La riduzione dei costi AI di Revolut arriva al 90% con modelli GLM cinesi

Una notizia importante fa rumore nell’ecosistema blockchain. Revolut dice di aver ottenuto una riduzione dei costi AI del 90%, passando dai servizi commerciali di OpenAI e Anthropic ai modelli cinesi GLM su infrastruttura dedicata. Lo spiega David Abitbol, responsabile delle operazioni AI. Punti chiave Revolut usa GLM 5.

3 su 56 GPU NVIDIA B200. L’elaborazione costa in media 0,30 dollari per milione di token. La latenza della prima risposta è calata dell’88% a parità di GPU.

Dinamiche di mercato

I modelli gestiti internamente funzionano con controlli di accesso e tracciamento delle attività. Come funziona la riduzione dei costi AI di Revolut Il risparmio nasce da una scelta precisa: far girare GLM 5. 3, sviluppato dal team cinese Z.

ai (in precedenza Zhipu AI), su un’infrastruttura dedicata. La società non usa più i servizi commerciali come opzione predefinita e tiene il modello sotto il proprio controllo. Secondo Abitbol, 56 GPU NVIDIA B200, basate sull’architettura Blackwell, gestiscono i carichi di lavoro di circa 2.

L’infrastruttura è ottimizzata per risposte rapide e per più richieste simultanee. Il passaggio non ha però cancellato ogni strumento esterno. Claude Code, Codex e Gemini restano disponibili, soprattutto per i compiti in cui offrono vantaggi evidenti rispetto ai modelli gestiti internamente.

Impatto sui mercati

Risposte più veloci con lo stesso hardware Tra aprile e agosto 2026 Revolut ha portato il tempo al primo token da 14,26 a 1,68 secondi, senza aggiungere GPU. È un miglioramento dell’88% nella latenza iniziale, mentre le richieste al secondo sono cresciute del 76%. Il tempo al primo token, o TTFT, misura l’attesa prima che il modello inizi a rispondere.

Abitbol lo considera l’indicatore più importante: l’obiettivo è restare sotto i tre secondi, perché oltre i cinque le risposte cominciano a sembrare lente. Per il lavoro ingegneristico di tutti i giorni, aggiunge, bastano circa 200 token al secondo in generazione. Quel lavoro coinvolge sempre più spesso agenti AI, i cui risultati gli sviluppatori controllano in un secondo momento.

Quantizzazione FP4 e cache KV Una delle ottimizzazioni principali è la quantizzazione FP4, che memorizza i valori con quattro bit invece degli otto di FP8 e riduce la memoria necessaria. Per Abitbol, passare a FP8 richiederebbe circa il 40% di risorse GPU in più. Secondo lui, quel passaggio non porterebbe guadagni significativi di accuratezza per i carichi di lavoro degli sviluppatori di Revolut.

I mercati delle criptovalute seguono da vicino questo sviluppo, mentre gli investitori valutano il potenziale impatto sui prezzi.