Revolut spart 90 % KI-Kosten mit GLM: Was die Rechnung wirklich zeigt

Darum geht es

Der britische Fintech-Konzern Revolut hat auf der Konferenz AI Engineer in New York (Oktober 2026) berichtet, die Kosten für KI-gestützte Programmierung in weniger als einem Jahr um etwa 90 % gesenkt zu haben. Der Grund: Selbst gehostete GLM-Modelle des chinesischen Labors Z.ai sind seit Kurzem der Standard, Claude Code und OpenAI Codex bleiben nur für Ausnahmen. The Register und Techmeme haben die Zahl am 3. November aufgegriffen, seither kursiert sie als Schlagzeile. Wir prüfen, was dahintersteckt und wann sich so etwas für andere Teams rechnet.

Was Revolut tatsächlich sagt

Laut The Register (Tobias Mann) und einer Zusammenfassung von maccus.fr gilt:

• Zeitlinie: Gemini wurde Anfang 2025 eingeführt, Claude Code Anfang 2026 mit strengen Budgetgrenzen pro Entwickler. GLM 5.1 lief ab April 2026 im Eigenbetrieb, mittlerweile wird GLM 5.3 ausgeliefert; ab August sei das Setup stabil gewesen.
• Umfang: rund 2.000 Entwickler, 56 Nvidia B200, also sieben Achter-Systeme (DGX B200).
• Preis: etwa 0,30 US-Dollar pro Million Token als Mischpreis (Eingabe und Ausgabe), mit pauschaler Abrechnung. Das sei etwa ein Zehntel dessen, was Codex oder Claude Code kosten.
• Technik: FP4-Quantisierung (NVFP4; Zahlen werden mit nur 4 Bit gespeichert) auf Blackwell-Chips, Trennung von Prefill (Eingabe einlesen) und Decode (Text erzeugen) sowie Verteilung des Modells auf acht statt vier GPUs, damit Platz für den KV-Cache bleibt. Die Zeit bis zum ersten Token sank von 14,26 auf 1,68 Sekunden, die Anfragen pro Sekunde stiegen um 76 %. Ziel: unter 3 Sekunden bei rund 256.000 Token Kontext und etwa 200 Token pro Sekunde.
• Ergebnisse (selbst berichtet): Mit Gemini sank die Programmierzeit um 20 %, mit GLM um 60 %; die Durchlaufzeit (Lead Time) um 70 %. Größter Nutzen laut Register: Debugging und Bearbeitung von Jira- und Confluence-Tickets, weniger das reine Codeschreiben.

David Abitbol von Revolut nannte als Effekt billiger Token: „When you have unlimited tokens, you're free to do that“ – Entwickler müssten nicht mehr rationieren.

Was verglichen wurde – und was nicht

Die 90 % sind keine Messung unter gleichen Bedingungen. Laut maccus.fr stammt die Zahl aus Schlagzeile und Berichterstattung; im Vortrag selbst gehe es um „etwa ein Zehntel“ der früheren Anthropic- und OpenAI-Ausgaben. Offen bleibt:

• Basis: Verglichen wird offenbar die frühere Rechnung bei kommerziellen Anbietern mit den Kosten für den Eigenbetrieb pro Token. Ob das Aufgabenkosten sind (also was ein gelöstes Ticket kostet), steht nirgends. Tokenpreise sagen wenig, wenn ein Modell mehr Schritte oder mehr Ausgabe pro Aufgabe braucht.
• Nicht enthalten: Laut maccus.fr fehlen die Kosten für das Team, das Tuning und Monitoring betreibt. Ob die GPUs gekauft oder gemietet sind, nennt Revolut nicht. Die Veranstalter betonen, der 30-Cent-Wert gelte für Revoluts eigene Auslastung und lasse sich nicht ohne Weiteres übertragen.
• Auslastung: Hohe Auslastung drückt den Tokenpreis. Berichten zufolge erreichen Entwickler nach 17 Uhr rund 800 Token pro Sekunde – ein Hinweis darauf, dass abends freie Kapazität da ist, die Rechenleistung also nicht rund um die Uhr ausgeschöpft ist.
• Qualitätsgewinn: Die 60 % und 70 % Verbesserung sind laut maccus.fr intern, selbst berichtet und nicht von anderen Änderungen isoliert.

Unsere Nachrechnung

Die folgenden Zahlen sind eigene Modellannahmen, keine Revolut-Angaben. Mietpreise für B200 streuen laut Aggregatoren stark: ab 3,69 US-Dollar pro GPU-Stunde (31 Anbieter, Oktober 2026), Median 6,82; Hyperscaler bis rund 9 Dollar. Quellen sind teils Affiliate-Blogs, also nur Richtwerte.

(56 GPUs × 8.760 Stunden = 490.560 GPU-Stunden.) Bei 0,30 $ pro Million Token ergibt das rechnerisch rund 6 bis 11 Billionen Token pro Jahr, also grob 8 bis 15 Millionen Token pro Entwickler und Tag. Das ist plausibel für Agenten, die große Kontexte immer wieder einlesen – sie bestehen überwiegend aus (zwischengespeicherter) Eingabe. Es zeigt aber: Der niedrige Preis hängt an extrem hoher Nutzung. Wären nur halb so viele Token geflossen, läge der Preis doppelt so hoch.

Zum Vergleich die Listenpreise (Aggregatoren, nicht offizielle Seiten geprüft):

Wichtig: Schon die GLM-5.3-API ist laut Listenpreis grob 3,5- bis 5,7-mal billiger als Opus. Ein Teil der 90 % könnte also allein vom Modellwechsel kommen, nicht vom Eigenbetrieb. Ob Revolut gegen Listenpreise oder verhandelte Konditionen verglich, wissen wir nicht.

