整理 | 郑丽媛 出品 | CSDN（ID：CSDNnews） 有人每个月花 1 万美元用 AI 编程，结果老板一看账单：这钱花得值吗？——这正是英国金融科技公司 Revolut 曾经遇到的尴尬。 为了让工程师用上 AI，公司先后尝试了 Gemini、Claude Code，但 部分工程师每月就能烧掉 1000 美元甚至 1 万美元。 可钱花出去了，效率提升却没有达到预期。于是，Revolut 做了一个大胆的决定：不再把 AI 编程的主力押在商业模型上，转而自己去部署智谱的开源模型 GLM。 结果相当惊人：不到一年， AI 编程推理成本下降约 90% ，公司约 2000 名工程师的 编码 时间缩短 了 60% ，从接手需求到代码合并的 交付周期也 缩短 了约 70% ！ Claude 太贵了！有工程师每月烧掉 1 万美元 一开始，Revolut 其实并没有打算自己训练或部署大模型。 2025 年初，公司开始用 Gemini 帮工程师查找资料、阅读技术文档；到了 2026 年初，又引入了 Claude Code，希望进一步提高开发效率。可 随着使用规模扩大，成本很快成了问题 。 Revolut 运维与基础设施负责人 David Abitbol 透露，有些工程师每个月在 AI 服务上的支出高达1 万美元，但实际获得的投资回报并不明显。公司只好在推广 AI 编程工具时设置严格的 Token 预算。 这下又 出现了一个新问题：Token 越贵，工程师越不敢用。 他们会把有限的额度留给复杂的代码生成任务，至于调试 Bug、处理 Jira 工单、整理 Confluence 文档等工作，即使 AI 能帮忙，也要考虑一下值不值得消耗 Token。 于是，Revolut 开始寻找更便宜的替代方案，最终将目光投向了智谱的 GLM 系列模型。 公司最初采用 GLM-5.1，随后升级到 GLM-5.3，并将自托管模型设为主要的 AI 编程服务。 成本差距非常明显：按照 Abitbol 给出的数据，自托管 GLM-5.1 的输入、输出 Token 综合成本约为每百万 Token 0.30 美元，只有 OpenAI Codex 或 Anthropic Claude Code 等 商业服务成本的大约十分之一 ； 整体推理支出也降到了此前商业服务账单的约十分之一。 Token 便宜了，工程师的使用习惯也变了。Abitbol 表示，当 Token 不再那么昂贵时，工程师就不必再精打细算，不用把额度留到季度末，也不必只在最困难的任务上调用 AI——以前是工程师想着怎么省 Token，现在则是想想还有什么工作可以交给 AI。 真正拖慢开发进度的，可能根本不是写代码 Revolut 还分享了一个尤其值得关注的细节。他们统计了公司约 2000 名工程师使用 AI 前后的两项指标： 编码时间：工程师实际花费在编写代码上的时间，以小时计算。 交付周期：从接手一个功能需求，到代码合并并准备部署所需的时间，以天计算。 Abitbol 展示的内部数据表明， 采用 GLM 后，编码时间 缩短 了约 60%，交付周期 也缩短 了约 70%。 不过，他并没有把这些提升简单归功于模型写代码更快：在他看来，工程师每天真正消耗时间的事情远不止编码。 比如，排查 Bug、回复消息、处理 Jira 工单、更新 Confluence 文档，以及跟进各种开发流程。这些工作看起来都不复杂，却会一点点挤占工程师真正写代码的时间。当 AI 使用成本足够低时，工程师就可以把这些零散任务也交给智能体处理，而不是只在写代码时才想起使用 AI。 这也是为什么 Revolut 的交付周期比编码时间缩短的还多： 代码写得快，只解决了开发流程中的一部分问题 ；让 AI 接管代码之外的琐碎工作，才有机会进一步缩短整个交付周期。 56 张英伟达 B200，支撑 2000 名工程师使用 AI 让近 2000 名工程师同时使用自托管大模型，显然不是一件轻松的事。 据介绍，Revolut 选择的 GLM-5.1 总参数量约为 7540 亿，每生成一个 Token，实际激活的参数约为 400 亿。即使采用了混合专家模型（MoE）架构，但模型权重和上下文缓存还需要大量 GPU 显存。 按照Abitbol 的估算，仅存储模型权重就需要约 380GB 显存，每位用户还需要额外占用约 6GB～26GB 显存来维护上下文，具体取决于精度设置。为了支撑 GLM-5.3 的规模化推理， Revolut 最终部署了 56 张英伟达 B200 GPU 。 不过，Abitbol 并不认为性能提升只能靠买更多显卡。 在上个月纽约举行的 AI Engineer 大会上，Abitbol 展示了一组很有意思的数据：GPU 数量保持不变，经过推理系统优化后，