2026-10-13，Revolut AI 运营负责人 David Abitbol 在 AI Engineer NYC 演讲称：约 2000 名工程师默认使用自托管 GLM-5.3（约 56 张 NVIDIA B200），混合成本约 $0.30/百万 token，相对此前 Anthropic/OpenAI 账单约 1/10；演讲方口径编码时间约改善 60%、lead time 约 70%。Claude Code/Codex 仍作难题例外，视觉走路由。
核心要点速览
- ✓来源：Revolut AI 运营负责人 David Abitbol，AI Engineer NYC 2026 演讲（2026-10-13）+ 官方讲稿；The Register 等自 11-03 报道（演讲方口径）
- ✓规模：约 2000 名工程师默认走自托管 GLM-5.3，约 56 张 NVIDIA B200；混合成本约 $0.30/百万 token
- ✓费用：相对此前 Anthropic/OpenAI 账单约降到 1/10；演讲称编码时间约改善 60%、lead time 约 70%（未单独剥离模型因素）
- ✓路由：GLM 文本为主；视觉任务路由 Gemini / GPT 等；Claude Code / Codex 仍作难题例外
- ✓运维：同卡数下调优使 TTFT 约 14.3s→1.7s、RPS 约升 76%；沙箱审批与遥测被强调为银行合规配套
开发者 3 秒速决决策指标
本地显存不够？先比较云端 API 与自部署的实际成本
40 款主流编程套餐横向比价，支持输入/输出 Token 真实账单模拟
相关资源与官方项目出处
免代理直达深度技术解析与实战评估
核心背景与行业痛点
给 Claude Code / Codex 设月度预算后，工程师常把额度留给最难编码，邮件与 Jira 反而用不上 AI。2026-10-13，Revolut AI 运营负责人 David Abitbol 在 AI Engineer NYC 演讲介绍：默认改为自托管开源 GLM，账单变平、额度放开。The Register 等自 11-03 起报道。数字均为演讲方口径。
架构亮点与底层机制
约 2026-04 起自托管 GLM-5.1，后切 GLM-5.3；约 56 张 B200 服务约 2000 工程师。目标 TTFT 低于约 3 秒，交互约 200 tok/s。OpenAI 兼容 API 接入 OpenCode / Codex 等。GLM 偏文本，视觉经路由到 Gemini 或 GPT 系；难题仍可回落 Claude Code / Codex。强调权重跑在自选基础设施上，与调用厂商托管 API 是不同数据路径。
权威 Benchmark 与实测跑分对比
演讲方口径：混合成本约 $0.30/百万 token，相对 Anthropic/OpenAI 发票约 1/10；编码时间约改善 60%、lead time 约 70%（讲稿注明未与其他变革隔离）。同卡数调优：RPS 约升 76%，TTFT 从约 14.26 秒降到约 1.68 秒。非第三方公开榜，引用须标明 Revolut 演讲口径。
开发者实战落地与开箱指南
可抄的是：先把服务栈调到可交互再扩卡；用路由拆分视觉与难题；沙箱 + 审批约束 Agent，并用遥测回溯。小团队未必复现同等单价。讲稿与录像见 AI Engineer；报道可参考 The Register。
即刻查看该技术对应模型与主流工具的实测差异，或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察