你请一位按次收费的外部助手写代码，起初很省事；可当全公司每天都来找他，账单很快就会变得刺眼。Revolut 遇到的正是这类问题。这家英国金融科技公司把默认 AI 编码方案从 Claude 转向自托管模型，并称成本降至原来的约十分之一。这个案例值得看，不只因为“省了 90%”，更因为它碰到了企业采用 AI 时最现实的一道题：什么时候该继续买云服务，什么时候值得自己把模型养起来？目前核心结果来自 Revolut 自报，尚无独立测算。
从按量付费，改成自己开机
闭源编码模型，是由供应商提供、但不公开模型权重和内部实现的编程助手。企业通常通过 API——也就是软件之间发送请求、接收结果的接口——按调用量付费。好处是上手快，不必自己维护模型；代价是费用和容量受供应商规则影响。
自托管走的是另一条路：企业把模型部署在自己选择的服务器或租用基础设施上，显卡、数据流向和服务配置都由内部团队掌握。Revolut 称，完成这种迁移后，AI 编码成本变为原先约十分之一，即下降约 90%。这里不宜说“成本降低十倍”，因为“10x”是醒目的标题表达，并未交代完整计算口径。
据 AI Engineer NYC 整理，Revolut 最初向工程师推广 Claude Code 时，个别人的月度消耗达到 1,000 甚至 10,000 美元，公司随后给每人设置严格额度。结果是，工程师开始把 tokens——模型处理和生成文字时使用的计量单位——留给季度末或最棘手的任务，不敢随手用在邮件、Jira 工单和 Confluence 文档上。
2026 年 4 月，Revolut 改用自托管 GLM。GLM 是中国厂商 Z.ai 的开放权重模型，企业可以取得模型权重并自行部署。额度带来的“token 负罪感”消失后，公司观察到交付周期的改善大于纯编码时间的改善。Revolut 的 Abitbol 据此认为，许多效率瓶颈其实发生在代码之外。不过，这组内部前后对比没有排除额度变化等其他因素，不能直接当成 GLM 与 Claude 的模型能力测评。
便宜不等于轻松
自托管省下的是供应商调用费，却接回了运行模型的工作。所谓推理成本，就是模型读取指令、生成答案时消耗的显卡、服务器和服务费用。它是否划算，取决于调用规模、硬件利用率以及运维负担。
Revolut 的上线过程也说明了这一点。据 AI Engineer NYC，模型运行在同一批 56 张 B200 GPU 上时，首次输出文字一度需要等待 14.26 秒。团队没有立即增加显卡，而是调整服务配置，最终把等待时间压到 1.68 秒，同时将每秒请求量提高 76%。Abitbol 给出的体验红线是五秒：超过这个时间，他的 Slack 收件箱就会开始“爆”。
这很像把外卖改成公司食堂。单份饭可能更便宜，菜单和食材也更可控，但厨房、排班、卫生和高峰期拥堵都要自己负责。Revolut 的数据说明，大规模、持续使用或许能让这笔账成立；它还不能证明所有企业照做都会省钱。
为什么值得关注
这个案例把“模型能力之争”拉回了企业经济账。闭源服务卖的是便利，自托管买回的是控制权。对金融科技公司而言，后者还涉及代码和数据实际流向哪里。
据 AI Engineer NYC，Revolut 把模型权重部署在自己选择的基础设施上，并为编码代理设置沙箱——一种限制程序访问范围和执行权限的隔离环境，敏感操作仍需人工批准。切断厂商 API 并不等于责任消失。操作审计、内部滥用防范和事故追踪，都会重新落到企业自己身上。
局限与未知
- 现有材料没有披露成本统计周期，也未说明硬件采购、基础设施和运维人员成本是否全部计入。
- “不再以 Claude 为默认方案”不一定等于完全停用 Claude；材料不足以确认实际边界。
- 迁移后的效率变化来自公司内部前后对比，可能同时受到额度放宽、使用场景扩大等因素影响，不能视为独立验证。