这取决于工程师数量、内部GPU与运维能力、以及数据驻留需求，并不只取决于模型质量。Revolut在约2000名工程师的规模下自建了开源权重模型，把前沿API账单削减了约90%，但仍为最棘手的问题保留前沿工具。
阅读完整回答
规模较小的团队通常会发现，运行前沿API反而更便宜。
发布于
要点总结
- 在约2000名工程师的规模下，Revolut用56块Nvidia B200 GPU自建了Z.ai的GLM，把综合token成本降到了此前支付给Anthropic和OpenAI账单的约十分之一。
- 交付周期（从接手一个功能到可合并所用的天数）的改善幅度超过了编码时间，约为70%对60%，这说明真正的瓶颈从来不是纯粹的编码本身。
- 这项提升与取消token预算限制相关，而不只是换模型本身：一旦token不再稀缺，工程师就把AI也用到了邮件、工单和文档上。
- 自建需要真正的基础设施工作，而不只是下载权重：通过调整上下文长度、量化和并行策略，在GPU数量不变的情况下，首个token延迟降低了88%。
- Revolut仍将Anthropic的Claude Code、OpenAI的Codex和Google的Gemini留作应对最棘手问题的前沿备选方案，而非日常默认选项。
完整指南
点按任意部分即可展开。
关于本指南
这是一份写给工程负责人的选型指南，帮助你判断是否该自建像Z.ai的GLM这样的开源权重编码模型，而不是按席位或按token为前沿API付费。内容基于Revolut公开的数据：这家银行把旗下约2000名工程师中的大部分从按token计费中解放出来，同时仍为最棘手的问题保留Anthropic的Claude Code、OpenAI的Codex和Google的Gemini。真正的启发不在于Revolut选了哪个模型，而在于一旦token不再被配给限制，发生了什么变化。
自建 对比 前沿API或席位方案：决策检查清单
| 考量因素 | 倾向于自建开源权重模型 | 倾向于前沿API或席位方案 |
|---|---|---|
| 团队规模与token用量 | 数百到数千名工程师，每天产生稳定且高量的token用量，就像Revolut约2000名工程师的规模。 | 中小规模团队，GPU和运维开销会超过它所替代的API账单。 |
| 内部GPU与运维能力 | 你已经在运营GPU基础设施，或能招到相应人才：服务栈调优、量化和容量规划是真实且持续的工作。 | 没有专门的机器学习基础设施团队，也不打算为了跑一个编码模型专门组建一个。 |
| 数据驻留与合规 | 代码或上下文不能离开你控制的基础设施，或监管机构要求你说明推理具体在哪里发生。 | 供应商的标准数据处理条款已经能满足你的合规和数据驻留要求。 |
| 最棘手问题的备选方案 | 为偶尔使用前沿API留出预算，用于开源权重模型处理不好的那一小部分任务。 | 你的大部分工作本身就是前沿模型专门针对的那种困难、多样化的问题，而不是常规编码。 |
| 计费的可预测性与灵活性 | 你想要平稳、可预测的基础设施成本，而不是随用量和模型定价变化而波动的账单。 | 你想在不重新调优服务栈的情况下快速切换模型或供应商，而且用量波动太大，难以按此配置GPU规模。 |
案例来源Revolut实际做了什么、测量了什么
负责Revolut AI运营的David Abitbol，在2026年末AI Engineer纽约大会的一次演讲中描述了这次部署。Revolut在约2000名工程师的样本中追踪两个指标：以小时计的编码时间，以及从接手一个功能到合并完成、可部署所用的天数，即交付周期。
早期接入内部数据的Google的Gemini对两项指标都有小幅改善，主要是替代了查文档的工作。接下来推出的是Anthropic的Claude Code，但设有严格的按工程师分配的token预算，原因是此前有工程师花费巨大却看不出明显回报；Abitbol表示，这一阶段起初几乎看不出可衡量的效果。
真正改变这两个数字的，是从2026年4月前后开始自建Z.ai的GLM这一开源权重模型，并且完全不设token上限。编码时间改善了约60%，交付周期改善了约70%。如今Revolut把这个自建模型当作日常编码的默认选择，计费平稳且可预测，而把前沿工具留作应对最棘手问题的备选方案。
在约2000名工程师的规模下，为模型提供服务用了56块Nvidia B200 GPU，目标是把首个token延迟控制在3秒以内（超过5秒就会出现抱怨）。综合成本约为每百万token 0.30美元，约为Revolut此前支付给Anthropic和OpenAI账单总和的十分之一。
真正的启发问题不在模型，在于限额
Abitbol自己对数据的解读才是最有价值的部分：交付周期的改善幅度超过了编码时间，这说明编码从来都不是主要瓶颈。一旦没人需要为本季度最难的工单省着用token，工程师就会开始把AI用在邮件、Jira、Confluence，以及围绕一个功能的其他工作上，而不只是代码本身。
这个结论不取决于团队用的是哪个模型。如果一个团队在使用前沿API时按工程师分配token预算，或者为控制成本设置使用上限，那就等于重新制造了Revolut靠取消限额解决的那个配给问题。解决办法未必是自建；有时只需要用同一个前沿模型换一个更便宜或更平稳的计费方案。
对任何工程负责人来说，实际可用的做法是：在判断AI工具是否真正见效之前，不要只看编码时间或生成的代码行数，而要测量交付周期，同时留意工程师是否因为成本或配额压力而自行限制使用量。
本页聚焦于团队成本和部署决策本身：是否要自建，以及一旦决定自建该如何落地推行。至于开源权重、开源和闭源API究竟意味着什么，以及实验室和政府为何对它们区别对待这类更宏观、与具体模型无关的问题，Nightschool AI的《开源与闭源AI模型对比》指南有完整讨论。
