Revolut gibt an, die Inferenzkosten für KI-gestütztes Programmieren in weniger als einem Jahr um rund 90 % gesenkt zu haben, indem ein selbst gehostetes offenes Modell für etwa 2.000 Ingenieure zum Standard wurde, statt sich vor allem auf kommerzielle Dienste wie Claude Code und Codex zu verlassen. Die Zahlen stellte David Abitbol, Leiter für KI-Betrieb und -Infrastruktur des Fintechs, im Oktober auf der AI-Engineer-Konferenz in New York vor; The Register berichtete darüber am 3. November.
Vor dem Wechsel nutzte das Unternehmen Anfang 2025 Gemini und Anfang 2026 Claude Code mit strikten Budgets je Ingenieur. Laut Abitbol kosteten einzelne Fachkräfte 1.000 bis 10.000 US-Dollar pro Monat ohne entsprechenden Gegenwert, weshalb das Team Token rationierte. Die Wende brachte GLM, ein Open-Weight-Modell des chinesischen Anbieters Z.ai: zunächst GLM-5.1, dann GLM-5.3, betrieben auf 56 Nvidia-B200-GPUs, was sieben DGX-B200-Systemen mit je acht GPUs entspricht.
Die genannten Kosten liegen bei etwa 0,30 US-Dollar je Million Ein- und Ausgabe-Token, also rund einem Zehntel der Kosten von Codex oder Claude Code, so das Unternehmen. GLM-5.3 hat insgesamt rund 754 Milliarden Parameter, davon 40 Milliarden pro Token aktiviert, und benötigt etwa 380 GB GPU-Speicher allein für die Gewichte, plus 6 bis 26 GB je Nutzer für den Kontext. Revolut meldet außerdem rund 60 % schnelleres Programmieren und rund 70 % kürzere Durchlaufzeiten für Aufgaben.
Das sind eigene Zahlen von Revolut aus einem Konferenzvortrag, ohne veröffentlichte unabhängige Prüfung. Der Vergleich trennt den Modellwechsel nicht von anderen Faktoren, etwa dem Ende der Token-Rationierung, und die 90 % schließen laut Berichterstattung Cloud-, Personal- und Monitoring-Kosten nicht ein. Frontier-Modelle bleiben die Ausnahme für die schwierigsten Aufgaben, Bildaufgaben gehen an Modelle wie Gemini oder GPT, und die Agenten laufen in einer Sandbox mit menschlicher Freigabe.
Abitbol ging auch auf Bedenken wegen eines chinesischen Modells bei einer regulierten Bank ein und betonte, Revolut nutze nur die offenen Gewichte, betrieben auf eigener Infrastruktur in den USA, nicht über den gehosteten Dienst von Z.ai. Die Botschaft an den Markt ist eindeutig: Für routinemäßige Arbeit in großem Umfang beginnt günstig und gut genug, teure Abonnements zu schlagen.
Fontes: The Register; Dealroom; FourWeekMBA.
Bildnachweis: Nvidia-DGX-B200-System (via Colfax International). Das Bild zeigt den Systemtyp, der in der GPU-Anzahl dem von Revolut genutzten entspricht, kein Foto der Installation des Unternehmens.
Transparenz: Dieser Artikel wurde mit Hilfe künstlicher Intelligenz erstellt, auf Grundlage des Abgleichs öffentlicher Beiträge und Internetquellen, einschließlich der ursprünglichen Berichterstattung über den Fall. Prüfen Sie die Details in den Originalquellen.
Muse
