Revolut setzt auf Open-Source-KI: was der Umstieg von Claude Code auf ein offenes Modell gekostet hat
Revolut erledigt den Großteil seiner KI-gestützten Programmierarbeit inzwischen mit einem offenen Modell, das es selbst betreibt, für etwa ein Zehntel der früheren Kosten. Eine Rekonstruktion dessen, was gebaut wurde, was die Zahlen für andere Unternehmen bedeuten und welcher Schritt danach kommt.
Inhalt
Die Rechnung, mit der alles begann
Revolut wollte kein Zeichen für offene Modelle setzen. Revolut wollte einen Kostenblock in den Griff bekommen. Einzelne Entwickler gaben dort 1.000 bis 10.000 $ im Monat für KI-Werkzeuge zum Programmieren aus, ohne messbaren Nutzen, und das Unternehmen führte strikte Budgets pro Entwickler ein1. David Abitbol, bei Revolut verantwortlich für Betrieb und Infrastruktur, beschrieb die Stimmung ohne Umschweife: Das Team sei den Kosten von KI gegenüber höchst skeptisch gewesen1.
Die Reihenfolge ist aufschlussreich, denn in genau dieser Lage stecken heute viele größere IT-Organisationen. Revolut führte Anfang 2025 Gemini ein und Anfang 2026 Claude Code1. Der Gemini-Einsatz, der Zugriff auf interne Daten hatte, verkürzte die Durchlaufzeit um rund 10 % und die Programmierzeit um rund 20 %, vor allem weil er das Nachschlagen in Dokumentationen ersetzte. Claude Code unter engen Budgets brachte anfangs kaum messbaren Effekt2. Die Budgets hielten die Rechnung im Rahmen, aber sie hielten die Entwickler auch davon ab, die Werkzeuge frei zu nutzen.
Was Revolut gebaut hat
Im April 2026 begann Revolut, sein Standardmodell fürs Programmieren von kommerziellen Diensten auf GLM-5.1 umzustellen, ein offenes Modell des chinesischen Entwicklers Z.ai, später auf GLM-5.321. Revolut lud die Gewichte herunter und betreibt sie auf dedizierter Hardware; keine Anfrage geht an die Endpunkte von Z.ai2. Die Installation versorgt rund 2.000 Entwickler1.
| Baustein | Was Revolut berichtet |
|---|---|
| Standardmodell | GLM-5.1 ab April 2026, dann GLM-5.3 (nur Text)1 |
| Modellgröße | GLM-5.1: rund 754 Milliarden Parameter, rund 40 Milliarden aktiv pro Token1 |
| Hardware | 56 Nvidia-B200-GPUs, entsprechend sieben Systemen mit je acht GPUs1 |
| Schnittstelle | OpenAI-kompatible Endpunkte, nutzbar aus OpenCode und Codex2 |
| Kontextgrenze | Auf rund 256.000 Token begrenzt; die volle Million wurde nicht gebraucht1 |
| Ziele für Antwortzeiten | Erstes Token in unter 3 Sekunden; ab 5 Sekunden beginnen die Beschwerden1 |
| Weitere Modelle | Ein Router leitet Bildaufgaben an Modelle mit Bildverarbeitung; Frontier-Modelle bleiben für die schwierigste Arbeit12 |
| Kontrollen | Eine Sandbox, die für nicht freigegebene Befehle die Zustimmung eines Menschen verlangt, keine Datenspeicherung beim Inferenzanbieter, Protokolle über OpenTelemetry2 |
Die am besten übertragbare Erkenntnis betrifft die Frage, woher die Leistung kam. Auf denselben 56 GPUs stieg der Durchsatz durch eine bessere Serving-Konfiguration von rund 3 auf über 7 Anfragen pro Sekunde, und die Zeit bis zum ersten Token sank von 14,26 auf 1,68 Sekunden. Abitbol führte rund 80 % des Gewinns auf die Serving-Parameter zurück, nicht auf die Hardware2: 4-Bit-Quantisierung mit NVFP4, getrennte Prefill- und Decode-Phasen, abgestimmte Kontextlängen und „Sticky Sessions“, die die Prompt-Caches warm halten12. Für Programmierarbeit erwartet er Cache-Trefferquoten über 90 %2.
Was sich verändert hat
Revolut nennt drei Ergebnisse, alle aus eigener Messung im Vortrag:
- Kosten. Die Inferenzkosten für KI-gestütztes Programmieren sanken in weniger als einem Jahr um rund 90 %, auf durchschnittlich 0,30 $ pro Million Token, etwa ein Zehntel der Rechnung für Claude Code und Codex1.
- Arbeitstempo. Die Programmierzeit verbesserte sich um rund 60 %, die Durchlaufzeit um rund 70 %, nach der Einführung bei rund 2.000 Entwicklern1.
- Nutzung. Mit einer festen, planbaren Rechnung setzten die Entwickler Agenten auch für Fehlersuche, Jira und Confluence ein, nicht nur zum Schreiben von Code. Laut Abitbol kamen die größten Gewinne aus dieser Arbeit1.
