Revolut taglia del 90% i costi dell’AI per il codice con modelli open-weight

Revolut dice di aver tagliato di circa il 90% i costi dell’AI per la programmazione in meno di un anno, rendendo predefiniti modelli open-weight ospitati sui propri server al posto dei servizi commerciali. La notizia, emersa dall’intervento di un responsabile dell’azienda alla conferenza AI Engineer di New York, è interessante perché racconta numeri e scelte tecniche concrete, non una promessa di marketing.

Se ti occupi di AI in azienda, o ti chiedi quanto costi davvero mettere un assistente di codice nelle mani di migliaia di sviluppatori, è un caso da leggere con attenzione. Allo stesso tempo, va letto con la giusta cautela.

Cosa ha raccontato Revolut

Secondo il resoconto pubblicato da The Register, la fintech britannica ha iniziato a sperimentare con gli assistenti di codice all’inizio del 2025, partendo da Gemini, e nel 2026 è passata a Claude Code. Il problema è arrivato presto: gli ingegneri spendevano molto, ma il ritorno non era chiaro. Per questo l’azienda ha introdotto limiti di budget severi, e i token sono diventati di fatto una risorsa scarsa.

A parlare è stato David Abitbol, responsabile di operazioni e infrastruttura, che ha presentato i risultati al palco della conferenza. Il punto di svolta è stato l’adozione di GLM 5.1 di Z.ai, un modello open-weight che Revolut ospita in proprio, poi sostituito da GLM-5.3.

Il conto, nelle parole riportate, è semplice: far girare GLM 5.1 sui propri server costa circa 0,30 dollari per milione di token, più o meno un decimo rispetto all’uso di Codex di OpenAI o di Claude Code di Anthropic.

L’infrastruttura dietro il risparmio

Modello e hardware

L’articolo descrive GLM 5.1 come un modello con circa 754 miliardi di parametri totali, di cui circa 40 miliardi attivi per ogni token, secondo la logica delle architetture a esperti. Per servirlo Revolut usa 56 GPU Nvidia B200, l’equivalente di sette sistemi DGX B200 da otto GPU ciascuno, al servizio di circa 2.000 ingegneri.

Una cifra che fa riflettere: non si parla di un esperimento da laboratorio, ma di una piattaforma interna usata ogni giorno da un’intera organizzazione di sviluppo.

Le ottimizzazioni che contano

Qui arriva forse la parte più utile per chi lavora con i modelli. Abitbol ha spiegato che le regolazioni del software di serving hanno pesato più dell’aggiunta di nuove GPU. Tra gli interventi citati ci sono la messa a punto degli iperparametri, la quantizzazione NVFP4, la separazione tra le fasi di prefill e decode e la calibrazione della lunghezza del contesto.

In pratica, il risparmio non nasce solo dal fatto che il modello sia aperto, ma dalla cura con cui viene fatto funzionare.

I risultati dichiarati sulla produttività

Revolut parla di un miglioramento di circa il 60% nel tempo di scrittura del codice e di circa il 70% nei tempi di consegna. Sul fronte delle prestazioni, il tempo al primo token resta sotto i tre secondi anche con un contesto di circa 256 mila token, e la generazione arriva a circa 200 token al secondo. Gli ingegneri che accedono dopo le 17 avrebbero velocità vicine agli 800 token al secondo, perché il sistema è meno congestionato.

I benefici maggiori, sempre secondo il racconto, non arrivano dalla semplice scrittura di codice ma dal debugging e dalla gestione dei ticket su Jira e Confluence. È un dettaglio importante: spesso il valore di un assistente sta nel lavoro noioso che circonda la programmazione.

Abitbol si è lasciato andare anche a un’osservazione netta sul contesto lungo: «Long context is a scam», ha detto, invitando a non fidarsi ciecamente di finestre enormi.

Attenzione ai limiti e alle cautele

Prima di trarre conclusioni, conviene mettere in fila le cautele. I numeri su costi e produttività sono dichiarazioni dell’azienda, riportate senza una verifica indipendente. Il titolo di The Register parla di un’uscita di scena di Claude, ma il testo descrive una riduzione della dipendenza, non un abbandono totale.

