Guia de Decisão para Líderes de Engenharia
Sua Equipe de Engenharia Deveria Hospedar um Modelo de Código de Peso Aberto?
Os 2.000 engenheiros da Revolut dizem que depende do volume, não da ideologia.
Depende do número de engenheiros, da habilidade interna em GPU e operações, e das necessidades de residência de dados, não apenas da qualidade do modelo.
Ler a resposta completa
A Revolut autohospedou um modelo de peso aberto com cerca de 2.000 engenheiros e cortou sua conta com APIs de ponta em cerca de 90%, mas continua mantendo ferramentas de ponta à disposição para seus problemas mais difíceis. Equipes menores geralmente acham mais barato operar com uma API de ponta.
Publicado em
Principais pontos
- Com cerca de 2.000 engenheiros, a Revolut autohospedou o GLM da Z.ai em 56 GPUs Nvidia B200 e reduziu seu custo médio por token para aproximadamente um décimo de sua conta anterior com Anthropic e OpenAI.
- O lead time (dias desde a escolha de uma funcionalidade até ela estar pronta para merge) melhorou mais do que o tempo de codificação, cerca de 70% contra 60%, o que é evidência de que o verdadeiro gargalo nunca foi a codificação pura.
- O ganho acompanhou a remoção dos orçamentos de tokens, não apenas a troca de modelo: quando os tokens deixaram de ser escassos, os engenheiros também passaram a usar IA em e-mails, tickets e documentação.
- Autohospedar exigiu trabalho real de infraestrutura, não só baixar os pesos: ajustar o tamanho do contexto, a quantização e o paralelismo reduziu o time-to-first-token em 88% com a mesma quantidade de GPUs.
- A Revolut ainda mantém o Claude Code da Anthropic, o Codex da OpenAI e o Gemini do Google à disposição como a exceção de ponta para seus problemas mais difíceis, não como o padrão do dia a dia.
O guia completo
Toque em uma seção para abri-la.
Sobre este guia
Este é um guia de decisão para líderes de engenharia que estão avaliando se devem autohospedar um modelo de código de peso aberto, como o GLM da Z.ai, em vez de pagar por assento ou por token em uma API de ponta. Ele é construído em torno dos números públicos da Revolut: um banco que tirou a maior parte de seus cerca de 2.000 engenheiros da cobrança por token, mantendo o Claude Code da Anthropic, o Codex da OpenAI e o Gemini do Google para seus problemas mais difíceis. A lição não é qual modelo a Revolut escolheu, mas o que mudou quando os tokens deixaram de ser racionados.
Autohospedagem vs. API de Ponta ou Plano por Assento: Uma Lista de Verificação para Decisão
| Fator | Pende para autohospedagem de peso aberto | Pende para API de ponta ou plano por assento |
|---|---|---|
| Tamanho da equipe e volume de tokens | Centenas a milhares de engenheiros gerando um volume diário de tokens alto e constante, como na escala de cerca de 2.000 engenheiros da Revolut. | Uma equipe pequena ou média, em que o custo adicional de GPU e operações seria maior do que a conta de API que ele substitui. |
| Habilidade interna em GPU e operações | Você já opera ou pode contratar para infraestrutura de GPU: ajuste do stack de serving, quantização e planejamento de capacidade são trabalho real e contínuo. | Sem equipe dedicada de infraestrutura de ML, e sem interesse em montar uma só para servir um modelo de código. |
| Residência de dados e compliance | O código ou o contexto não pode sair da infraestrutura que você controla, ou um regulador espera que você informe exatamente onde a inferência acontece. | Os termos padrão de tratamento de dados de um fornecedor já atendem aos seus requisitos de compliance e residência de dados. |
| Alternativa para os problemas mais difíceis | O orçamento para uso ocasional de API de ponta fica disponível para a pequena parcela de tarefas que um modelo de peso aberto resolve mal. | A maior parte da sua carga de trabalho é exatamente o tipo de problema difícil e variado para o qual os modelos de ponta são ajustados, não codificação de rotina. |
| Previsibilidade de cobrança vs. flexibilidade | Você quer custos de infraestrutura fixos e previsíveis, em vez de uma conta que varia com o uso e com mudanças de preço do modelo. | Você quer trocar de modelo ou fornecedor rapidamente, sem reajustar um stack de serving, e o uso é muito irregular para dimensionar GPUs. |
O Caso de OrigemO Que a Revolut Realmente Fez e Mediu
David Abitbol, que dirige as operações de IA na Revolut, descreveu o rollout em uma palestra na conferência AI Engineer em Nova York, no fim de 2026. A Revolut acompanha dois números em uma amostra de cerca de 2.000 engenheiros: tempo de codificação em horas e lead time em dias, desde a escolha de uma funcionalidade até ela estar com merge feito e pronta para deploy.
Um rollout inicial do Gemini do Google com acesso a dados internos melhorou modestamente as duas métricas, principalmente ao substituir consultas à documentação. O Claude Code da Anthropic foi lançado depois, sob orçamentos de tokens estritos por engenheiro, após alguns engenheiros gerarem contas altas com retorno pouco claro, e Abitbol diz que o efeito medido foi pequeno no início.