先调优，后扩容自建靠的是工程投入，不只是权重文件
Revolut的基础设施数据是一个有用的提醒：不要以为只要有了GPU，自建就是件简单的事。从2026年4月到8月，在GPU数量始终保持56块不变的情况下，负载从每秒约3个请求上升到超过7个，而首个token延迟从约14秒降到不足2秒，这是在没有新增硬件的情况下实现的88%延迟改善。
Abitbol认为，这其中约80%的提升来自服务配置本身，而不是GPU：把上下文长度限制在远低于模型宣称上限的水平，在当前这一代GPU硬件上运行更低精度的量化，并调整模型注意力缓存在各设备间的分配方式。他对打算走这条路的团队给出的总结很直接：把权重装进GPU就算完事，得到的性能会很糟糕。
这种调优工作是一项真实且持续的运维成本，而大多数团队在把自建模型的标价与API账单做对比时，都会低估这一点。
推行落地先培养习惯，再动基础设施
Revolut的收益与取消token限额相关，而不是换模型本身。以下步骤能帮助任何团队、在任何模型上，把这个习惯真正固定下来。
先建立交付周期基线
在改动任何工具或预算之前，先测量一个典型功能从接手到可合并实际需要多长时间。没有这个基线，你就无法判断之后的改动究竟有没有用。
消除隐性限额
检查工程师是否因为预算或配额限制，而把AI用量留给本月最难的工单。如果是这样，无论背后用的是哪个模型，这种配给都会限制你能拿到的结果。
每个工单都要训练，不只是难的
真正推动Revolut数字变化的习惯，是把AI用在邮件、工单和文档上，而不只是用在棘手的编码问题上。要明确地教会团队这个习惯；光是取消限额，这个习惯并不会自己形成。
重新测量交付周期，不只是编码时间
改动之后，用同一个交付周期指标再测一次。如果编码时间有改善，但交付周期没有，说明瓶颈仍然在流程的其他地方，再多的token也解决不了。
诚实看待局限Revolut这个案例证明不了什么
Revolut的数据描述的是一家受监管银行在自身规模下的部署情况。在把它当作普遍适用的结论之前，请记住这些局限。
一家公司的数据，不是基准值
本指南中的成本和延迟数字，描述的是Revolut具体的部署方式、使用模式和谈定的条款。请把它们当作可行性的证据，而不是对你自己工作负载的价格或性能保证。
前沿工具仍在使用之中
Revolut并没有彻底放弃Anthropic的Claude Code、OpenAI的Codex或Google的Gemini，而是特意把它们留作应对自建模型处理得不够好的问题的备选方案，这是大多数自建宣传都没有提到的成本。
合规细节因公司而异
Revolut关于在何处运行模型、以及这如何满足其监管要求的推理，反映的是它作为一家受欧盟监管银行的自身情况。这并不是一个普遍结论，不能说明任何模型、地区或配置都能满足另一家机构的合规义务。
常见问题
什么是开源权重编码模型？
指训练好的权重可以下载、并能在你自己控制的基础设施上运行的模型，这与只能通过供应商API访问的闭源模型不同。Revolut案例中使用的Z.ai的GLM就是一个例子；运行它仍然需要真正的GPU基础设施和服务栈调优。
Revolut是否彻底停用了Claude Code、Codex和Gemini？
没有。Revolut把自建的开源权重模型设为日常编码的默认选择，但仍保留Anthropic的Claude Code、OpenAI的Codex和Google的Gemini，作为应对最棘手问题的备选方案，Revolut表示这些前沿工具在这类问题上依然表现良好。
Revolut通过自建到底节省了多少？
据其自述，综合成本约为每百万token 0.30美元，约为此前支付给Anthropic和OpenAI账单总和的十分之一，当时用56块Nvidia B200 GPU为约2000名工程师提供服务。这个数字描述的是Revolut自身的部署和使用情况，并非每个团队都该预期的价格。
算上工程投入之后，自建真的更便宜吗？
不一定。Revolut表示，其性能提升中约80%来自服务配置的调优，而不是购买更多GPU，而这是一项持续的基础设施工作。如果一个小团队内部没有这方面的能力，要达到相近的性能，花费可能比前沿API账单更高。
像GLM这样的自建开源权重模型，会因为产地问题而存在安全风险吗？
模型权重在哪里训练，和你在哪里运行它，是两个不同的问题。作为一家受监管的银行，Revolut自身的立场是：下载权重并在自己控制、且在获批司法管辖区内的基础设施上运行，与向第三方托管的端点发送请求，走的是不同的数据路径；面对不同监管要求的机构，应该根据自身合规要求核实这一点，而不是假设它同样适用于自己。
规模较小的工程团队，不自建的话应该怎么做？
重点关注这个经验本身，而不是基础设施：先弄清楚工程师是否因为成本或配额限制而在限制AI用量；如果是，在考虑自建所需的GPU和运维投入之前，先看看你现有前沿模型是否有更平稳或更便宜的计费方案。
要判断AI编码工具是否真的有用，应该测量什么？
除了编码时间，还要测量交付周期，即从接手一个功能到合并完成、可部署所用的天数。Revolut的数据显示，交付周期的改善幅度超过了编码时间，这说明真正的瓶颈在于周边的工作，而不是打字本身。
Nightschool AI与Anthropic、Z.ai或Revolut有关联吗？
没有。Nightschool AI是一个独立的学习平台，与Anthropic、Z.ai、Revolut、OpenAI或Google没有关联，也未获得它们的认可或赞助。Claude、Codex、Gemini和GLM分别是各自公司的产品，这里提及它们只是为了说明它们是什么、在这个案例中是如何被使用的。