2000 名工程师换掉 Claude Code：账单降到十分之一，但省下的钱不全是模型功劳

核心判断先说清楚：Revolut 这件事最值得抄的不是“换成 GLM 就省 90%”，而是它把“默认模型”这个决策从“哪个模型最强”换成了“哪个模型够用且账单可预测”。省下来的钱里，模型替换只是一部分，另一部分来自它顺手拆掉的旧账单结构——按人头、无上限的订阅制。

数字先摆出来，口径说清楚。英国金融科技公司 Revolut 的 AI 基础设施负责人 David Abitbol 在 10 月纽约 AI Engineer 大会上披露：公司约 2000 名工程师的编码工具默认从 Claude Code、Codex 换成了智谱 Z.ai 的开源权重模型 GLM，先是 GLM-5.1，后迁到 GLM-5.3，自建在 56 张英伟达 B200 上（相当于 7 台 8 卡 DGX B200）。综合成本约每百万 token 0.30 美元，大约是原来商业服务的十分之一；编码时间改善约 60%，从接任务到合并的交付周期改善约 70%。这些数字全部来自 Revolut 单方披露，没有第三方审计，改善幅度也没有剥离其他变量——读的时候要带上这个前提。

为什么账单原来那么贵？Abitbol 自己说了实话：早期按人头订阅时，有工程师一个月花 1000 美元甚至 10000 美元，“没多少回报”，公司于是先上了严格的 token 预算。但预算一紧，工程师就开始省着用 AI，只在最难的任务上才开——工具从“默认助手”退回成“奢侈品”。换成自托管后，账单从“按人头、按用量、无上限”变成了“固定硬件成本摊薄”，预算限制随之取消，用量反而放开了。这个因果要拎清：60% 和 70% 的改善，很可能一部分来自“终于敢敞开用 AI 了”，而不是 GLM 本身比 Claude 强。把全部功劳记在模型头上，会误导下一个照抄的人。

还有三个边界，不能只看省钱那一面。第一，GLM 没有全替掉 Claude 和 Codex：它是纯文本模型，做不了界面类工作，图像任务仍走 Gemini 或 GPT 路由，最难的活仍留给 Claude Code 和 Codex 做例外——“默认换掉”和“全部换掉”是两回事。第二，90% 这个数字只算推理账单，不含云、人力、监控这些自托管成本，而且 Revolut 承认做到这个成本经过了大量调优，首 token 延迟从 10 秒以上压到 1.6 秒是基建调优的功劳，不是换模型自带的。第三，合规上 Revolut 只用开源权重、在美国自己的硬件上跑，不走智谱的托管服务，agent 跑在沙箱里、带审批和人工复核——这套合规成本，小团队照搬不起。

对小团队和一人公司，我的判断是分三档抄。第一档是抄“默认模型”这个思路：日常 80% 的活（补全、改 bug、写测试、重构）交给一个够用且便宜的模型，把最贵的旗舰模型留给真正难的 20%——这一步不用自建硬件，用模型路由就能做。第二档是抄“预算结构”：别让账单按人头无限涨，给团队一个总量可预测的池子，超了自动降级而不是自动扣费。第三档，也就是 Revolut 真正做的自托管，只有当你的用量大到“56 张 B200 的固定成本 < 全员订阅账单”时才划算；对绝大多数小团队，那个交叉点还远得很，先别被 90% 这个数字忽悠去买卡。

这个结论在什么情况下不成立：如果后续披露显示 Revolut 的 90% 已包含全部自托管成本、或者 GLM 在其内部评测里确实全面追平 Claude Code 的编码质量，那“默认换模型”就从成本策略升级为质量策略。但在那之前，更准确的表述是：Revolut 用“开源权重 + 自托管 + 模型路由”把 AI 编码从奢侈品变回了日常工具，省钱的真正主角是账单结构，不是某一个模型的名字。