Revolut ha reducido drásticamente el costo de su infraestructura de inteligencia artificial. La fintech británica, con más de 80 millones de clientes, paga ahora cerca de una décima parte de lo que le costaban los modelos de frontera para programar con IA, según informó El Ecosistema Startup y confirmó Xataka. El cambio se produjo después de mover a sus aproximadamente 2.000 ingenieros al modelo GLM de la china Z.ai.
Las claves
- Revolut utiliza alrededor de 56 GPUs de Nvidia para servir GLM a sus ingenieros, con un costo combinado de unos 30 céntimos por millón de tokens.
- El tiempo de programación se redujo en torno a un 60% y el tiempo de entrega, desde la asignación de una incidencia hasta el despliegue, en torno a un 70%.
- Revolut solo usa los pesos del modelo y los aloja en su propia infraestructura o con un proveedor de la UE o Estados Unidos, por lo que ningún dato viaja a un servicio chino.
- La factura pasó de variable y difícil de predecir a fija, según David Abitbol, responsable de operaciones e infraestructura de IA en Revolut.
David Abitbol, responsable de operaciones e infraestructura de IA en Revolut, explicó durante la GTC de Nvidia en Berlín que las herramientas de Anthropic y OpenAI no desaparecieron: quedaron como opción reservada, con un presupuesto pequeño, para los problemas más difíciles. "El código abierto es ahora una prioridad en Revolut y nuestra economía es favorable", dijo el directivo, según recogió Yahoo Tech en su cobertura del caso. "La facturación es plana, no tenemos sustos a fin de mes, y la frontera es la excepción".
¿Qué llevó a Revolut a cambiar de modelo?
Según Xataka, los ingenieros de Revolut solían depender de Claude Code de Anthropic y Codex de OpenAI. Ahora trabajan principalmente con GLM, un modelo de pesos abiertos cuyos parámetros están disponibles públicamente, y que Revolut ejecuta en sus propios servidores. Abitbol indica que las herramientas de frontera siguen estando disponibles, pero como opción reservada con un presupuesto pequeño y para los problemas más difíciles.
El historial importa porque muestra que el salto no vino del modelo, sino del modelo de costes. Revolut introdujo Gemini de Google en enero, lo que mejoró el tiempo de entrega alrededor de un 10% y el de programación un 20%. Después lanzó Claude Code con un presupuesto de 300 dólares al mes por ingeniero: la ganancia de productividad fue pequeña porque la asignación no duraba todo el mes. Con el modelo autoalojado, la promesa fueron tokens ilimitados.
¿Cómo se usa GLM en Revolut y qué resultados dio?
La configuración no funcionó de entrada. Según Abitbol, en junio los tiempos de respuesta superaban los 10 segundos con cuatro solicitudes por segundo. Tras ajustar el despliegue en el mismo número de GPUs, Revolut pasó a gestionar más de ocho solicitudes por segundo con una latencia inferior a 1,8 segundos.
Entre los consejos que da en su charla se encuentra limitar la ventana de contexto a 256.000 tokens, utilizar formatos FP4 de menor precisión en lugar de FP8 para así ahorrar alrededor del 40% de la capacidad de las GPUs, y vigilar las tasas de aciertos de caché. Abitbol aconseja resistir la tentación de añadir más hardware cada vez que el tráfico aumente.
El dato más útil del caso no es el ahorro. Es dónde se fueron los tokens cuando dejaron de tener un presupuesto que vigilar. Abitbol explicó que los ingenieros los usaron para buscar en Confluence (una wiki empresarial), gestionar incidencias en Jira o encontrar elementos en Slack.
¿Qué riesgos implica usar un modelo chino en una entidad regulada?
Usar un modelo chino en una entidad regulada levanta cejas, y Abitbol lo reconoce. Su defensa: Revolut solo usa los pesos del modelo y los aloja en su propia infraestructura o con un proveedor de la UE o Estados Unidos, así que ningún dato viaja a un servicio chino. Sostiene que esto es mejor para la privacidad que enviar código a OpenAI o Anthropic. Los agentes corren en un entorno seguro (sandbox) que permite algunos comandos y bloquea otros, siempre con una persona en el bucle. Y como GLM es solo texto, las tareas de imagen se desvían a un modelo más barato como Gemini Flash.
Esa distinción entre pesos y API es la clave técnica del caso. Z.ai —la empresa de Pekín antes conocida como Zhipu AI— publicó los pesos de GLM-5.2 bajo licencia MIT, según TechTimes. El mismo medio señala que el autoalojamiento a precisión completa exige alrededor de 1,5 terabytes de memoria de GPU, el equivalente a ocho GPUs Nvidia H200 en paralelo: un umbral fuera del alcance de la mayoría de los equipos. Y añade un dato que cualquier founder con clientes regulados debería leer dos veces: Zhipu AI fue incluida en la lista de entidades del Departamento de Comercio de Estados Unidos en enero de 2025, y la Ley de Inteligencia Nacional china obliga a las empresas del país a cooperar con las solicitudes de inteligencia del Estado. Esa obligación aplica cuando los datos pasan por la nube de Z.ai, no cuando ejecutas los pesos en tu propio servidor.
¿Qué se sabe y qué falta por confirmar?
La cobertura de Yahoo Tech añade un detalle de hardware que la fuente original no menciona: se trata de 56 GPUs Nvidia B200, y solo el modelo necesita unos 380 GB de memoria de GPU, sin contar el consumo de contexto por usuario. Esa es la trampa del autoalojamiento: el coste por token se desploma, pero aparece una inversión en hardware, electricidad y mantenimiento que antes pagabas dentro de la suscripción. El mismo medio señala que los usuarios más intensivos gastaban miles de dólares al mes en tokens sin generar un retorno equivalente.
El informe State of Open Source AI v1.1 de la Fundación Mozilla, publicado en septiembre de 2026, encontró que para tareas de menos de ocho horas de complejidad humana equivalente los mejores modelos de pesos abiertos son competitivos con los cerrados, según recogió TechTimes. El mismo informe estima que el mejor modelo abierto se quedaba a unos tres puntos del líder cerrado en el índice de inteligencia de Artificial Analysis, costando alrededor del 40% por millón de tokens.
