Revolut e l'IA open source: che cosa ha richiesto sostituire Claude Code con un modello aperto
Revolut oggi esegue gran parte della programmazione assistita su un modello a pesi aperti che serve da sé, a circa un decimo della spesa precedente. Una ricostruzione di ciò che ha costruito, di cosa significano i numeri per le altre aziende e del passo che viene dopo.
Indice
La fattura da cui tutto è partito
Revolut non voleva fare una dichiarazione di principio sui modelli aperti. Voleva tenere sotto controllo un costo. Alcuni suoi ingegneri spendevano da 1.000 a 10.000 dollari al mese ciascuno in strumenti di programmazione con IA, con pochi risultati misurabili, e l'azienda ha introdotto budget rigidi per singolo ingegnere1. David Abitbol, responsabile delle operazioni e dell'infrastruttura, ha descritto il clima senza giri di parole: il team era molto scettico sul costo dell'IA1.
La sequenza conta, perché è quella in cui si trova oggi la maggior parte delle grandi organizzazioni tecniche. Revolut ha introdotto Gemini all'inizio del 2025 e Claude Code all'inizio del 20261. L'introduzione di Gemini, che aveva accesso ai dati interni, ha ridotto il lead time di circa il 10% e il tempo di programmazione di circa il 20%, soprattutto sostituendo la consultazione della documentazione. Claude Code con budget stretti ha prodotto all'inizio un effetto poco misurabile2. I budget tenevano sotto controllo la spesa, ma impedivano anche agli ingegneri di usare gli strumenti liberamente.
Che cosa ha costruito Revolut
Ad aprile 2026 Revolut ha iniziato a spostare il suo modello predefinito per la programmazione dai servizi commerciali a GLM-5.1, un modello a pesi aperti dello sviluppatore cinese Z.ai, e poi a GLM-5.321. Ha scaricato i pesi e li serve su hardware dedicato, così che nessuna richiesta arrivi agli endpoint di Z.ai2. L'implementazione serve circa 2.000 ingegneri1.
| Componente | Che cosa ha riferito Revolut |
|---|---|
| Modello predefinito | GLM-5.1 da aprile 2026, poi GLM-5.3 (solo testo)1 |
| Dimensione del modello | GLM-5.1: circa 754 miliardi di parametri, circa 40 miliardi attivi per token1 |
| Hardware | 56 GPU Nvidia B200, l'equivalente di sette sistemi da otto GPU1 |
| Interfaccia | Endpoint compatibili con l'API di OpenAI, utilizzabili da OpenCode e Codex2 |
| Limite di contesto | Fissato a circa 256.000 token; il milione completo non serviva1 |
| Obiettivi di latenza | Primo token in meno di 3 secondi; le lamentele iniziano oltre i 5 secondi1 |
| Altri modelli | Un router invia i compiti sulle immagini a modelli con capacità visive; i modelli di frontiera restano per il lavoro più difficile12 |
| Controlli | Una sandbox che chiede l'approvazione di una persona per i comandi non autorizzati, nessuna conservazione dei dati presso il fornitore di inferenza, log OpenTelemetry2 |
Il risultato più trasferibile riguarda l'origine delle prestazioni. Sulle stesse 56 GPU, la messa a punto della configurazione di servizio ha portato il throughput da circa 3 a oltre 7 richieste al secondo e ridotto il tempo al primo token da 14,26 a 1,68 secondi. Abitbol attribuisce circa l'80% del guadagno ai parametri di servizio e non all'hardware2: quantizzazione NVFP4 a 4 bit, separazione delle fasi di prefill e decode, lunghezze di contesto calibrate e sessioni persistenti che mantengono attive le cache dei prompt12. Per il lavoro di programmazione si aspetta tassi di successo della cache superiori al 90%2.
Che cosa è cambiato
Revolut riporta tre risultati, tutti dichiarati da lei stessa nella conferenza:
- Costo. I costi di inferenza della programmazione assistita sono scesi di circa il 90% in meno di un anno, a una media di 0,30 $ per milione di token, circa un decimo della spesa per Claude Code e Codex1.
- Velocità del lavoro. Il tempo di programmazione è migliorato di circa il 60% e il lead time di circa il 70% dopo l'estensione a circa 2.000 ingegneri1.
