英国金融科技巨头 Revolut 把 2000 名程序员从 Claude Code 迁到自建中国开源模型 GLM，成本砍掉 90%，开发交付时间反而缩短了 … · @mylifcc · TwKit

@mylifcc

英国金融科技巨头 Revolut 把 2000 名程序员从 Claude Code 迁到自建中国开源模型 GLM，成本砍掉 90%，开发交付时间反而缩短了 70% 在纽约举办的 AI Engineer 大会上，欧洲估值最高的金融科技独角兽之一 Revolut 公开了一组内部架构迁移数据。公司 AI 运营与基础设施负责人 David Abitbol 透露，他们已经将旗下约 2000 名软件工程师的默认编程工具，从 Anthropic 的 Claude Code 和 OpenAI 的 Codex 切换到了自建服务器部署的智谱开源模型 GLM（从 GLM-5.1 升级至 GLM-5.3）。 这一刀切下去，Revolut 只用了 56 张英伟达 B200 显卡，就把内部综合推理成本压到了每百万 Token 约 0.30 美元，直接把付给 Anthropic 和 OpenAI 的账单砍掉了 90%。 【为什么放着顶级的 Claude 不用？】 Revolut 最早从 2025 年 2 月开始试用 Claude Code，并在 2026 年 1 月全员铺开，但很快撞上了残酷的经济账。当时部分重度使用的工程师每人每月要烧掉 1000 到 10000 美元的 API 费用，但公司整体研发效率并没有看到对等的产出。 为了止血，公司被迫给每位工程师设了每月 300 美元的严格额度上限。结果这引发了第二个尴尬的后遗症：因为怕额度不够用，程序员们开始像省粮票一样把 Token 攒着留给最难的代码硬骨头，平时顺手能用 AI 提效的杂活反而不敢用了。 Abitbol 在演讲中点出了一个被很多技术团队忽视的真相：“工程研发的瓶颈其实不在于纯写代码的速度。”真正拖慢程序员的，往往是淹没在收件箱、Jira 工单、Confluence 文档和上下文切换里的时间。换成固定成本的自建开源模型后，公司彻底取消了额度限制，工程师开始肆无忌惮地用 AI 处理周边杂活。从 4 月切到自建架构以来，Revolut 测算内部编码时间缩短了约 60%，从接单到合并代码的整体交付周期（Lead Time）缩短了 70%。 【56 张 B200 显卡是怎么调教出来的】 作为一家受严格监管的数字银行，使用中国团队开源的模型难免面临合规审视。Abitbol 对此的解法很直接：“中国开源权重，西方自有服务器”——只下载公开的模型权重，跑在 Revolut 自己位于美国的隔离基础设施上，完全不经过外部托管服务；遇到视觉图片任务则分流给 Gemini，而昂贵的 Claude Code 和 Codex 依然保留，但只作为攻克极少数顶尖难题的“特批武器”。 刚把模型权重塞进显卡时，开箱即用的推理体验非常糟糕，首字延迟（TTFT）高达 14.26 秒。团队没有盲目加显卡，而是花了四个月死磕底层推理优化： • 将上下文窗口上限锁定在 256K Token，并保证代码场景下 90% 以上的缓存命中率（Cache Hit Rate）。 • 在 Blackwell 架构上采用 NVFP4 量化格式替代 FP8，在几乎不损失精度的前提下节省了约 40% 的显存占用。 调优完成后，在不增加一张显卡的情况下，系统每秒处理的请求量提升了 76%，首字响应时间从 14.26 秒直接压到了 1.68 秒。按市面租金估算，56 张 B200 显卡每月的租赁成本大约在 24.5 万到 32.7 万美元之间，平摊到 2000 名工程师头上，每人每月只需 120 到 165 美元左右，就能实现全员不限量的高速代码辅助。

曝光 869 · 评论 9 · 点赞 9 · 书签 0