La banca Revolut ha ridotto di circa il 90% la spesa per l’inferenza dei modelli di intelligenza artificiale usati dai suoi circa 2.000 sviluppatori. Lo strumento predefinito non è più Claude Code di Anthropic né Codex di OpenAI, ma GLM, un modello open-weight sviluppato dalla società cinese Z.ai, che la fintech britannica fa girare su GPU dedicate.

I dati sono stati presentati a ottobre da David Abitbol, responsabile delle operazioni e dell’infrastruttura AI di Revolut, nell’intervento intitolato “Shipping like a startup, regulated like a bank” alla conferenza AI Engineer di New York. Il costo dichiarato è di circa 30 centesimi di dollaro per milione di token pari a circa un decimo di quanto Revolut pagava ad Anthropic e OpenAI. La scelta riguarda una delle aziende tecnologiche europee di maggior valore: Revolut dichiara oltre 80 milioni di clienti in 45 mercati.

Dai budget razionati ai token illimitati

Il passaggio è avvenuto per gradi. Revolut ha prima distribuito Gemini di Google in tutta l’azienda, ottenendo una riduzione del 20% del tempo dedicato alla scrittura del codice e del 10% del lead time, cioè il tempo che intercorre tra la presa in carico di un’attività e l’integrazione del codice nel ramo principale. All’inizio del 2026 è arrivato Claude Code, ma con limiti di spesa rigidi per ogni sviluppatore. Abitbol ha spiegato che l’azienda era scettica sul ritorno dell’investimento: alcuni ingegneri arrivavano a spendere da 1.000 a 10.000 dollari al mese senza benefici proporzionati.

Con le quote contingentate, gli sviluppatori riservavano l’AI ai compiti più difficili o ne risparmiavano l’utilizzo in vista della fine del trimestre. Da aprile Revolut fa girare GLM in proprio e, con una spesa fissa, i limiti sono stati eliminati. Su un campione di circa 2.000 ingegneri, l’azienda riporta un calo del 60% del tempo di scrittura del codice e del 70% del lead time.

Secondo Abitbol, il fatto che il lead time si sia ridotto più del tempo di codifica indica che il vero collo di bottiglia non è la scrittura del codice. I guadagni maggiori sono arrivati dall’uso dell’AI per il debugging e per la gestione di ticket e documentazione su Jira e Confluence: attività che, con un budget limitato, nessuno avrebbe affidato al modello AI.

L’infrastruttura: 56 GPU e molta ottimizzazione

Revolut ha adottato inizialmente GLM-5.1 per poi passare a GLM-5.3, servito su 56 GPU Nvidia B200, l’equivalente di sette sistemi DGX B200 da otto GPU ciascuno. GLM-5.1 conta circa 754 miliardi di parametri, ma ne attiva circa 40 miliardi per ogni token generato.

Revolut ha ottenuto enormi miglioramenti nelle prestazioni intervenendo sulla configurazione. Nella configurazione di partenza l’inferenza era, a detta di Abitbol, pessima. Dopo interventi sulla quantizzazione e aver separato su GPU differenti le due fasi dell’inferenza (prefill e decode), il tempo di attesa del primo token è sceso da oltre 10 secondi a meno di 2, mentre il carico cresceva. La velocità di generazione è di circa 200 token al secondo. La soglia critica è la latenza iniziale: oltre i cinque secondi, ha raccontato Abitbol, i messaggi di protesta su Slack si moltiplicano.

Anche la finestra di contesto – la quantità di testo che il modello considera in una singola richiesta – è stata limitata a 256.000 token. Per Abitbol, avere la possibilità di servire un milione di token non significa che sia utile né efficiente farlo.

Modello cinese, server occidentali

Per una banca regolamentata l’origine del modello è un tema delicato, e Abitbol ha riconosciuto la diffidenza che circonda i modelli open source cinesi (abbiamo di recente parlato del caso un test in cui Qwen ha tentato di caricare una stringa di dati su un cloud cinese). Revolut però usa solo i pesi pubblicati e li esegue su GPU dedicate, senza passare dal servizio di inferenza di Z.ai in Cina. Abitbol non ha precisato dove si trovino fisicamente le GPU né chi le fornisca, ma ha indicato il criterio seguito: i dati devono restare in paesi con tutele equivalenti e i fornitori di GPU o di servizi di inferenza devono garantire che i dati non vengano conservati.

Gli agenti di programmazione operano in un ambiente isolato (sandbox) con regole di approvazione che stabiliscono quali comandi possono eseguire, sempre sotto la supervisione di una persona. È la garanzia che Revolut presenta ai regolatori.

Claude Code e Codex non sono stati eliminati: restano disponibili, ma come eccezione per i compiti più complessi. GLM gestisce solo testo, quindi un sistema di instradamento delle richieste indirizza le attività che coinvolgono immagini verso modelli come Gemini. Abitbol ha sintetizzato così la strategia: l’open source è ora una priorità, la fatturazione è fissa e senza sorprese a fine mese, i modelli di frontiera sono l’eccezione.

Una pressione sui prezzi dei modelli di frontiera

Il caso Revolut è rilevante perché non si tratta di un progetto pilota, ma dello strumento predefinito per l’intero team di sviluppo di una banca. Conferma una tendenza: per il lavoro quotidiano ad alto volume, i modelli a pesi aperti come GLM, DeepSeek e Kimi vengono considerati sufficienti, mentre i modelli più avanzati di Anthropic e OpenAI restano riservati ai casi più complessi. Se altre grandi aziende seguiranno la stessa strada, l’uso enterprise degli assistenti di programmazione – oggi una delle principali fonti di ricavo per i fornitori di modelli di frontiera – potrebbe diventare il terreno di una forte pressione sui prezzi.

C’è però da chiedersi se il modello di business dei laboratori AI di frontiera – come Anthropic, OpenAI e Google – sarà in grado di reggere un simile scenario.

Il rischio è messo nero su bianco dalla stessa Anthropic nel prospetto per la quotazione in Borsa depositato a fine ottobre. I cinque maggiori clienti valgono circa un quarto del fatturato dei primi nove mesi del 2026, i ricavi dipendono in larga parte dal consumo effettivo e non da contratti pluriennali, e tra i fattori di rischio la società indica proprio la concorrenza dei modelli a pesi aperti e la possibile migrazione dei clienti verso alternative più economiche per i compiti in cui risultano sufficienti. Per OpenAI e Google non esistono dati pubblici comparabili, ma diversi analisti ritengono che parti rilevanti degli introiti dipendano da pochi clienti enterprise.

Se solo una parte di questi seguisse le orme di Revolut sarebbe un grosso problema, e non solo per i tre fornitori. Riusciranno ancora erogare a costi che non siano folli i loro modelli di punta per quel 10 percento di compiti che i modelli open weight non riescono a gestire e richiedono invece capacità di frontiera?