Revolut senkt KI-Kosten um 90 Prozent mit chinesischem Modell

Ausgangslage

Revolut hat seine Software-Entwicklung radikal umgestellt. Statt der teuren Modelle Claude Code und Codex setzt die Neobank nun auf GLM, ein chinesisches Open-Weight-Modell. Der Wechsel senkte die Kosten auf ein Zehntel und die Codierzeit um 60 Prozent.

Revolut hat mit dem Wechsel zu GLM nicht nur Kosten gespart, sondern auch die Effizienz der Software-Entwicklung gesteigert. Die Neobank nutzt das chinesische Modell nun als Standard für ihre 2000 Ingenieure, was die Arbeitsabläufe deutlich beschleunigt. Die Entscheidung fiel nach Tests mit anderen KI-Modellen, die zwar Verbesserungen brachten, aber nicht die gewünschte Kostensenkung erreichten.

Hintergrund

David Abitbol, Leiter der KI-Operationen bei Revolut, präsentierte die Ergebnisse auf der AI Engineer Conference in New York. Revolut testete zuvor Google’s Gemini und Claude Code, doch die Kosten blieben hoch. Mit GLM, das auf 56 Nvidia B200-Chips läuft, erreichte Revolut deutliche Effizienzgewinne. Die Ingenieure müssen keine Token-Limits mehr beachten, was die Arbeitsabläufe beschleunigt.

David Abitbol, der die KI-Operationen und Infrastruktur bei Revolut leitet, stellte fest, dass die Lead Time stärker sank als die reine Codierzeit. Revolut setzt auf strenge Compliance-Regeln, um sicherzustellen, dass die KI-Modelle nicht autonom agieren, sondern immer unter menschlicher Aufsicht stehen.

Was das bedeutet

Für Revolut und ähnliche Unternehmen könnte der Wechsel zu Open-Weight-Modellen ein Game-Changer sein. Die Kostenersparnis ist enorm, doch die technische Umsetzung erfordert erhebliche Investitionen in Hardware und Infrastruktur. Kleinere Teams könnten von solchen Einsparungen nicht profitieren, da die Skaleneffekte fehlen.

Ausblick

Ob andere Unternehmen Revoluts Erfolg replizieren können, bleibt abzuwarten. Die Hardware-Kosten sind hoch, und die Technologie entwickelt sich rasant. Revolut setzt zudem auf strenge Compliance-Regeln, um regulatorische Bedenken auszuräumen. Langfristig könnte die Abhängigkeit von spezifischer Hardware ein Risiko darstellen.