Revolut 自托管开放权重模型，AI 编程账单削减 90%
英国金融科技公司 Revolut 给大约 2,000 名工程师配上了 AI 编程助手，账单果然像所有 AI 账单一样——爆炸式增长。有的工程师每月在 AI token 上花掉 1,000 美元，甚至 10,000 美元，效果却难以量化。于是 Revolut 做了一件几乎没有同等规模公司尝试过的事：不再把前沿模型 API 作为默认选择，而是让工程师改用自托管的开放权重模型。按照 Revolut 自己的数据，AI 编程推理成本削减了约 90%，编码速度还提升了约 60%。
他们到底做了什么
Revolut 负责 AI 运营与基础设施的 David Abitbol 在纽约 AI Engineer 大会的演讲中梳理了时间线（2026 年 10 月 29 日发布，11 月 3 日被报道）：
- 2025 年初：Gemini 在全公司铺开，编码时间缩短约 20%。
- 2026 年初：Claude Code 上线，同时给每位工程师设了严格的预算上限，因为开销已经失控。实际效果有限。
- 2026 年 4 月：Revolut 开始自托管开放权重模型，先用中国实验室 Z.ai 的 GLM-5.1，完全不限 token。
- 之后：升级到 GLM-5.3（总参数约 754B，每 token 激活约 40B），部署在约 56 块 Nvidia B200 GPU 上。
Claude Code 和 OpenAI 的 Codex 并没有消失，只是被放进了“例外清单”——只有自托管方案搞不定时才会用。GLM 是纯文本模型，所以 UI 相关工作和最棘手的问题仍然交给前沿模型。
数据（Revolut 自报，未经独立核实）
- 成本削减约 90%：综合服务成本约为每百万 token 0.30 美元，账单只有 Anthropic/OpenAI 的十分之一左右。
- 编码时间提升约 60%，交付周期（从接手到合并）提升约 70%，覆盖约 2,000 名工程师。
- 调优后，每秒请求数提升 76%，GPU 数量不变；首 token 响应时间缩短 88%（从 14.3 秒降到 1.7 秒）。
- 从 4 月到 8 月，使用量在增长，GPU 数量一直保持在 56 块 B200。
核心结论：不限量的 token 比更聪明的模型更有价值
这篇报道里最关键的一句话是：“真正让写代码变快的，是廉价、不限量的 token，而不是更聪明的 AI。”工程师们并没有拿到比 Claude Opus 更强的模型，只是换成了一个不用时刻盯着计费表的模型。切换之前，因为每次 API 调用都要花钱，人们不得不在使用 AI 时节省次数；换成不限量、固定价格的 token 后，大家的行为变了，而正是这种变化带来了速度提升。
还有一层合规考量：Revolut 把模型权重跑在美国境内的基础设施上，而不是走 Z.ai 设在中国的托管端点。对一家受监管的银行来说，自托管也是把数据留在自身法律边界内的方式。
需要坦率说明的几点
- 这些数字来自 Revolut 自身，而且模型更换的效果与取消 token 限制带来的效果并不相互独立。
- 每百万 token 30 美分的成本计算不含云资源、人力和可观测性开销。
- 56 块 B200 GPU 是很实在的基础设施投入，一家 20 人的初创公司没法照搬。
- 76% 的吞吐提升来自真正做了推理调优，不是下载权重、点一下运行就能得到。
对其他团队意味着什么
你大概不会自己去托管一个 754B 的模型，但这套做法可以按规模缩小：日常活儿交给开放模型，例外情况才用前沿模型。像 DeepSeek V4.1 Flash 这样更小的开放权重模型采用 MIT 许可，现在就能下载；开放模型的托管推理价格也低于前沿模型定价。Revolut 的故事是这一趋势的极端版本，而这一趋势早已波及小型团队。
如果你带着一支工程团队，而 AI 账单让 CFO 皱眉，那么 Revolut 的做法——日常开发自托管开放模型，例外任务保留前沿模型——已经不再只是理论。它是一套有数据支撑、有据可查的实践方案。
本文是精简版解读。完整分析——时间线、关键数字、坦率的注意事项和常见问题——见 NeurAITool 的《Revolut 用开放模型把 AI 编程成本降低 90%（2026）》。
英国金融科技公司 Revolut 给大约 2000 名工程师配上了 AI 编程助手，随后账单就上演了 AI 项目的老剧本：一路飙升。有些工程师每月在 AI token 上要花 1000 美元，甚至 1 万美元，却几乎看不出什么实际回报。
于是 Revolut 做了一件同体量公司几乎没人尝试过的事：不再默认调用前沿模型 API（指头部厂商的闭源模型接口），把工程师迁移到自托管的开放权重模型上（开放权重模型，即模型参数公开可下载、可自行部署的模型）。