Revolut cambia Claude por GLM y recorta 90% su factura IA

Revolut paga hoy cerca de una décima parte de lo que le costaban los modelos de frontera para programar con IA, después de mover a sus 2.000 ingenieros al modelo GLM de la china Z.ai. Para un founder que mira la factura de tokens a fin de mes, el caso es una hoja de ruta: la pregunta ya no es qué modelo escribe mejor código, sino cuánto cuesta cada token y quién controla la infraestructura.

Qué cambió en Revolut: de Claude Code y Codex a GLM autoalojado

Según David Abitbol, responsable de operaciones e infraestructura de IA en Revolut, la fintech con más de 80 millones de clientes convirtió a GLM —un modelo de pesos abiertos cuyos parámetros son públicos— en el asistente de programación predeterminado de sus aproximadamente 2.000 ingenieros. Las herramientas de Anthropic y OpenAI no desaparecieron: quedaron como opción reservada, con un presupuesto pequeño, para los problemas más difíciles.

Abitbol lo contó durante la GTC de Nvidia en Berlín. El mensaje central es que la factura pasó de variable y difícil de predecir a fija. "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."

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Los números: 56 GPUs y 30 céntimos por millón de tokens

Revolut sirve el modelo a sus ingenieros con alrededor de 56 GPUs de Nvidia, y el coste combinado ronda los 30 céntimos por millón de tokens. La factura es fija, en lugar de crecer con cada solicitud.

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.

Por qué el cuello de botella no era escribir código

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.

Traducido a un equipo de producto: el tiempo perdido rara vez está en teclear código. Está en el trabajo alrededor del código — encontrar la decisión que alguien tomó hace ocho meses, entender por qué una incidencia lleva tres días abierta, localizar el hilo donde se acordó una arquitectura. Cuando el token deja de ser un recurso escaso, esas tareas se automatizan primero.

El ajuste fino: de más de 10 segundos a menos de 1,8 segundos

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.

Sus recomendaciones concretas para quien intente algo parecido:

Limitar la ventana de contexto a 256.000 tokens.
Usar formatos FP4 en lugar de FP8 para ahorrar alrededor del 40% de la capacidad de las GPUs.
Vigilar las tasas de aciertos de caché.
Resistir la tentación de añadir hardware cada vez que sube el tráfico.

Los resultados en productividad

Con el modelo autoalojado, Abitbol reporta que 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%.

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.

El riesgo que no se puede ignorar: un modelo chino en un banco regulado

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, y conviene entenderla antes de copiarla. 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 significa esto para tu startup?

Tres lecturas para un equipo que no tiene 56 GPUs.

Primero: separa tus cargas de trabajo por complejidad, no por lealtad a una marca. 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. Para trabajo agéntico de largo alcance, los modelos cerrados mantienen ventaja.

Segundo: el ahorro real está en dejar de racionar tokens. El error de Revolut con Claude Code no fue elegir mal el modelo, fue poner un techo de 300 dólares mensuales que se agotaba antes de fin de mes. Si tu equipo deja de usar la IA a mitad de mes para no pasarse del presupuesto, estás pagando por una capacidad que no usas. Antes de migrar de proveedor, calcula cuánto te cuesta el racionamiento.

Tercero: el autoalojamiento no es gratis, es un intercambio. Cambias factura variable por inversión de capital y trabajo de infraestructura. La encuesta de desarrolladores de Mozilla citada por TechTimes encontró que solo el 51% de los equipos que usan modelos de pesos abiertos los habían llevado a producción, frente al 63% de los que usan modelos cerrados, y que las barreras principales eran costes de infraestructura y cómputo (27%), seguridad y cumplimiento (26%) y mantenimiento continuo (24%). Si no tienes a alguien que sepa ajustar una caché y una ventana de contexto, el ahorro por token se lo come el tiempo de ingeniería.

Un cuarto punto, para quien vende a empresas reguladas: la pregunta de cumplimiento no es "¿este modelo es chino?" sino "¿por dónde pasan mis datos?". La Fundación Linux estimó en un análisis citado por TechTimes que los proveedores cerrados capturaron alrededor del 96% de los ingresos de la capa de modelos mientras los abiertos se llevaban cerca del 4%, una asimetría que equivale a unos 24.800 millones de dólares anuales en ahorros no realizados. Ese dinero no se libera solo: se libera cuando alguien en tu equipo hace el trabajo de infraestructura.

Conclusión

Revolut no demostró que un modelo abierto sea mejor que Claude o GPT. Demostró que para la mayor parte del trabajo diario de 2.000 ingenieros, la diferencia de calidad no compensa la diferencia de precio —y que el verdadero cuello de botella estaba en Confluence, Jira y Slack, no en el editor de código. Para una startup hispanohablante sin equipo de infraestructura, la lección práctica es más modesta y más útil: mide dónde se van tus tokens antes de decidir de quién son.