Revolut ha mandado a Claude Code y a Codex al banquillo. Sus 2.000 ingenieros programan ya con GLM 5.3, el modelo de pesos abiertos de la china Z.ai, y la factura de inteligencia artificial se ha dividido por diez. Lo contó David Abitbol, director de operaciones e infraestructura de IA de la compañía, durante la GTC de Nvidia en Berlín.
La cifra es la que duele: una décima parte de lo que cuestan los modelos de frontera. Y no hablamos de un experimento de fin de semana en una startup de tres personas, sino de una fintech con más de 80 millones de clientes repartidos por medio mundo y un equipo de ingeniería del tamaño de una ciudad pequeña.
Qué han cambiado exactamente en Revolut
Antes, los ingenieros tiraban de Claude Code de Anthropic y de Codex de OpenAI. Ahora el día a día pasa por GLM, un modelo de pesos abiertos que Revolut ejecuta en sus propios servidores. Las herramientas de frontera no han desaparecido: siguen ahí como recurso con un presupuesto pequeño y reservadas para los problemas que de verdad se atragantan.
Los números concretos son estos: unas 56 GPUs de Nvidia para servir el modelo y un coste combinado de unos 30 céntimos por millón de tokens. La factura es fija, no crece con cada petición. Ahí está toda la gracia del asunto.
Menos código y más Confluence
Abitbol dio cifras de productividad sobre esos 2.000 ingenieros. El tiempo de programación se redujo en torno a un 60%. El tiempo de entrega, el que va desde que se asigna una incidencia hasta que se despliega, cayó alrededor del 70%.
Y aquí llega el detalle que casi nadie está mirando. Sin un presupuesto mensual que vigilar, el equipo usó los tokens para buscar en Confluence, gestionar incidencias en Jira y rastrear cosas en Slack. El cuello de botella real nunca fue escribir código, sino todo el trabajo que orbita alrededor del código.
Durante dos años nos vendieron que ganaría el mejor modelo; Revolut acaba de demostrar que gana el que puedes dejar corriendo sin mirar el contador.
La letra pequeña es que esto no funcionó a la primera. En junio, el despliegue escupía respuestas por encima de los 10 segundos con cuatro solicitudes por segundo. Tras ajustar la configuración sobre el mismo número de GPUs, pasaron a más de ocho peticiones por segundo con una latencia por debajo de 1,8 segundos. Mismo hardware, distinto oficio.
El modelo chino que ningún banco quería mirar
Usar un modelo chino en una entidad regulada es el tipo de titular que hace sudar a un departamento de compliance. Abitbol lo reconoce y responde con arquitectura: Revolut solo se lleva los pesos, los aloja en su propia infraestructura o en la de un proveedor de la UE o de EEUU, y ningún dato sale hacia un servicio chino. Su argumento va un paso más allá: es más privado que mandar tu código a OpenAI o a Anthropic, porque el modelo no se entrena con lo que le pasas.
Los agentes corren en un sandbox que permite unos comandos y bloquea otros, con una persona siempre en el bucle. Y como GLM es exclusivamente de texto, las tareas de imagen se derivan a un modelo más barato, Gemini Flash.
Ahí está el cambio de fondo del sector. Los modelos abiertos y autoalojados han pasado en dos años de ser la opción de garaje a competir con la frontera en precio y en rendimiento razonable. Revolut no es la única empresa probándolo, pero sí una de las más grandes en decirlo con números delante. Sus consejos suenan a manual de taller: limitar la ventana de contexto a 256.000 tokens, tirar de FP4 en vez de FP8 para ahorrar en torno al 40% de capacidad de GPU, y vigilar las tasas de acierto de caché. Su recomendación estrella: resiste la tentación de comprar más hardware cada vez que suba el tráfico.
¿Viene una migración masiva? Ni de lejos está claro. Claude Code sigue siendo mejor en según qué tareas de razonamiento largo y la propia Revolut lo mantiene en la recámara para los marrones. Lo que ha quedado demostrado es que el argumento de que los modelos de frontera son insustituibles tiene precio, y que ese precio tiene alternativa. Lo próximo que hay que mirar es si Anthropic y OpenAI responden con precios, con licencias o con las dos cosas a la vez.
Hype-O-Meter
Nivel de hype: 8/10. No es un modelo nuevo ni un récord de benchmark: es una empresa real contando cuánto ahorra con 56 GPUs y 30 céntimos por millón de tokens. Eso vale más que cualquier demo con luces — y le pone fecha de caducidad al discurso de la frontera como única opción.
El resumen para vagos (TL;DR)
- 🎯 ¿Qué ha pasado? Revolut pasa a GLM 5.3 autohospedado para sus 2.000 ingenieros y aparca Claude Code y Codex.
- 🔥 ¿Por qué importa? Su factura de IA cae a una décima parte y la productividad sube entre un 60% y un 70%.
- 🤔 ¿Nos afecta o es solo un meme? Afecta: el precio de la IA deja de ser una línea roja en el presupuesto.
