это значит, что к такому кластеру подключается любой агентный клиент, который поддерживает этот протокол и позволяет указать свой провайдер, модель и аутентификацию.
Как банк под надзором ЕС объясняет регулятору китайскую модель
Абитбол отдельно обратился к CIO в зале: вокруг китайских открытых моделей много стигмы, но Revolut не ходит в инференс-эндпоинт в Китае, а берёт веса и запускает их на сервисе в США. По его словам, данные остаются в юрисдикциях с эквивалентной защитой (он назвал США, ЕС, Великобританию и Израиль; для США решение Еврокомиссии об адекватности распространяется только на компании-участницы EU-US Data Privacy Framework), а провайдеры инференса работают с нулевым хранением данных. Для регулятора кодовые задачи оформлены как работа с человеком в контуре, а не как автономные агенты: песочница с правилами одобрения команд (разрешить grep, но не Gradle), защита от prompt injection и телеметрия через OpenTelemetry.
Что Gartner обещает открытым моделям и где её аналитики сами делают оговорку
Отчёт Gartner «Open-Weight Models Will Run 90% of Enterprise Agentic Workflow Steps» написали старший директор Марк Петти и вице-президент Раймонд Паке; сам документ платный, его цитирует The Register. Аргумент такой: типичный операционный процесс состоит из сотен рутинных шагов (классификация, вызов инструментов, разбор, проверка и сверка данных), и открытые модели «справляются с сотнями таких шагов на каждый один, где нужно фронтирное рассуждение». При равном балле открытая модель, по оценке аналитиков, стоит четверть от самой дешёвой закрытой, а против фронтирной модели на каждом шаге «всего двадцатую часть».
Current open models can be more verbose and retry more often, so the saving per task against a frontier model is closer to five or six times.
Экономию Gartner называет побочным эффектом. Главный довод аналитиков про контроль: годы истории рабочих процессов составляют большую часть того, за что покупатель платит при покупке SaaS-компании, и каждый рутинный шаг, отправленный во фронтирный API, выносит кусок этой истории за периметр. Отсюда прогноз: к 2030 году 90% операционных шагов корпоративных агентов будут выполняться на открытых моделях, в основном доменно-специализированных. Модели, по мнению Gartner, уже товар, а ценность переходит к харнессам, то есть к оболочкам, которые запускают агентов, маршрутизируют шаги между моделями и держат ограничения. Фронтирные модели остаются двигателем исследований и разработки и по сути капитальными расходами, открытые становятся операционными. Данных и бенчмарков, на которых построены соотношения цен, в пересказе The Register нет.
Что говорят инвесторы и инженеры
Доклад разошёлся по соцсетям: пост инвестора Гильермо Флора (GR Angel, Market Fit) собрал к 5 ноября почти миллион просмотров и 7,7 тыс. лайков.
Frontier models become the exception, open weights become the default. That's a pricing problem for every lab heading to IPO.
Обсуждение на Hacker News набрало 192 балла и 168 комментариев. Пользователь jacquesm пишет, что его компания сделала то же на куда более слабом железе и теперь не думает о том, можно ли доверять провайдерам инференса свои данные в долгую: «ответ на этот вопрос, по-моему, „абсолютно нет“». kgeist предупреждает, что при оценке GLM столкнулся с ошибками корректности на больших контекстах из-за багов самого движка vLLM, и интересуется конфигурацией Revolut. iLoveOncall возражает против главного тезиса доклада: в Amazon, по его словам, токены не ограничены, и привело это «только к безумному количеству слопа, иллюзии продуктивности». Вопрос corford, что именно значит «смешанные $0,30», вход, выход или среднее, в треде так и остался без ответа Revolut.
Что из этого можно применить у себя
Хостинг на 56 B200 имеет смысл при тысячах пользователей; команде поменьше ближе GLM-5.3 из публичного API за $1,40 и $4,40 за миллион токенов или GLM-5.3-Flash за $0,15 и $0,50 с тем же OpenAI-совместимым протоколом. Мы уже разбирали, как считать цену решённой задачи, а не миллиона токенов: открытые модели могут быть многословнее и чаще повторять попытки, об этом прямо пишет и Gartner.
- Проверьте, какие шаги ваших агентов рутинные (классификация, вызов инструментов, проверка данных), и переведите на открытую модель только их, оставив фронтирную как fallback.
- При собственном инференсе начните с ограничений Revolut: контекст 256 тыс., FP4 на Blackwell, попадание в кэш выше 90%, цель меньше 3 с до первого токена.
- Считайте полную стоимость: аренда или амортизация GPU, команда эксплуатации, мониторинг и доля задач, которые всё равно уйдут в Claude Code или Codex.
- Если вы в регулируемой отрасли, повторите аргументацию банка: веса на своей инфраструктуре, нулевое хранение данных, песочница с явными правилами команд и телеметрия.
GLM-5.1 мы сравнивали с Claude Opus весной, когда модель набрала 94,6% от его результата в кодинге по замеру Z.ai, а сам Claude Code за это время научился тратить токены даже на строку статуса. Дальше стоит смотреть на две вещи: опубликует ли Revolut методику своих замеров lead time и появятся ли независимые повторения расчёта Gartner на открытых данных. Пока обе цифры, 70% и 90%, остаются заявлениями: первое внутренним замером компании, второе прогнозом аналитиков на 2030 год.
Источники: Доклад Давида Абитбола на AI Engineer New York (YouTube), The Register: пересказ отчёта Gartner об открытых моделях, Trending Topics: разбор доклада и стоимости железа, BigGo Finance: расчёт стоимости 56 B200, Обсуждение на Hacker News, Пост Гильермо Флора в X, Прайс Z.ai, Прайс Anthropic, Прайс OpenAI
Изображение на обложке: Revolut