Revolut afirma que su factura por alojar modelos GLM para programación equivale a cerca de una décima parte de lo que pagaba antes a Anthropic y OpenAI por servicios de IA. El cambio dio a unos 2,000 ingenieros acceso al sistema sin las mismas restricciones de consumo, según David Abitbol, responsable de operaciones de IA de la empresa.
En una conferencia celebrada el 13 de octubre en Nueva York, Abitbol situó el costo medio en 0.30 dólares por millón de tokens, las unidades con las que el modelo procesa y genera texto. La cifra corresponde a la instalación de Revolut y su nivel de uso; no es un precio universal para alojar GLM.
Su presentación no desglosó todos los conceptos incluidos en el cálculo ni los periodos y volúmenes exactos comparados. El 90% es la diferencia aproximada entre esos importes, no una comparación completa del costo por token de cada proveedor ni del costo total de operar el sistema.
La exposición de Abitbol en AI Engineer explica el cambio de herramientas y la infraestructura que lo hizo posible.
De presupuestos limitados a más tareas con IA
Antes del cambio, Revolut había probado Gemini y Claude Code. Abitbol contó que algunos ingenieros gastaban entre 1,000 y 10,000 dólares al mes en servicios de IA y que la empresa impuso límites de presupuesto. Eso llevaba a reservar los tokens para las tareas más difíciles.
La compañía comenzó a alojar modelos de pesos abiertos en abril de 2026 y adoptó GLM-5.1 para programación. Abitbol presentó una medición interna que asociaba esa etapa con mejoras de aproximadamente 60% en el tiempo de programación y de 70% en el plazo de entrega, en una muestra de unos 2,000 ingenieros.
Ese plazo mide el recorrido desde que un ingeniero toma una función hasta que el código se integra y queda listo para desplegarse. Abitbol atribuyó parte de la mejora a poder usar IA también para revisar el correo y trabajar con herramientas como Jira y Confluence.
La comparación es de la propia empresa y no aísla el efecto del modelo de otros cambios, como la eliminación de los límites anteriores. Por sí sola no demuestra que GLM sea más productivo que Claude en las mismas condiciones.
La factura más baja requirió 56 GPU y ajustes
Abitbol dijo que el sistema utiliza aproximadamente 56 GPU Nvidia B200 para ejecutar GLM-5.3, desarrollado por la empresa china Z.ai. Al usar pesos abiertos, una organización puede ejecutar el modelo en infraestructura de su elección. En el caso de Revolut, señaló que usa un servicio basado en Estados Unidos.
Según la presentación, la respuesta inicial tardaba más de 10 segundos. Tras ajustar la configuración sin añadir GPU, esa espera bajó a alrededor de 1.6 segundos entre abril y agosto, mientras la demanda pasó de unas tres a más de siete solicitudes por segundo.
Entre los ajustes estaban la memoria destinada al contexto y la forma de representar los números del modelo. Ejecutarlo también exige capacidad de cómputo y trabajo técnico, aunque Abitbol no detalló en la charla cómo contabilizó todos esos recursos dentro del costo declarado.
Revolut mantiene Claude Code y Codex disponibles para casos excepcionales. Abitbol también explicó que clientes como OpenCode o Codex pueden conectarse a sus modelos alojados mediante interfaces compatibles. La herramienta que coordina una tarea y el modelo que genera las respuestas pueden elegirse por separado.
Patricia Rodriguez
Para las solicitudes que requieren interpretar imágenes, Abitbol planteó dirigirlas a otro modelo. GLM queda así como opción principal para programación dentro de una configuración que conserva otras herramientas para trabajos distintos.
Fuente: 1