O que mudou os números foi autohospedar um modelo de peso aberto, o GLM da Z.ai, a partir de abril de 2026, sem nenhum limite de tokens. O tempo de codificação melhorou cerca de 60% e o lead time, cerca de 70%. A Revolut agora trata o modelo autohospedado como o padrão para a codificação do dia a dia, com cobrança fixa e previsível, e mantém as ferramentas de ponta como exceção para os problemas mais difíceis.
Com cerca de 2.000 engenheiros, servir o modelo exigiu 56 GPUs Nvidia B200, com a meta de manter o time-to-first-token abaixo de três segundos (as reclamações começam depois de cinco). O custo médio ficou em cerca de US$ 0,30 por milhão de tokens, aproximadamente um décimo do que a Revolut vinha pagando à Anthropic e à OpenAI juntas.
A Verdadeira LiçãoA Lição Não É o Modelo, É o Racionamento
A própria leitura de Abitbol sobre os dados é a parte mais útil: o lead time melhorou mais do que o tempo de codificação, o que significa que a codificação nunca foi o principal gargalo. Quando ninguém precisa economizar tokens para o ticket mais difícil do trimestre, os engenheiros passam a usar IA em e-mails, Jira, Confluence e no restante do trabalho que envolve uma funcionalidade, não só no código em si.
Essa lição vale independentemente de qual modelo uma equipe usa. Uma equipe que opera com uma API de ponta e orçamenta tokens por engenheiro, ou limita o uso para controlar custos, está recriando exatamente o mesmo problema de racionamento que a Revolut resolveu ao remover os limites. A solução não é sempre autohospedar; às vezes é um plano de preços mais barato ou mais fixo com o mesmo modelo de ponta.
O aprendizado prático para qualquer líder de engenharia é medir o lead time, não só o tempo de codificação ou as linhas geradas, antes de decidir se as ferramentas de IA estão valendo a pena, e observar se os engenheiros estão racionando o próprio uso por pressão de custo ou de cota.
Esta página foca na decisão de custo de equipe e de rollout: se vale a pena autohospedar e como implementar isso depois de decidir. Para a questão mais ampla e independente de modelo sobre o que pesos abertos, código aberto e APIs fechadas realmente significam, e por que laboratórios e governos os tratam de forma diferente, o guia da Nightschool AI Código Aberto vs. Modelos de IA Fechados cobre esse terreno por completo.
Ajustar Antes de EscalarAutohospedar Exigiu Engenharia, Não Só Pesos
Os números de infraestrutura da Revolut são um alerta útil contra a suposição de que autohospedar é simples só por ter GPUs. De abril a agosto de 2026, com a quantidade de GPUs mantida em 56, a carga subiu de cerca de 3 para mais de 7 requisições por segundo, enquanto o time-to-first-token caiu de aproximadamente 14 segundos para menos de 2, uma melhora de 88% na latência sem nenhum hardware novo.
Abitbol atribui cerca de 80% desse ganho à configuração de serving, não às GPUs: limitar o tamanho do contexto bem abaixo do máximo anunciado pelo modelo, usar quantização de menor precisão em hardware de GPU de geração atual, e ajustar como o cache de atenção do modelo é dividido entre os dispositivos. Sua frase-resumo para equipes que consideram esse caminho é direta: carregar os pesos nas GPUs e considerar o trabalho concluído resulta em desempenho péssimo.
Esse trabalho de ajuste é um custo real e contínuo de operações que a maioria das equipes subestima ao comparar o preço de tabela de um modelo autohospedado com a conta de uma API.
ImplementandoTreine o Hábito Antes de Tocar na Infraestrutura
O ganho da Revolut acompanhou a remoção dos limites de tokens, não a troca de modelos. Estes são os passos que fazem esse hábito se firmar em qualquer equipe, com qualquer modelo.
Primeiro, estabeleça uma linha de base de lead time
Antes de mudar qualquer ferramenta ou orçamento, meça quanto tempo uma funcionalidade típica realmente leva, desde a escolha até estar pronta para merge. Sem essa linha de base, você não consegue saber se uma mudança posterior ajudou.
Elimine o racionamento silencioso
Verifique se os engenheiros estão guardando o uso de IA para o ticket mais difícil do mês por causa de um orçamento ou cota. Se for o caso, esse racionamento está limitando seus resultados, independentemente de qual modelo está por trás dele.
Treine em todos os tickets, não só nos difíceis
O hábito que moveu os números da Revolut foi usar IA em e-mails, tickets e documentação, não só em problemas de codificação difíceis. Ensine esse hábito de forma explícita; ele não se forma por conta própria só porque um limite foi removido.
Meça o lead time de novo, não só o tempo de codificação
Acompanhe a mesma métrica de lead time novamente depois da mudança. Se o tempo de codificação melhorar, mas o lead time não, o gargalo ainda está em outro ponto do processo, e mais tokens não vão resolver isso.
Limites HonestosO Que o Caso da Revolut Não Prova
Os números da Revolut descrevem a implantação de um único banco regulado, na escala dele. Tenha esses limites em mente antes de tratar isso como um resultado universal.