GLM, infatti, non ha sostituito del tutto i modelli di OpenAI e Anthropic. È un modello solo testuale, quindi i compiti con la vista, come il lavoro sulle interfacce, vengono instradati da un router verso modelli come Gemini o GPT Luna.

Ecco perché la vera lezione è l’architettura a più modelli: un modello economico come predefinito, e quelli più costosi o più capaci solo dove servono.

Il nodo dei modelli cinesi

Abitbol ha riconosciuto le preoccupazioni legate all’uso di modelli open-weight sviluppati in Cina. Secondo lui il rischio principale riguarda l’accesso tramite API ospitate fuori dal Paese di origine, mentre le installazioni locali o regionali, come quella di Revolut, preoccupano meno. È una posizione ragionevole, ma ogni azienda dovrà valutarla in base ai propri obblighi di conformità, soprattutto in un settore regolato come quello finanziario.

Perché questa notizia conta per te

Il caso Revolut mostra che il mercato dei modelli per il codice si sta spezzando in due livelli. Da una parte i servizi commerciali di punta, come Claude Code, di cui sul sito abbiamo raccontato anche l’evoluzione con la disponibilità generale di Code Review. Dall’altra i modelli aperti, sempre più capaci, che con un po’ di ingegneria diventano competitivi sul costo.

La famiglia GLM è già apparsa più volte nelle nostre pagine: se vuoi il contesto tecnico, puoi leggere il lancio di GLM-5.3-Flash di Z.ai e il report di Anthropic su GLM-5.3 e gli exploit informatici, che ricorda come la potenza dei modelli aperti porti con sé anche questioni di sicurezza.

Per una piccola realtà, o per un libero professionista, rifare quanto ha fatto Revolut non ha senso: 56 GPU B200 sono un investimento fuori scala. Ma la logica si può trasferire in piccolo.

Misura quanto consumi, imposta budget chiari, usa un modello economico per i compiti ripetitivi e riserva quello di punta ai casi difficili.

Come ragionare sui costi dell’AI in azienda

Il racconto di Revolut ricorda una verità spesso ignorata: l’AI generativa non è gratuita, e il costo per token può trasformarsi in una voce di bilancio rilevante appena l’uso si allarga. Prima di scegliere gli strumenti, conviene chiedersi quali attività generano valore reale, chi le usa davvero e con quale frequenza.

Subito dopo vanno confrontate le alternative: servizio commerciale, modello aperto servito da un fornitore, oppure ospitato in casa. Ognuna ha costi, rischi e competenze diverse. L’ospitare in proprio riduce il costo marginale, ma richiede personale che sappia ottimizzare il serving, monitorare la qualità e gestire gli aggiornamenti dei modelli.

C’è poi un tema di qualità. Un modello più economico può bastare per il debugging e per i ticket, ma non necessariamente per progettare un’architettura complessa. Per questo l’idea del router è così interessante: decide caso per caso, evitando di pagare il prezzo massimo quando non serve.

Infine, la sicurezza. Qualunque sia la scelta, i dati di codice sono tra i più sensibili che un’azienda possieda. Ospitare un modello in casa evita di inviarli a terzi, ed è probabilmente uno dei motivi per cui una fintech può preferire questa strada.

Conclusioni

La storia di Revolut non dice che i modelli commerciali siano finiti, né che quelli aperti siano sempre la scelta giusta. Dice che il costo dell’AI per il codice è un problema ingegneristico, oltre che commerciale, e che chi lo affronta con metodo può ottenere risparmi enormi.

Se lavori con l’AI, prova a fare questo esercizio sul tuo caso: calcola quanto spendi oggi, individua i compiti ripetitivi e testa un modello aperto su quelli. Poi raccontaci cosa hai scoperto, e continua a seguire intelligenzaartificiale.net per le prossime novità su modelli, costi e strumenti per sviluppatori.