Revolut lässt 2.000 Entwickler auf selbst gehostetem GLM arbeiten, zu einem Zehntel der Claude-Rechnung

Das ist mehr als eine Beschaffungsfrage eines einzelnen Fintechs. Ein regulierter Kreditgeber mit mehr als 80 Millionen Kunden in 45 Märkten betreibt sein Standard-Coding-Modell jetzt auf eigener Hardware. Damit hat jedes Entwicklungsteam einen konkreten Preisvergleich gegen die Frontier-Labore. Und die Aufsichtsbehörden bekommen einen laufenden Fall, wie sich Gewichte chinesischer Herkunft auf westlicher Infrastruktur betreiben lassen. Was Revolut nicht sagt: was die Chips im Kauf oder in der Miete kosten und wie viel Entwicklerzeit die Abstimmung verschlungen hat.

56 GPUs für 2.000 Entwickler

Der Aufbau ist klein. Revolut betreibt GLM, ein Modell des chinesischen Labors Z.ai mit etwa 800 Milliarden Parametern, auf ungefähr 56 Nvidia B200. Abitbol bezifferte die Kosten auf rund 30 Cent pro Million Tokens. Eine feste Rechnung ersetzt die unvorhersehbaren Rechnungen am Monatsende.

Der Weg dorthin war Arbeit. Ab Werk sei die Inferenz „furchtbar“ gewesen, sagte Abitbol. Nach der Optimierung sank die Zeit bis zum ersten Token von mehr als 10 Sekunden auf 1,6 Sekunden, während die Nachfrage um 76 Prozent stieg. Oberhalb von fünf Sekunden, so Abitbol, „fängt mein Slack-Postfach an zu explodieren“. Das Kontextfenster ist auf 256.000 Tokens begrenzt. „Langer Kontext ist ein Betrug“, sagte er. GLM verarbeitet nur Text, deshalb schickt ein Router Bildaufgaben an Gemini. Claude Code und Codex bleiben als Ausnahme verfügbar, nicht als Standard.

Die Coding-Zeit fiel um 60 Prozent, die Durchlaufzeit um 70 Prozent, gemessen an einer Stichprobe von etwa 2.000 Entwicklern. Aus der Lücke zwischen diesen beiden Zahlen zog Abitbol eine Lehre. „Der Engpass in der Entwicklung ist nicht unbedingt das Codieren“, sagte er. Entwickler verbrächten viel Zeit mit der Suche in Postfächern, Jira und Confluence.

Gartner beziffert die Ersparnis auf ein Zwanzigstel

Revolut ist mit dieser Rechnung nicht allein. The Register berichtete am 3. November, Gartner schätze, offene Modelle könnten 90 Prozent der agentischen Arbeit zu einem Zwanzigstel der Kosten eines Frontier-LLM erledigen. Das ist eine Analystenschätzung, keine Kundenrechnung, weist aber in dieselbe Richtung wie die Zahlen von Revolut.

Die Preisschere in Zahlen

Geschlossene Modelle führen bei der rohen Leistungsfähigkeit weiterhin. Gemini 4 Carbon erreicht 59 Punkte im Artificial Analysis Intelligence Index V5, einen Punkt vor Claude Opus 5.5 und zwei vor GPT-6 Astra. In diesem Test kostet es außerdem 7,76 Dollar pro Aufgabe.

Daneben das Ende mit offenen Gewichten. DeepSeek V4.1 Flash 1017 kommt auf 32 Punkte im selben Index und kostet pro Aufgabe etwa 13 Mal weniger, nach der Lesart der Artificial-Analysis-Zahlen durch Tom's Hardware. In der Pareto-Kurve von Arena.ai übernehmen GLM 5.3-Flash und DeepSeek V4 Pro bei niedrigeren Preispunkten.

Die Frontier-Labore gewinnen weiterhin die Spitze des Rankings. Die Mitte gewinnen sie nicht mehr.

Für die Entwickler bei Revolut zählt weniger der Preis pro Token als die Tatsache, dass sie nicht mehr mitzählen müssen. Die Token-Limits sind weg, niemand rationiert den Verbrauch gegen Quartalsende oder bei einer aufwendigen Aufgabe. Das ändert den Arbeitsablauf so sehr wie die Finanzen.

Was offene Gewichte nicht lösen

Die Herkunft des Modells bleibt ein heikles Thema. „Es gab viel Stigma bei der Nutzung chinesischer Open-Source-Modelle“, räumte Abitbol ein. Revolut nutzt nur die offen verfügbaren Gewichte und betreibt sie auf Infrastruktur in den Vereinigten Staaten, nicht über den Inferenz-Endpunkt des Entwicklers in China. Daten sollen nur in Rechtsräumen mit gleichwertigem Schutz verarbeitet werden, etwa in den USA, der EU, Großbritannien und Israel. Anbieter müssen standardmäßig keine Daten speichern.

Die Agenten handeln nicht allein. Sie laufen in einer Sandbox mit Freigaberegeln, die festlegen, welche Befehle erlaubt sind. „Sie haben immer einen Menschen in der Schleife“, sagte Abitbol.

Mistral vertritt das Souveränitätsargument ausdrücklich und bewirbt Mistral Large 4 als in Europa entwickeltes Modell, das Unternehmen hinter der eigenen Firewall betreiben können. Nvidia verkauft die GPUs ohnehin in beiden Fällen. Jensen Huang nimmt das Geld, ob offene oder geschlossene Modelle zum Einsatz kommen, berichtete The Register am 3. November.