- Uso. Con una spesa fissa e prevedibile, gli ingegneri hanno usato gli agenti per il debugging e per il lavoro su Jira e Confluence, non solo per generare codice. Abitbol ha detto che i guadagni maggiori sono venuti da lì1.
La sua sintesi della linea dell'azienda è stata diretta: «Open source is now a priority at Revolut»1.
I conti per tutti gli altri
Revolut non ha pubblicato quanto paga le sue GPU. Secondo gli appunti della conferenza, girano come inferenza dedicata su Together AI2, quindi il listino pubblico di quel fornitore dà un limite superiore ragionevole. Al prezzo su richiesta di Together AI per l'inferenza dedicata su B200, 8,99 $ per GPU all'ora3, il calcolo per un'implementazione delle dimensioni di quella di Revolut è il seguente.
| Voce | Calcolo | Risultato |
|---|---|---|
| Costo orario, 56 GPU B200 | 56 × 8,99 $ | 503 $ l'ora |
| Costo mensile, attive tutto il mese | × 730 ore | circa 367.500 $ |
| Per ingegnere, 2.000 ingegneri | ÷ 2.000 | circa 184 $ al mese |
| Stessa dimensione su Together GPU Clusters, interrompibili | 56 × 4,09 $ × 730 | circa 167.200 $ al mese |
Si tratta di nostri calcoli sui prezzi di listino, non dei costi di Revolut, e non includono il tempo degli ingegneri. Mostrano comunque la natura della decisione. Un cluster a costo fisso costa lo stesso che gli ingegneri inviino dieci richieste o diecimila, ed è per questo che l'uso è cresciuto quando sono caduti i budget. Al di sotto di un certo volume conviene il pagamento a token per i modelli aperti: Together AI indica GLM-5.3 a 1,40 $ per milione di token in ingresso, 0,26 $ per l'ingresso in cache e 4,40 $ per milione di token in uscita3. Il punto di pareggio dipende dal volume e dal tasso di successo della cache, ed è per questo che il primo passo di Revolut è stato misurare.
Che cosa Revolut non ha ancora fatto
Il resoconto pubblicato descrive un'azienda che possiede la propria inferenza, non la propria intelligenza. Né la conferenza né gli articoli parlano di un fine-tuning di GLM sul codice, sui ticket o sui documenti di Revolut2. Il modello sa ciò che sa qualsiasi copia di GLM-5.3, più il contesto inserito nel prompt al momento della richiesta. L'introduzione di Gemini aveva tratto i suoi vantaggi proprio dall'accesso ai dati interni2, e questo indica dove si trova il prossimo guadagno.
Quel passo è più difficile che servire un modello, e la difficoltà non sta tanto nell'addestramento quanto nei dati. La conoscenza aziendale è sparsa tra ticket, e-mail, documenti, chat e registri dei sistemi, scritta per le persone, duplicata e spesso contraddittoria. Prima che possa addestrare un modello, va trovata, pulita, etichettata e strutturata, e quel lavoro deve proseguire mentre l'azienda opera. La nostra guida all'addestramento di un modello sui dati aziendali (in inglese) descrive le fasi.
È il livello su cui lavora OpenLazarus. I suoi architetti costruiscono un data lake che contiene tutti i dati dell'azienda, di proprietà dell'azienda e non dei suoi fornitori di software4. Il suo AI Router invia ogni richiesta a un modello di frontiera, a un modello aperto o a un modello addestrato per il cliente, e su quei dati offre l'addestramento su misura5. In pratica funziona da bibliotecario dell'azienda: mette in ordine la conoscenza perché un modello possa imparare da essa. Non è un modello in sé: è il mezzo per ottenerne uno che appartenga all'azienda.
Il percorso, in cinque passi
- Misurare prima di cambiare. Registrare token, costi e latenza per team e per strumento per almeno un mese. La decisione di Revolut si basava sul sapere che pochi ingegneri spendevano migliaia di dollari al mese con pochi risultati.
- Mettere un router davanti a ogni modello. Collegare agenti e strumenti a un unico endpoint compatibile con l'API di OpenAI sotto il proprio controllo. Sostituire, provare o ospitare in proprio un modello diventa una modifica di configurazione.