Seine Zusammenfassung der Linie war direkt: „Open source is now a priority at Revolut“1.
Die Rechnung für alle anderen
Revolut hat nicht veröffentlicht, was es für seine GPUs zahlt. Laut den Notizen zum Vortrag laufen sie als dedizierte Inferenz bei Together AI2, dessen öffentlicher Listenpreis deshalb eine vernünftige Obergrenze gibt. Zum On-Demand-Preis von Together AI für dedizierte B200-Inferenz, 8,99 $ pro GPU und Stunde3, ergibt sich für eine Installation in Revoluts Größe folgende Rechnung.
| Posten | Rechnung | Ergebnis |
|---|---|---|
| Stundenkosten, 56 B200-GPUs | 56 × 8,99 $ | 503 $ pro Stunde |
| Monatskosten bei Dauerbetrieb | × 730 Stunden | rund 367.500 $ |
| Pro Entwickler, bei 2.000 Entwicklern | ÷ 2.000 | rund 184 $ im Monat |
| Dieselbe Größe bei Together GPU Clusters, unterbrechbar | 56 × 4,09 $ × 730 | rund 167.200 $ im Monat |
Das ist unsere Rechnung auf Basis der Listenpreise, nicht Revoluts Kosten, und sie enthält keine Personalkosten für den Betrieb. Sie zeigt trotzdem die Struktur der Entscheidung. Ein fester Cluster kostet gleich viel, ob die Entwickler zehn Anfragen schicken oder zehntausend. Deshalb stieg die Nutzung, als die Budgets wegfielen. Unterhalb eines bestimmten Volumens sind Endpunkte für offene Modelle, die pro Token abrechnen, günstiger: Together AI führt GLM-5.3 mit 1,40 $ pro Million Eingabe-Token, 0,26 $ für Eingaben aus dem Cache und 4,40 $ pro Million Ausgabe-Token3. Wo die Gewinnschwelle liegt, hängt von Volumen und Cache-Trefferquote ab. Deshalb war Revoluts erster Schritt das Messen.
Für ein deutsches Unternehmen kommt eine zweite Rechnung hinzu, die sich nicht in Euro ausdrücken lässt: Ein Modell auf dedizierter Infrastruktur kann in einem Rechenzentrum in der EU laufen, und die Daten, die durch das Modell gehen, bleiben unter europäischem Recht.
Was Revolut noch nicht getan hat
Der veröffentlichte Bericht beschreibt ein Unternehmen, dem seine Inferenz gehört. Er beschreibt kein Unternehmen, dem seine Intelligenz gehört. Weder der Vortrag noch die Berichterstattung erwähnen eine Feinabstimmung von GLM mit Revoluts Code, Tickets oder Dokumenten2. Das Modell weiß, was jede Kopie von GLM-5.3 weiß, plus den Kontext, der im Moment der Anfrage in den Prompt gelegt wird. Der frühere Gemini-Einsatz zog seinen Nutzen aus dem Zugriff auf interne Daten2. Das deutet an, wo der nächste Gewinn liegt.
Dieser nächste Schritt ist schwieriger als der Betrieb eines Modells, und die Schwierigkeit liegt meist nicht im Training. Sie liegt in den Daten. Das Wissen eines Unternehmens steckt in Tickets, E-Mails, Dokumenten, Chatverläufen und Systemdatensätzen, geschrieben für Menschen, doppelt vorhanden und oft widersprüchlich. Bevor irgendetwas davon ein Modell trainieren kann, muss es gefunden, bereinigt, gekennzeichnet und strukturiert werden, und diese Arbeit muss weiterlaufen, solange das Unternehmen arbeitet. Unser englischsprachiger Ratgeber zum Training eines Modells mit Unternehmensdaten beschreibt die Phasen.
An dieser Schicht setzt OpenLazarus an. Seine Architekten bauen einen Data Lake, der alle Daten eines Unternehmens enthält und dem Unternehmen gehört, nicht seinen Softwareanbietern4. Sein AI Router leitet jede Anfrage an ein Frontier-Modell, ein offenes Modell oder ein für den Kunden trainiertes Modell, und es bietet eigenes Training mit diesen Daten an5. Im Grunde arbeitet es als Bibliothekar des Unternehmens: Es bringt das Wissen in eine Ordnung, aus der ein Modell lernen kann. OpenLazarus ist ein europäisches Unternehmen mit Servern in Europa. Es ist selbst kein Modell, sondern der Weg zu einem Modell, das dem Unternehmen gehört.
Der Weg in fünf Schritten
- Vor dem Wechsel messen. Mindestens einen Monat lang Token, Kosten und Antwortzeiten je Team und Werkzeug erfassen. Revoluts Entscheidung beruhte auf der Erkenntnis, dass einzelne Entwickler Tausende im Monat ausgaben, ohne viel zu bewirken.
- Einen Router vor jedes Modell setzen. Agenten und Werkzeuge auf einen einzigen OpenAI-kompatiblen Endpunkt unter eigener Kontrolle richten. Ein Modell zu tauschen, zu testen oder selbst zu betreiben wird damit zu einer Einstellungsfrage.
