✨︎ Resumen (TL;DR):
- Revolut afirma que alojar GLM para programación le cuesta cerca de una décima parte de lo que pagaba antes a Anthropic y OpenAI.
- David Abitbol situó el costo medio en 0.30 dólares por millón de tokens y describió una instalación con 56 GPU Nvidia B200.
- Unos 2,000 ingenieros accedieron al sistema sin las mismas restricciones de consumo, aunque la empresa no detalló todos los costos operativos.
Revolut afirma que alojar modelos GLM para programación cuesta cerca de una décima parte de lo que pagaba antes a Anthropic y OpenAI. David Abitbol, responsable de operaciones de IA de la empresa, presentó el dato el 13 de octubre en Nueva York: el costo medio fue de 0.30 dólares por millón de tokens. El cambio dio acceso a unos 2,000 ingenieros sin las mismas restricciones de consumo.
El costo corresponde a la instalación de Revolut y a su nivel de uso. No es un precio universal para alojar GLM. Los tokens son las unidades con las que el modelo procesa y genera texto.
El 90% es una diferencia aproximada entre los importes comparados. La presentación no desglosó todos los conceptos incluidos en el cálculo, ni los periodos y volúmenes exactos. Por eso, el dato no equivale a una comparación completa del costo por token de cada proveedor ni del costo total de operar el sistema.
La exposición de Abitbol en AI Engineer describió el cambio de herramientas y la infraestructura que lo hizo posible.
De presupuestos limitados a más tareas con IA
Antes del cambio, Revolut había probado Gemini y Claude Code. Según Abitbol, algunos ingenieros gastaban entre 1,000 y 10,000 dólares al mes en servicios de IA. La empresa impuso límites de presupuesto y eso llevaba a reservar los tokens para las tareas más difíciles.
En abril de 2026, la compañía comenzó a alojar modelos de pesos abiertos y adoptó GLM-5.1 para programación. Un modelo con pesos abiertos es un modelo de IA que una organización puede ejecutar en la infraestructura de su elección.
Una medición interna presentada por Abitbol asoció esa etapa con mejoras aproximadas de 60% en el tiempo de programación y 70% en el plazo de entrega, en una muestra de unos 2,000 ingenieros.
Ese plazo cubre el recorrido desde que un ingeniero toma una función hasta que el código se integra y queda listo para desplegarse. Abitbol atribuyó parte de la mejora a que la IA también podía usarse para revisar el correo y trabajar con Jira y Confluence.
La comparación es de la propia empresa y no aísla el efecto del modelo de otros cambios, como la eliminación de los límites anteriores. Por sí sola, no demuestra que GLM sea más productivo que Claude bajo las mismas condiciones.
56 GPU y una respuesta de 1.6 segundos
Abitbol dijo que el sistema utiliza aproximadamente 56 GPU Nvidia B200 para ejecutar GLM-5.3, desarrollado por la empresa china Z.ai. Al usar pesos abiertos, una organización puede ejecutar el modelo en la infraestructura que elija. En el caso de Revolut, la presentación señaló un servicio basado en Estados Unidos.
Al principio, la respuesta tardaba más de 10 segundos. Entre abril y agosto, Revolut ajustó la configuración sin añadir GPU y redujo esa espera a alrededor de 1.6 segundos. Durante ese periodo, la demanda pasó de unas 3 solicitudes por segundo a más de 7 solicitudes por segundo.
Los ajustes incluyeron la memoria destinada al contexto y la forma de representar los números del modelo. Ejecutarlo también exige capacidad de cómputo y trabajo técnico, aunque Abitbol no detalló en la charla cómo contabilizó todos esos recursos dentro del costo declarado.
GLM es la opción principal, no la única
Revolut mantiene Claude Code y Codex disponibles para casos excepcionales. Clientes como OpenCode o Codex pueden conectarse a los modelos alojados mediante interfaces compatibles. La herramienta que coordina una tarea y el modelo que genera las respuestas pueden elegirse por separado.
Para las solicitudes que requieren interpretar imágenes, Abitbol planteó dirigirlas a otro modelo. GLM queda como la opción principal para programación dentro de una configuración que conserva otras herramientas para trabajos distintos.
Fuente: 1