- Spostare il modello predefinito, non tutto. Scegliere un modello aperto per il grosso del lavoro e mantenere i modelli di frontiera per i compiti in cui sono misurabilmente migliori, come ha fatto Revolut per le immagini e i problemi più difficili.
- Ottimizzare il servizio prima di comprare hardware. Fissare obiettivi per il tempo al primo token e per il throughput, limitare il contesto a ciò che le persone usano davvero e misurare i successi della cache. Revolut ha ottenuto così la maggior parte del guadagno.
- Organizzare i dati, poi addestrare. Costruire un inventario della conoscenza aziendale, un insieme di valutazione tratto da compiti reali e una pipeline che li mantenga aggiornati. Adattare un modello aperto su quei dati, affidargli il lavoro in cui rende meglio e continuare a misurare.
Il risultato finale è concreto. La maggior parte delle richieste va a un modello che l'azienda controlla, con un costo che non cresce a ogni prompt. Lo stesso endpoint può servire un modello che ha imparato i sistemi, i termini e le decisioni dell'azienda, e i laboratori di frontiera diventano un'opzione dietro il router anziché le fondamenta.
Domande frequenti
Quale modello di IA open source usa Revolut?
Il modello predefinito di Revolut per la programmazione assistita è GLM di Z.ai. È partita con GLM-5.1 ad aprile 2026 ed è passata poi a GLM-5.3. I modelli di frontiera di Anthropic, OpenAI e Google restano disponibili per i compiti in cui sono chiaramente migliori, e un router invia il lavoro sulle immagini a modelli con capacità visive.
Quanto ha risparmiato Revolut ospitando il modello in proprio?
Revolut dichiara che la spesa per l'inferenza della programmazione assistita è scesa di circa il 90%, a una media di 0,30 $ per milione di token, circa un decimo di quanto pagava per Claude Code e Codex. Sono dati dell'azienda, presentati in una conferenza.
Revolut ha addestrato un modello proprio?
Né la conferenza né gli articoli pubblicati descrivono un fine-tuning sui dati di Revolut. Revolut usa un modello a pesi aperti così come è stato rilasciato e aggiunge il proprio contesto al momento della richiesta. Addestrare un modello sui dati aziendali è il passo successivo, distinto.
Che cosa significa un'IA headless?
Significa separare gli strumenti che le persone usano dal modello che sta dietro. Gli agenti di programmazione di Revolut chiamano endpoint compatibili con l'API di OpenAI, quindi il modello può essere sostituito, ospitato in proprio o scelto a seconda del compito senza cambiare il modo di lavorare degli ingegneri.
Quante GPU servono per ospitare in proprio un modello aperto da frontiera?
Revolut serve circa 2.000 ingegneri con 56 GPU Nvidia B200, l'equivalente di sette sistemi da otto GPU. I soli pesi di GLM-5.1 richiedono circa 380 GB di memoria GPU, più da 6 a 26 GB per utente per il contesto, a seconda della precisione.
Un'azienda di medie dimensioni può fare come Revolut?
Lo schema si adatta anche a scale minori. Un'azienda può noleggiare GPU dedicate a ore dai fornitori di inferenza, oppure partire dagli endpoint a token per i modelli aperti e passare all'hardware dedicato quando l'uso si stabilizza. Ciò che non si riduce è la necessità di misurare uso, latenza e costi prima del passaggio.
Fonti
- British fintech Revolut slashes AI coding costs 10x by cutting out Claude and going self-hosted. The Register, 3 nov 2026. Consultato il 9 nov 2026.
- How Revolut Cut AI Coding Costs 90% With Self-Hosted Open Models: talk notes. Sparse Notes. Consultato il 9 nov 2026.
- Pricing: serverless inference, dedicated inference and GPU clusters. Together AI. Consultato il 9 nov 2026.
- AI Architects. OpenLazarus. Consultato il 9 nov 2026.
- Pricing. OpenLazarus. Consultato il 9 nov 2026.
Aggiornato il 9 nov 2026: Prima pubblicazione, sulla base della conferenza di Revolut ad AI Engineer e dell'articolo di The Register del 3 novembre 2026.
Anche in: English · Deutsch · Français · Español · Nederlands · Polski