Британский финтех Revolut заявил, что сократил расходы на ИИ для кода примерно на 90% менее чем за год. Компания перестала делать ставку на коммерческие сервисы уровня Claude Code и вынесла основную нагрузку на самостоятельно развёрнутые модели — кейс, который российским IT-командам стоит читать не как рекламу очередной LLM, а как расчёт экономики инженерной платформы.
По данным The Register, об этом рассказал руководитель операций и инфраструктуры Revolut Дэвид Абитбол на конференции AI Engineer в Нью-Йорке в октябре. После внедрения инструментов с генеративным ИИ примерно для 2 тыс. инженеров компания зафиксировала сокращение времени разработки на 60% и lead time на 70%. Но главный эффект, по словам Абитбола, пришёл не от мгновенного написания новых функций: модели разгрузили разработчиков от отладки, разбора задач в Jira и работы с материалами в Confluence.
До перехода к собственной инфраструктуре Revolut экспериментировал с Gemini в начале 2025 года, а в начале 2026-го — с Claude Code. Первые счета не впечатлили: отдельные инженеры расходовали на ИИ от 1 тыс. до 10 тыс. долларов в месяц, при этом отдачу было трудно доказать. Поэтому доступ ограничили бюджетами и токенами. Ограничения быстро стали частью рабочего процесса: люди берегли запросы для особенно сложных задач вместо того, чтобы поручать модели рутинную диагностику или подготовку контекста.
Альтернативой стала GLM: сначала версия 5.1, затем 5.3. Revolut утверждает, что самостоятельное обслуживание GLM 5.1 обходилось примерно в 0,30 доллара за миллион входных и выходных токенов — около десятой части стоимости использования Codex или Claude Code в их расчёте. При дешёвом токене меняется не только строка затрат: инженер может запускать несколько задач параллельно, просить модель разобрать лог, проверить гипотезу, подготовить черновик тикета и не думать, не слишком ли дорого обойдётся этот разговор.
56 B200 — не главный ответ
У этой экономии есть вполне материальная цена. GLM 5.1, разработанная китайской Z.ai, насчитывает около 754 млрд параметров, из которых при генерации активны 40 млрд. Только для хранения весов требуется примерно 380 ГБ видеопамяти; контекст каждого пользователя добавляет ещё от 6 до 26 ГБ в зависимости от точности. Для обслуживания GLM 5.3 в масштабе Revolut развернул 56 ускорителей Nvidia B200 — это эквивалент семи систем с восемью такими GPU.
Однако Абитбол отдельно подчёркивает: прирост не свёлся к покупке ускорителей. Команда настроила гиперпараметры модели, перешла на квантование NVFP4, разделила этапы prefill и decode и ограничила рабочий контекст. Поддержка окна в миллион токенов, по его оценке, мало полезна в реальных сценариях. Для инженеров Revolut практическим пределом стали примерно 256 тыс. токенов: при таком размере контекста удалось добиться времени до первого токена менее трёх секунд и скорости генерации около 200 токенов в секунду.
Это важнее, чем кажется на презентациях с гигантскими контекстными окнами. После пяти секунд ожидания, заметил Абитбол, пользователи начинают жаловаться в Slack. А экстремальная скорость выдачи не столь критична: разработчики всё чаще отправляют ИИ-задачи в фоне и возвращаются за результатом, а не наблюдают за каждым выводимым токеном. Вне пикового времени, после 17:00, Revolut получает до 800 токенов в секунду — приятный бонус, но не целевая метрика продукта.
Полностью от внешних моделей финтех не отказался. GLM работает только с текстом, поэтому запросы, где нужно понимать интерфейс или изображение, направляются через маршрутизатор к Gemini или GPT. Для бизнеса это, вероятно, наиболее реалистичная схема: не выбирать один «главный» ИИ, а держать локальную модель для массовых текстовых и кодовых операций, оставляя дорогие frontier-модели для задач, где они действительно дают преимущество.
Самостоятельный хостинг ИИ не отменяет вопросов о закупке GPU, эксплуатации кластера, безопасности и качестве моделей. Но пример Revolut показывает, что считать нужно не только цену токена: дешёвый и быстрый ИИ для кода меняет поведение команды и расширяет набор задач, которые вообще имеет смысл автоматизировать. Следующий практический вопрос для крупных разработчиков — где проходит граница, после которой собственная инфраструктура окупает не только счёт за API, но и сложность её обслуживания. Проверить исходные цифры и комментарии Абитбола можно в материале .
