Revolut molla Claude per un’AI cinese installata in casa e taglia del 90% i costi del codice

Revolut, la banca digitale britannica con circa 2.000 ingegneri, ha reso predefinito per la scrittura del codice un modello cinese a pesi aperti, GLM di Z.ai, eseguito sui propri server; Claude Code e Codex, gli assistenti di Anthropic e OpenAI, sono diventati l’eccezione. Lo ha raccontato David Abitbol, responsabile delle operazioni e dell’infrastruttura AI di Revolut, alla conferenza AI Engineer di New York; secondo i suoi numeri, riportati da The Register il 3 novembre, la spesa per l’inferenza del codice è scesa di circa il 90% in meno di un anno.

Revolut e l’AI per il codice: perché ha cambiato fornitore

Il percorso parte dagli strumenti commerciali. Revolut è passata prima da Gemini e poi da Claude Code, con budget rigidi per ogni sviluppatore; il motivo lo ha spiegato lo stesso Abitbol, raccontando di ingegneri che spendevano da 1.000 a 10.000 dollari al mese con un ritorno poco visibile. Il tetto di spesa risolveva il problema della bolletta e ne creava un altro, perché costringeva a razionare l’uso proprio quando l’azienda voleva che gli sviluppatori usassero l’AI di più.

Ad aprile 2026 Revolut ha iniziato a ospitare in proprio GLM-5.1, poi sostituito da GLM-5.3. L’obiettivo era togliere i limiti di token senza far esplodere i costi: con una tariffa piatta, ha detto Abitbol, non ci sono sorprese a fine mese.

Revolut: GLM su 56 GPU Nvidia: i numeri dichiarati

L’infrastruttura è più contenuta di quanto ci si aspetterebbe: 56 GPU Nvidia B200, l’equivalente di sette sistemi DGX, servono l’intero reparto di ingegneria. Il costo medio dichiarato è di 30 centesimi di dollaro per milione di token, circa un decimo di quanto Revolut pagava ad Anthropic e OpenAI. Secondo Abitbol, le ottimizzazioni software hanno contato più dell’aggiunta di hardware: quantizzazione, separazione delle fasi di elaborazione, una finestra di contesto di 256.000 token anche se il modello ne supporterebbe un milione.

I benefici dichiarati riguardano la produttività più che il codice in senso stretto: un miglioramento del 60% nel tempo di scrittura e del 70% nel lead time. Il collo di bottiglia, ha spiegato Abitbol, non era scrivere codice ma fare debugging e smaltire i ticket; con i token illimitati gli ingegneri hanno cominciato a usare l’AI anche lì. GLM, che lavora solo sul testo, non copre tutto: le richieste che coinvolgono immagini o interfacce passano a un router che le smista verso modelli di frontiera.

Revolut, modello cinese in una banca europea: il nodo della sovranità

Per un istituto regolato la provenienza del modello non è un dettaglio. Revolut usa soltanto i pesi pubblicati da Z.ai e li esegue su infrastruttura propria, fuori dalla Cina, senza passare dai servizi online dello sviluppatore; il codice e le richieste degli ingegneri restano quindi dentro il perimetro della banca. La distinzione è quella che Digitalic ha già discusso raccontando la battaglia americana sui modelli open-weight: un modello scaricato ed eseguito in casa non trasmette nulla al produttore; resta comunque una scatola costruita da altri, con un addestramento che l’utente non può verificare.

C’è poi una questione meno tecnica. A giugno l’accesso ai modelli più avanzati di Anthropic è stato sospeso per quasi tre settimane per una decisione del governo americano, e chi dipendeva da quel fornitore si è fermato. Un modello i cui pesi stanno sui propri server non può essere spento da nessuno. Conta meno il passaporto del laboratorio e più il luogo in cui gira il calcolo: una forma di sovranità concreta, che si misura in GPU.

Il 90% vale per tutti? I limiti del calcolo

Il risparmio va letto con alcune cautele. Secondo un’analisi di StartupHub.ai il 90% non comprende i costi di cloud, personale e monitoraggio, e Abitbol non ha chiarito se le 56 GPU siano di proprietà o in affitto; altri osservatori notano che il confronto mette a paragone due anni di utilizzo diversi. Restano numeri dichiarati da Revolut, non verificati in modo indipendente.

Per un’azienda italiana di medie dimensioni, poi, 56 GPU B200 sono un investimento fuori scala. La lezione trasferibile è un’altra: separare il lavoro di routine, che un modello aperto più economico può svolgere, dai casi difficili che giustificano il prezzo di un modello di frontiera. Il prezzo dei modelli aperti, del resto, continua a scendere: Kimi K3 è arrivato in cima alle classifiche del codice a metà del costo dei concorrenti americani. Mentre molte grandi aziende rispondono alla bolletta dell’AI con tetti di spesa per i dipendenti [inserire link all’articolo 4], Revolut ha scelto di cambiare il contatore; quanti potranno seguirla dipende meno dal modello che dalla disponibilità di calcolo, ed è lì che in Europa la partita è ancora aperta, come mostra il bando per le Gigafactory AI.