Revolut obniżył koszty AI o 90 proc. dzięki własnemu GLM

Dlaczego Revolut odszedł od płatnych narzędzi

Powodem był koszt. Revolut zaczął używać AI w programowaniu na początku 2025 roku od Gemini, a na początku 2026 roku wdrożył na szeroką skalę Claude Code. Abitbol mówił, że pojedynczy inżynierowie wydawali 1000, a nawet 10 000 USD miesięcznie, czyli ok. 3950-39 500 zł, bez wyraźnego zwrotu z inwestycji. Firma wprowadziła więc ścisłe limity budżetowe.

Limity sprawiły, że programiści oszczędzali tokeny na najtrudniejsze zadania. W kwietniu 2026 roku Revolut zaczął samodzielnie hostować otwarte modele, aby dać zespołom praktycznie nielimitowany dostęp za ułamek ceny. Wybór padł na rodzinę GLM, którą Abitbol określił jako najlepszą do kodowania z dostępnych otwartych modeli.

Ile kosztuje własny model w porównaniu z Claude Code

Według Revolut łączny koszt tokenów przy samodzielnym hostingu GLM wynosi 0,30 USD za milion, a faktura jest ok. dziesięć razy niższa niż wcześniejsze wydatki na Anthropic i OpenAI. Nie wiadomo, czy ta kwota obejmuje pełny koszt zakupu lub dzierżawy kart B200, energii i pracy zespołu infrastruktury. Firma nie podała też kwot bezwzględnych.

Najważniejszym efektem okazała się zmiana sposobu pracy. Gdy tokeny przestały być limitowane, inżynierowie zaczęli zlecać AI debugowanie oraz obsługę zgłoszeń w Jira i Confluence. Dlatego czas od podjęcia zadania do gotowej zmiany skrócił się bardziej niż sam czas pisania kodu.

• Początek 2025 roku - Gemini z dostępem do danych firmy, ok. 10 proc. krótszy czas realizacji i 20 proc. krótszy czas kodowania.
• Początek 2026 roku - wdrożenie Claude Code na szeroką skalę ze ścisłymi limitami budżetu.
• Kwiecień 2026 roku - start samodzielnego hostingu GLM-5.1, poprawa czasu kodowania o 60 proc. i czasu realizacji o 70 proc.
• Sierpień 2026 roku - po strojeniu ok. 1,6 s do pierwszego tokena przy ponad 7 zapytaniach na sekundę, na tej samej liczbie kart.
• Październik 2026 roku - GLM-5.3 na 56 kartach B200 dla ok. 2000 inżynierów.

Jak Revolut stroił wydajność modelu

Abitbol przestrzegał, że samo wgranie wag na karty graficzne daje słabe wyniki. W kwietniu czas oczekiwania na pierwszy token przekraczał 10 sekund. W sierpniu, bez dokładania kart, spadł do ok. 1,6 sekundy, mimo że liczba zapytań wzrosła o 76 proc. Firma ocenia poprawę wydajności na 88 proc.

Revolut za cel przyjął poniżej 3 sekund do pierwszego tokena i ok. 200 tokenów na sekundę. Gdy oczekiwanie przekracza 5 sekund, rosną skargi pracowników. Po godzinie 17, gdy obciążenie spada, model generuje nawet ok. 800 tokenów na sekundę.

• Kontekst ok. 256 tys. tokenów zamiast miliona. Abitbol nazwał długi kontekst przereklamowanym, bo w praktyce nie jest potrzebny.
• Kwantyzacja do formatu FP4 na kartach generacji Blackwell, czyli zapis wag z mniejszą precyzją. Według Revolut zmniejsza to zapotrzebowanie na karty o ok. 40 proc. względem FP8.
• Rozdzielenie etapu wczytywania zapytania i generowania odpowiedzi na osobne zasoby oraz dbałość o trafienia w pamięć podręczną powyżej 90 proc.
• Router, który zapytania z obrazami kieruje do Gemini albo modelu GPT Luna, bo GLM-5.3 obsługuje wyłącznie tekst.

Chiński model w regulowanym banku

Abitbol przyznał, że chińskie otwarte modele budzą obawy, ale jego zdaniem dotyczą one głównie korzystania z API działającego w Chinach. Revolut pobiera same wagi i uruchamia model na serwerach w krajach objętych ramami równoważnej ochrony danych, czyli w USA, UE, Wielkiej Brytanii lub Izraelu. Dostawcy kart mają domyślnie nie przechowywać danych.

Revolut jako bank nadzorowany w UE podlega surowym wymogom zgodności. Firma zapewnia, że narzędzia do kodowania nie są autonomicznymi agentami, bo zawsze pracują z udziałem człowieka. Służy do tego sandbox z regułami, które pozwalają np. przeszukiwać pliki, ale blokują uruchamianie budowania projektu, oraz szczegółowe logi pozwalające odtworzyć przebieg incydentu.

Bezpieczeństwo samego modelu to osobny temat. GLM-5.3 testowały pod kątem zdolności ofensywnych m.in. Anthropic i NIST, a w Cloudflare Workers AI wystąpił błąd, przez który model zwracał dane innych klientów. Ten drugi przypadek dotyczył infrastruktury dostawcy, nie wag modelu.

Znaczenie dla polskich firm i klientów

Revolut jest jedną z największych instytucji finansowych w Polsce. Według zestawienia Bankier.pl opisanego przez money.pl na koniec marca 2026 roku miał 5,2 mln klientów w kraju i zajmował piąte miejsce. Firma prowadzi też duże centrum w Krakowie. Opisana zmiana dotyczy narzędzi programistów, a nie danych klientów banku.

Dla polskich zespołów IT przykład Revolut pokazuje, kiedy własny model może się opłacić. W naszej ocenie wymaga to skali kilkuset lub kilku tysięcy programistów, ludzi umiejących stroić inferencję i dostępu do drogich kart. Mniejsze firmy mogą osiągnąć część oszczędności, kupując dostęp do otwartych modeli u europejskich dostawców chmury, bez utrzymywania własnych serwerów.

Czego nie wiadomo

Wszystkie liczby pochodzą z prezentacji Revolut i nie zostały niezależnie zweryfikowane. Firma nie podała, jak mierzyła czas kodowania i realizacji ani czy na wynik wpłynęły inne zmiany w organizacji pracy. Zapis wystąpienia jest transkrypcją maszynową, więc część nazw może zawierać błędy.

Nie wiadomo też, czy 0,30 USD za milion tokenów obejmuje pełny koszt sprzętu. Revolut nadal korzysta z Codex, Claude Code i Gemini przy wybranych zadaniach, więc nie zrezygnował z komercyjnych dostawców całkowicie.