英國金融科技公司 Revolut 的 AI 營運負責人 David Abitbol 在紐約 AI Engineer 大會上表示，公司改以自架的智譜（Z.ai）開放權重模型 GLM 作為約 2,000 名工程師寫程式的預設模型，不到一年把 AI 寫程式的推論成本砍掉約九成。
（前情提要：高盛限縮員工用 Claude Code！只剩工程師能用、交易員不爽）
（背景補充：Mozilla 報告：中國開源 AI 只落後美國 4 個月，但價格只要 30~60%）
重點摘要
- Revolut 約 2,000 名工程師改用自架 GLM，AI 寫程式成本砍約九成
- 自架 GLM-5.1 每百萬 token 約 0.30 美元，約商用工具的十分之一
- 用 56 張 Nvidia B200 跑 GLM-5.3，首字回應壓在 3 秒內
英國金融科技公司 Revolut 把自架的開放權重模型，當成工程師寫程式的預設選項。Revolut AI 營運負責人 David Abitbol 在紐約 AI Engineer 大會上演講。
他表示，約 2,000 名工程師導入 AI 寫程式工具後，寫程式時間改善 60%，交付前置時間（lead time）改善 70%。Revolut 自稱不到一年就把 AI 寫程式的推論成本砍掉約九成。做法是自行架設中國 AI 公司智譜（Z.ai）的 GLM 模型。
先設預算上限，才轉向自架
Revolut 在 2025 年初導入 Google 的 Gemini，2026 年初導入 Anthropic 的 Claude Code。Abitbol 說：「我們對 AI 的成本高度懷疑。我們看到工程師一個月花 1,000 美元、1 萬美元，投資報酬卻沒那麼高。」以 11 月 4 日匯率 1 美元兌約 32.8 元新台幣計，1,000 美元約合新台幣 3.3 萬元，1 萬美元約合 32.8 萬元。
Revolut 因此在推出 AI 寫程式工具時設了嚴格的預算上限。工程師能用的 token（模型計算用量的單位）有限，公司才開始研究自己架設模型。他們稱自架 GLM-5.1 的成本約為每百萬個輸入或輸出 token 0.30 美元（約新台幣 9.8 元），「大約是使用 OpenAI Codex 或 Anthropic Claude Code 的十分之一。」
這個價格是否包含 GPU 硬體、電費與維運人力，影片都沒有提到。
Abitbol 表示，寫程式本身不是最大的瓶頸。最大的效益來自讓模型處理除錯，以及 Jira、Confluence（Atlassian 的專案管理與文件協作工具）上的工單。「當 token 不限量，你就可以放手去做。」他說，「你不必再把 token 省到季底，或留給最難的任務。」
56 張 B200 跑 GLM-5.3
Revolut 先採用 GLM-5.1，之後換成 GLM-5.3。目前用 56 張 Nvidia B200 GPU 提供服務。The Register 換算，這個 GPU 數量相當於 7 台各裝 8 張 GPU 的 DGX B200 系統。
GLM-5.1 總參數約 7,540 億個，每產生一個 token 會啟用約 400 億個。光是放模型權重就需要約 380 GB 的 GPU 記憶體，每位使用者還要依精度另外占用 6 到 26 GB 來保存上下文。
調校項目包括模型超參數與 NVFP4 量化（降低數值精度以節省記憶體與運算量）。另外也把預填（prefill，模型讀入提示詞的階段）與解碼（decode，模型逐字產生回答的階段）拆開部署，並調整上下文長度。影片說明提到，這些調校讓同一批硬體的速度提升 88%。
看圖交給其他模型，前沿模型成了例外
GLM 只能處理文字，不適合介面設計這類需要看圖的工作。據 The Register 報導，Revolut 用模型路由把視覺相關的請求轉給 Gemini 或「GPT Luna」等模型，程式碼生成則留在 GLM 上執行。
Revolut 承認使用中國開放權重模型可能有隱私與資安疑慮。不過主要的疑慮在於透過設在中國的 API 使用這些模型，Revolut 認為模型放在自家機房或區域雲端上執行，就沒有什麼好擔心的。
常見問題
Revolut 為什麼改用自架的 GLM 模型寫程式？
Revolut 看到工程師每月 AI 花費達 1,000 到 1 萬美元，因此設了預算上限。據 The Register，自架 GLM-5.1 每百萬 token 約 0.30 美元，約為 Codex 或 Claude Code 的十分之一。
Revolut 自架 GLM 用了多少張 GPU？
Revolut 用 56 張 Nvidia B200 提供 GLM-5.3 服務，相當於 7 台 DGX B200。調校後在約 25.6 萬 token 上下文下，首字回應低於 3 秒，每秒約生成 200 個 token。
