一句话看懂：英国金融科技公司 Revolut 把约 2000 名工程师的默认编程工具从 Claude Code 和 Codex 换成中国智谱 Z.ai 的开放权重模型 GLM，并在自有基础设施上部署，AI 编程账单降到原来的约十分之一。这不是小范围试验，而是全团队默认工具的更换。
事件核心：发生了什么
据 Revolut 负责 AI 运营与基础设施的 David Abitbol 在纽约 AI Engineer 大会上的分享，公司用约 56 块 Nvidia B200 GPU 自托管 GLM，供工程师日常写代码使用，混合成本约为每百万 token 0.30 美元。切换后，Revolut 自报样本中工程师编码时间缩短约 60%，从接任务到合并的交付周期缩短约 70%。图像类任务仍走 Gemini，Claude Code 和 Codex 保留给最难的工作；编程智能体运行在带审批规则的沙箱中，保留人工审核环节。
为什么重要
Revolut 此前先后用过 Gemini 和带严格人均预算的 Claude Code，Abitbol 称早期 Claude Code 投入成本不低但收益有限，token 配额反而让工程师只把 AI 留给难题。改为固定成本的自托管后，配额限制消失，焦点转向收件箱、Jira 和 Confluence 占用的时间。对闭源模型厂商的企业业务来说，这是一个信号：高频、常规的编程任务中，“够用且便宜”开始占上风，前沿模型更多留给例外场景。同时也要注意，90% 的节省不含云、人力和监控成本，且高度依赖调优——Abitbol 表示开箱推理“很糟糕”，团队把首 token 时间从约 14 秒压到 1.7 秒后才可用。
对用户/开发者/创作者的影响
对有一定基础设施能力的团队，开放权重模型加自托管提供了可控成本与数据不出内网的选项；Revolut 只使用开放权重、在美国自有设施上运行，而非调用 Z.ai 托管服务，也回应了受监管机构使用中国开源模型的顾虑。但缺乏同等算力和运维团队的中小公司，未必能复现这一结果：调优、监控和 GPU 折旧都是隐性门槛。开发者评估替代方案时，应把推理延迟、配额策略和总拥有成本放在一起看，而不是只比较单价。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Revolut 是否会公布更细的成本与效率口径，尤其是剔除配额取消等因素后的净收益；二是其他大型企业是否跟进类似的自托管开放权重方案；三是 GLM 后续版本在代码任务上的表现，以及 Anthropic、OpenAI 是否调整企业定价或配额策略。
