Revolut convierte un modelo GLM autoalojado en la herramienta de código por defecto de 2 000 ingenieros
El neobanco Revolut sirve GLM-5.3 en 56 GPU Nvidia B200 a unos 2 000 ingenieros y afirma pagar diez veces menos que con Anthropic y OpenAI. Claude Code y Codex siguen utilizándose, pero como excepción.
El neobanco Revolut ha convertido un modelo abierto alojado en su propia infraestructura en la herramienta de código por defecto de sus desarrolladores. David Abitbol, responsable de operaciones de IA, lo explicó durante la conferencia AI Engineer de Nueva York en octubre, y The Register se hizo eco de su intervención el 3 de noviembre de 2026. Revolut sirve GLM-5.3, el modelo del laboratorio chino Z.ai, a unos 2 000 ingenieros sobre 56 GPU Nvidia B200. Su factura de IA para generación de código sería diez veces inferior a la que pagaba con Anthropic y OpenAI.
Del presupuesto limitado a los tókenes sin límite
David Abitbol relata que Revolut dio primero acceso a Gemini a principios de 2025, y más tarde a Claude Code a gran escala, estableciendo límites presupuestarios estrictos: algunos ingenieros gastaban «1 000 dólares al mes, 10 000 dólares al mes» sin un retorno claro. Por ello, la empresa empezó a autoalojar modelos abiertos hacia abril de 2026, primero con GLM-5.1 y después con GLM-5.3. El coste medio cayó a unos 30 centavos por millón de tókenes, y la facturación pasó a ser fija: se acabaron las sorpresas desagradables a final de mes.
El principal beneficio, según él, no procede del código. Al disponer de tókenes ilimitados, los ingenieros recurren también al modelo para depuración, tiques de Jira y documentación en Confluence. Revolut calcula un 60% menos de tiempo de programación y un 70% menos de plazo de entrega. Son cifras internas que coinciden además con el fin del racionamiento: resulta difícil discernir qué parte corresponde al modelo en sí. Claude Code y Codex no desaparecen: «la frontera pasa a ser la excepción», reservada para las tareas más complejas.
Los ajustes que marcan la diferencia
La intervención consistió principalmente en un análisis técnico de la experiencia:
| Parámetro | Elección de Revolut |
|---|---|
| Modelo | GLM-5.3, solo texto |
| Hardware | unas 56 Nvidia B200 para 2 000 ingenieros |
| Objetivo de latencia | menos de 3 s antes del primer token |
| Rendimiento | unos 200 tókenes/s (cerca de 800 por la tarde/noche) |
| Contexto | 256 000 tókenes, no un millón |
| Cuantización | FP4 en GPU Blackwell |
| Imágenes | redirigidas a otro modelo |
«El contexto largo es una estafa», resume David Abitbol: aunque el modelo admita un millón de tókenes, 256 000 son suficientes. Según señala, entre abril y agosto, el tiempo previo al primer token pasó de unos 10 segundos a 1,6 segundos, con el mismo número de GPU y una demanda en fuerte crecimiento, gracias a la optimización de los parámetros más que a la adición de hardware. Los puntos de conexión son compatibles con la API de OpenAI y se integran en OpenCode o Codex.
Para un banco sujeto a la normativa europea, insiste en dos medidas de protección: un entorno aislado que garantice que un humano valide las acciones y registros detallados en caso de incidente. En cuanto a los modelos chinos, considera que el riesgo atañe a las API alojadas en China, no a unos pesos descargados y ejecutados en servidores ubicados en Estados Unidos o Europa.
Nuestro análisis
El caso de Revolut ilustra cómo la rentabilidad de los agentes de código cambia de escala en una gran empresa: más allá de unos pocos miles de usuarios intensivos, alquilar GPU y servir un modelo abierto puede salir mucho más barato que abonar suscripciones por puesto. Sin embargo, la operación exige un equipo capaz de afinar la inferencia, y un parque de 56 B200 no está al alcance de cualquier compañía. Las mejoras de productividad comunicadas deben interpretarse con cautela: reflejan sobre todo el impacto de disponer de tókenes ilimitados. Para Anthropic y OpenAI, el mensaje es incómodo: sus modelos siguen siendo los preferidos para las tareas más complejas, pero el grueso del volumen diario puede desviarse hacia modelos abiertos.
Fuentes
- AI Engineer — transcripción de «Shipping like a startup, regulated like a bank», David Abitbol (AI Engineer NYC 2026) Fuente primaria
- AI Engineer — página de la conferencia de Revolut Fuente primaria
- The Register — British fintech Revolut slashes AI coding costs 10x by cutting out Claude and going self-hosted (3 de noviembre de 2026) Fuente secundaria
Una fuente primaria procede directamente de la empresa, el laboratorio o la organización implicados. Una fuente secundaria recoge la información sin ser su autora: la señalamos como tal. ¿Has visto un error? Consulta nuestra política de correcciones.