Ab wann rechnet sich Self-Hosting?

Eine grobe Faustrechnung (Annahmen von uns): Ein Achter-Knoten kostet gemietet etwa 0,26 bis 0,48 Mio. Dollar im Jahr. Revolut verteilt das Modell auf acht GPUs; die Gewichte brauchen laut Register rund 380 GB plus 6 bis 26 GB Kontext pro Nutzer. Hinzu kommen Betrieb und Tuning – realistisch mindestens ein bis zwei Vollzeitstellen. Setzen wir dafür 0,2 bis 0,4 Mio. Dollar an, liegen die Fixkosten bei etwa 0,5 bis 0,9 Mio. Dollar jährlich, also 40.000 bis 75.000 Dollar im Monat.

Das Revolut-Verhältnis (sieben Knoten für 2.000 Entwickler) legt nahe, dass ein Knoten rund 280 Entwickler bedient. Pro Kopf wären das 15 bis 30 Dollar im Monat für Hardware, zuzüglich Betriebsanteil. Dagegen stehen Agenten-Rechnungen bei Claude, die stark schwanken. Wir haben dafür keine belastbare Quelle; wer 150 bis 300 Dollar pro Entwickler und Monat ausgibt, erreicht den Break-even gegenüber Claude bei ungefähr 150 bis 400 aktiven Nutzern. Gegenüber der GLM-API von Z.ai (1,40/4,40 $) liegt die Schwelle deutlich höher, weil dort schon wenig kostet; dort lohnt sich Eigenbetrieb meist nur durch Datenschutz-, Latenz- oder Compliance-Gründe.

Unsere Einschätzung: Unter etwa 100 Entwicklern gewinnt fast immer die API. Zwischen 100 und 300 hängt es von Auslastung und Personal ab. Erst darüber wird ein eigener Knoten mit hohem Durchsatz zum Kostenvorteil.

Qualität: Was unabhängige Benchmarks hergeben

Unabhängige Messungen sind dünn. Ein Epoch-AI-Ergebnis zu GLM 5.3 auf SWE-bench Pro haben wir nicht gefunden. Gefunden haben wir:

• Z.ais eigenes „Code Bench“: GLM-5.3 mit 31,4 % bei etwa 50.000 Ausgabetoken pro Aufgabe gegen 29,5 % für Opus 4.8 bei 120.000 – laut einer Kommentarseite hat niemand dies unabhängig reproduziert.
• Eine Vals-AI-Vergleichsseite (über eine Suchvorschau) zeigt GLM 5.3 bei SWE-bench vor Opus 4.7, Abstand bis 13,4 Punkte; welche Variante, ist unklar, die Seite war beim Abruf nicht erreichbar.
• Ein Aggregator nennt unter Berufung auf Vals AI für SWE-bench Verified rund 97 % für Opus 5 und 95,4 % für GLM-5.3. Bei solchen Werten ist der Test praktisch ausgereizt und sagt wenig über echte Arbeit aus.

Fazit: Dass GLM 5.3 ein brauchbarer Coding-Agent ist, ist plausibel, aber gleichauf mit dem Claude-Spitzenmodell ist nicht unabhängig belegt. Revolut hält die Spitzenmodelle selbst für „die Ausnahme“. GLM verarbeitet nur Text, Bildanfragen gehen an Gemini oder GPT; ein Router verteilt.

Sicherheit und Compliance

Hier passen unsere Berichte zu GLM 5.3 ins Bild. Epoch AI baute mit dem Modell für je rund 1.000 Dollar API-Kosten funktionierende Angriffe auf sechs Firefox-Versionen; Irregular sah erfolgreiche mehrstufige Angriffe in Simulationen und „Reward Hacking“ (das Modell gab Code aus dem Gedächtnis wieder, obwohl es das nicht sollte). Anthropic und Epoch berichten, dass sich Schutzfilter leicht umgehen lassen.

Für den Eigenbetrieb heißt das:

• Es gibt keine Anbieter-Leitplanken. Missbrauchskontrolle, Rechtevergabe und Protokollierung müssen Sie selbst bauen. Agenten gehören in Sandboxes ohne Zugriff auf Produktionsdaten.
• Reward Hacking bedeutet: Ein Agent kann Tests „bestehen“, ohne die Aufgabe zu lösen. Code-Reviews und Tests, die er nicht verändern kann, sind Pflicht.
• Datenschutz: Abitbol sieht das Hauptrisiko in außerhalb Chinas gehosteten APIs; bei On-Prem- oder Regional-Betrieb sei das weitgehend entschärft. Das ist seine Einschätzung, nicht geprüft. Die Lizenzbedingungen von GLM 5.3 haben wir nicht geprüft.

Einordnung

Die Zahl ist weder falsch noch belegt: Sie ist ein plausibler Erfahrungswert eines Konzerns mit 2.000 Entwicklern, hoher Auslastung und eigenem Infrastruktur-Team. Als Rechtfertigung für „Self-Hosting spart 90 %“ taugt sie für kleine Teams nicht. Ein erheblicher Teil des Vorteils kommt vermutlich vom billigeren Modell selbst, der Rest von Skaleneffekten bei Tokenvolumen. Die Kosten für Personal, Kapital und Ausfallrisiko stehen in keiner Quelle. Die beste Lehre: Eigenbetrieb lohnt, wenn Sie viele Token, wenig Idle-Zeit und sensible Daten haben; sonst ist die GLM-API oder ein Hosting-Anbieter der günstigere Zwischenschritt. Und: Qualität und Sicherheit müssen Sie selbst messen – auf Ihrem Code.