- Den Standard verlegen, nicht alles. Für den Großteil der Arbeit ein offenes Modell wählen und Frontier-Modelle für die Aufgaben behalten, bei denen sie messbar besser sind, so wie Revolut es bei Bildern und den schwierigsten Problemen hält.
- Erst das Serving abstimmen, dann Hardware kaufen. Ziele für die Zeit bis zum ersten Token und den Durchsatz setzen, den Kontext auf das begrenzen, was tatsächlich genutzt wird, und Cache-Treffer messen. Den größten Teil seines Gewinns holte Revolut auf diesem Weg.
- Die Daten ordnen, dann trainieren. Eine Übersicht über das Wissen des Unternehmens anlegen, einen Testdatensatz aus echten Aufgaben aufbauen und eine Pipeline, die beides aktuell hält. Ein offenes Modell darauf feinabstimmen, ihm die Arbeit geben, die es am besten erledigt, und weiter messen.
Das Ziel ist konkret. Die meisten Anfragen gehen an ein Modell, das das Unternehmen kontrolliert, zu Kosten, die nicht mit jeder Anfrage steigen. Derselbe Endpunkt kann ein Modell bedienen, das die Systeme, Begriffe und Entscheidungen des eigenen Unternehmens gelernt hat, und die Frontier-Labore werden zu einer Option hinter dem Router statt zum Fundament.
Häufige Fragen
Welches Open-Source-Modell nutzt Revolut?
Revoluts Standardmodell für KI-gestütztes Programmieren ist GLM von Z.ai. Im April 2026 begann das Unternehmen mit GLM-5.1 und stieg später auf GLM-5.3 um. Frontier-Modelle von Anthropic, OpenAI und Google bleiben für die Aufgaben verfügbar, bei denen sie klar besser sind, und ein Router leitet Bildaufgaben an Modelle mit Bildverarbeitung.
Wie viel hat Revolut durch den Eigenbetrieb gespart?
Revolut meldet, dass die Inferenzkosten für KI-gestütztes Programmieren um rund 90 % gesunken sind, auf durchschnittlich 0,30 $ pro Million Token, etwa ein Zehntel dessen, was es zuvor für Claude Code und Codex zahlte. Das sind Angaben des Unternehmens aus einem Konferenzvortrag.
Hat Revolut ein eigenes KI-Modell trainiert?
Weder der veröffentlichte Vortrag noch die Berichterstattung beschreiben eine Feinabstimmung mit Revoluts eigenen Daten. Revolut betreibt ein offenes Modell so, wie es veröffentlicht wurde, und ergänzt zur Laufzeit eigenen Kontext. Ein Modell mit Unternehmensdaten zu trainieren ist der nächste, eigene Schritt.
Was bedeutet „headless“ bei KI?
Es bedeutet, die Werkzeuge, mit denen Menschen arbeiten, vom Modell dahinter zu trennen. Revoluts Programmier-Agenten rufen OpenAI-kompatible Endpunkte auf. Das Modell dahinter lässt sich deshalb austauschen, selbst betreiben oder je Aufgabe routen, ohne dass sich die Arbeit der Entwickler ändert.
Wie viele GPUs braucht man, um ein offenes Modell in Frontier-Größe selbst zu hosten?
Revolut versorgt rund 2.000 Entwickler mit 56 dedizierten Nvidia-B200-GPUs, was sieben Systemen mit je acht GPUs entspricht. Allein die Gewichte von GLM-5.1 brauchen rund 380 GB GPU-Speicher, dazu je nach Genauigkeit 6 bis 26 GB pro Nutzer für den Kontext.
Kann ein mittelständisches Unternehmen tun, was Revolut getan hat?
Das Betriebsmuster lässt sich verkleinern. Ein Unternehmen kann dedizierte GPUs stundenweise bei Inferenzanbietern mieten oder mit Endpunkten für offene Modelle beginnen, die pro Token abrechnen, und auf eigene Hardware wechseln, sobald die Nutzung stabil ist. Was sich nicht verkleinern lässt, ist die Notwendigkeit, Nutzung, Antwortzeiten und Kosten vor dem Wechsel zu messen.
Quellen
- British fintech Revolut slashes AI coding costs 10x by cutting out Claude and going self-hosted. The Register, 3. Nov. 2026. Abgerufen 9. Nov. 2026.
- How Revolut Cut AI Coding Costs 90% With Self-Hosted Open Models: talk notes. Sparse Notes. Abgerufen 9. Nov. 2026.
- Pricing: serverless inference, dedicated inference and GPU clusters. Together AI. Abgerufen 9. Nov. 2026.
- AI Architects. OpenLazarus. Abgerufen 9. Nov. 2026.
- Pricing. OpenLazarus. Abgerufen 9. Nov. 2026.
Aktualisiert 9. Nov. 2026: Erstveröffentlichung auf Basis von Revoluts Vortrag auf der AI Engineer und dem Bericht von The Register vom 3. November 2026.
Auch auf: English · Français · Español · Italiano · Nederlands · Polski