假设你在一家大公司写代码，公司给你开了 Claude Code，但每月有预算上限。你多半会把额度留给最难的活儿，到了季度末还得省着用。按 David Abitbol 的说法，Revolut 的工程师在 2026 年春天之前就是这样。后来公司换了思路：不再按 token 给前沿模型的厂商付钱，而是自己准备 GPU，把开源模型的权重放上去，让工程师放开了用。
Abitbol 在 Revolut 负责 AI 运营。2026 年 10 月 13 日，他在 AI Engineer 纽约大会的主会场做了这场技术分享，题目叫「Shipping like a startup, regulated like a bank」，意思是像创业公司一样快速交付，又像银行一样受监管。大会官网放出了录像、机器转写的文字稿和一篇摘要。下面的数字和判断，除非另外说明，都出自他本人在台上的说法。我们没有找到 Revolut 就此发布的书面材料，这些数字也没法独立核实。
他先放了一张图：Revolut 抽样 2000 名工程师，跟踪了过去一年的两个指标。一个是交付周期，从工程师接手一个功能，到它合并、可以部署，按天算；另一个是写代码花的时间，按小时算。他说，公司最早引入的 AI 是 Gemini，员工第一次可以在 AI 里用公司内部数据。那一阶段交付周期改善了 10%，写代码的时间改善了 20%，因为大家不用再去翻 Stack Overflow 和文档。接着推开的 Claude Code，他说当时没带来多大变化。问题出在钱上：他们对 AI 的成本心存怀疑，看到有工程师一个月花掉上千甚至上万，回报却不明显，所以 Claude Code 上线时就设了严格的预算上限。
转折在 2026 年 4 月前后。Revolut 开始自己托管开源模型，选的是 Z.ai 的 GLM，他说团队「很喜欢用 GLM 写代码」。换上 GLM 5.1 之后，图上写代码的时间改善了 60%，交付周期改善了 70%。他的解读是，交付周期改善得比写代码的时间还多，说明工程上的瓶颈不一定是写代码本身。token 不用省了，工程师就会让 AI 去帮忙翻收件箱、处理 Jira 和 Confluence 这些杂事，也不必把额度攒到季度末，或者只留给最难的任务。
读到这里你可以留个心眼：4 月那个节点，模型换了，用量也从限额变成了不用省，两件事是同时发生的。大会官网的摘要也指出，这张内部图表分不清变化里有多少来自换模型，有多少来自别的原因。他也没说「改善」具体是怎么算的。
他说，开源模型现在是 Revolut 的首选。账单是固定的，月底不会突然收到一张吓人的发票。Codex、Claude Code、Gemini 这些前沿工具还在用，他也夸它们好，但只当例外。成本上他报了两个数：自托管 GLM 之后，混合下来每百万 token 大约 0.3 美元；Revolut 的账单只有原先付给 Anthropic 和 OpenAI 的十分之一。大会摘要特意提醒，这是 Revolut 自己的部署和使用率算出来的，不能当成任何自托管模型都能拿到的价格。
撑起这些的硬件，他说是 56 块 NVIDIA B200，用来给大约 2000 名工程师跑 GLM 5.3。作个参照，Z.ai 在 2026 年 4 月开源的 GLM-5.1，Hugging Face 页面上写的是 7540 亿参数、MIT 许可，只处理文本，体量不小。
他反复强调，光把权重放到 GPU 上就开跑，性能会很差，好不好用取决于参数怎么调。体验上他定了个标准，说是经验之谈：第一个 token 要在 3 秒内出来，超过 5 秒，他的 Slack 就会被抱怨塞满。生成速度反倒没那么要紧，每秒 200 个 token 大家就够用了，因为现在的人不再盯着模型一个字一个字地往外蹦，而是同时开几个任务，做完再回来看。他还说，下午 5 点以后用的人少，能跑到每秒 800 个 token。
调参的效果，他放了一张 4 月到 8 月的图，GPU 数量始终没变。按大会摘要对幻灯片的记录，每秒请求数涨了 76%，第一个 token 的等待时间从迁移期的 14.26 秒降到稳定后的 1.68 秒，少了 88%。他的建议是，想自己托管模型，先忍住加卡的冲动，把现有配置调好。他点了几处可调的地方：模型虽然支持 100 万 token 的上下文，他说实际 256K 就够，留太大是浪费显存；在 Blackwell 这一代 GPU 上用 FP4 精度，他说比 FP8 省大约 40% 的 GPU 占用，精度没有损失，不过他没讲是怎么测的；写代码的场景，缓存命中率要做到 90% 以上。更底层的几项，比如张量并行怎么切，这里不展开。
GLM 只能处理文字，看不了图。他的取舍是宁可用更聪明的文字模型，再另想办法处理图片：在本地放一个路由，把识图的请求转给 Gemini 这类模型，主任务留给 GLM。他提到 Revolut 的 UI 设计师在用 GLM 系列里一个带视觉能力的 Flash 模型，效果不错，但文字稿里这个型号转写不清，我们没能确认是哪一个。这些接口都兼容 OpenAI 的 API，包括 Responses API，所以能直接接进 OpenCode、Codex 和 Codex 应用。
最后几分钟，他说是讲给在场的 CIO 听的，题目里「像银行一样受监管」那半句也落在这里。他说，用中国公司的开源模型一直有人顾虑，但 Revolut 并没有调用通往中国的推理接口，只是拿到权重，放到美国的服务上跑，所以在数据共享上没有问题。他说 Revolut 是受欧盟监管的银行，在合规上处在最严格的一档。他们的办法是让这些编程任务都不算自主 agent，始终有人在环里。要让人放心，就先搭一个沙箱：Codex 和 Claude Code 本来就有替你自动批准操作的功能，你只要规定哪些操作不放行，比如允许 grep，不允许 gradle。他说，这能让监管方相信这不是一个需要另行监管的自主 agent。沙箱还能防内部有人乱来，他的原话是「在大公司里，你会惊讶自己发现了什么」，也能挡一挡提示注入。
数据放在哪儿，他的说法是：只要在他所说的数据等效框架覆盖的国家和地区，比如美国、欧盟、英国、以色列，就可以在那里用 GPU；推理和 GPU 服务商默认都不保留数据；另外要有完善的 OpenTelemetry 遥测，一旦出事，能顺着日志一路查下去。这些是他对 Revolut 自身处境的理解。他没有点名是哪家监管机构、依据哪条规定，大会摘要也说，不能把这些话当成某个模型、地区或沙箱自动满足其他机构合规义务的结论。
如果你在公司里管 AI 工具的预算，这场演讲最值得带走的，不是「换成 GLM」，而是 Abitbol 盯的那个指标：他看的是从接需求到合并的交付周期，不是写代码快了多少。先在自己团队里把这个数量起来，再决定是给前沿模型加预算，还是像 Revolut 这样自己备卡。他的账建立在约 2000 名工程师、56 块 B200 和几个月调参的基础上，团队小的话，照搬之前先把自己的账算清楚。