Números de uma empresa, não um benchmark
Os números de custo e latência deste guia descrevem a implantação específica da Revolut, seu padrão de uso e os termos negociados. Trate-os como evidência do que é possível, não como garantia de preço ou desempenho para sua própria carga de trabalho.
As ferramentas de ponta continuaram no mix
A Revolut não eliminou o Claude Code da Anthropic, o Codex da OpenAI nem o Gemini do Google. Ela os manteve como exceção deliberada para problemas que seu modelo autohospedado resolve com menos eficiência, um custo que a maioria dos discursos pró-autohospedagem deixa de fora.
Os detalhes de compliance são específicos de cada empresa
O raciocínio da Revolut sobre onde ela executa o modelo e como isso satisfaz seu regulador reflete suas próprias circunstâncias como banco regulado na UE. Não é uma conclusão geral de que qualquer modelo, região ou configuração atende às obrigações de outra organização.
Ensine o Hábito Antes de Tocar na Infraestrutura
O ganho da Revolut veio de remover os limites de tokens, para que os engenheiros usassem IA em todos os tickets, não só nos difíceis. Essa mudança de hábito vem antes de qualquer decisão de autohospedagem, e o treinamento corporativo da Nightschool AI constrói esse hábito em toda uma equipe de engenharia.
Perguntas frequentes
O que é um modelo de código de peso aberto?
Um modelo cujos pesos treinados podem ser baixados e executados em infraestrutura que você controla, ao contrário de um modelo fechado, que só pode ser acessado pela API de um fornecedor. O GLM da Z.ai, o modelo do caso da Revolut, é um exemplo; executá-lo ainda exige infraestrutura de GPU real e ajuste do stack de serving.
A Revolut parou de usar o Claude Code, o Codex e o Gemini por completo?
Não. A Revolut tornou um modelo autohospedado de peso aberto o padrão para a codificação do dia a dia, mas manteve o Claude Code da Anthropic, o Codex da OpenAI e o Gemini do Google disponíveis como exceção para seus problemas mais difíceis, nos quais relata que essas ferramentas de ponta ainda têm bom desempenho.
Quanto a Revolut realmente economizou ao autohospedar?
O custo médio relatado foi de cerca de US$ 0,30 por milhão de tokens, aproximadamente um décimo do que vinha pagando à Anthropic e à OpenAI juntas, servindo cerca de 2.000 engenheiros em 56 GPUs Nvidia B200. Esse número descreve a implantação e o uso da Revolut, não um preço que toda equipe deve esperar.
Autohospedar é realmente mais barato quando se conta o trabalho de engenharia?
Não automaticamente. A Revolut relata que cerca de 80% do seu ganho de desempenho veio do ajuste da configuração de serving, não da compra de mais GPUs, o que é trabalho contínuo de infraestrutura. Uma equipe menor, sem essa habilidade internamente, pode gastar mais para alcançar um desempenho comparável do que gastaria com a conta de uma API de ponta.
Um modelo autohospedado de peso aberto como o GLM é um risco de segurança por causa de onde foi feito?
Onde os pesos de um modelo foram treinados e onde você os executa são duas perguntas diferentes. A posição da própria Revolut, como banco regulado, foi que baixar os pesos e executá-los em infraestrutura que ela controla, em jurisdições aprovadas, é um caminho de dados diferente de enviar requisições para um endpoint hospedado por terceiros; organizações com reguladores diferentes devem verificar isso de acordo com seus próprios requisitos de compliance, em vez de supor que isso se aplica a elas.
O que uma equipe de engenharia menor deve fazer em vez de autohospedar?
Foque na lição, não na infraestrutura: descubra se os engenheiros estão racionando o uso de IA por causa de limites de custo ou de cota e, se for o caso, procure um plano mais fixo ou mais barato no modelo de ponta que você já usa, antes de considerar o investimento em GPU e operações que a autohospedagem exige.
O que devemos medir para saber se as ferramentas de IA para codificação estão realmente ajudando?
Meça o lead time, os dias desde a escolha de uma funcionalidade até ela estar com merge feito e pronta para deploy, junto com o tempo de codificação. Os dados da Revolut mostraram o lead time melhorando mais do que o tempo de codificação, um sinal de que o trabalho ao redor, não a digitação, era o verdadeiro gargalo.
A Nightschool AI é afiliada à Anthropic, à Z.ai ou à Revolut?
Não. A Nightschool AI é uma plataforma de aprendizado independente e não é afiliada, endossada ou patrocinada pela Anthropic, Z.ai, Revolut, OpenAI ou Google. Claude, Codex, Gemini e GLM são produtos de suas respectivas empresas, citados aqui apenas para descrever o que são e como foram usados neste caso.
Continue aprendendo
Guias e cursos relacionados
Master the Essentials
Writing, documents, research, and decisions. Five practical skills for real work.
Começar o cursoStrategic Prompting
Context, iteration, and advanced techniques that get output you actually use.
Começar o cursoLeituras relacionadas
Construa o Hábito, Depois Decida Sobre a Infraestrutura
O modelo e a escolha de hospedagem importam menos do que se sua equipe ainda está racionando tokens.