Revolut сократил расходы на ИИ на 90% с GLM

Британский финтех-гигант Revolut перевёл около 2000 разработчиков на китайскую нейросеть GLM, сделав её основным инструментом для программирования вместо Claude Code и OpenAI Codex. По заявлению компании, переход позволил сократить расходы на обработку ИИ-запросов примерно на 90%, а также ускорить разработку программного обеспечения.

Revolut - не единственная крупная компания, которая предпочла более дешёвые модели решениям OpenAI и Anthropic. Аналогичную стратегию уже используют AT&T, Airbnb и другие компании. Похоже, на рынке формируется новая тенденция: для большинства повседневных задач бизнесу не обязательно использовать самые дорогие и мощные нейросети.

Как Revolut сократил расходы на ИИ в 10 раз

О результатах перехода рассказал руководитель AI-инфраструктуры Revolut Дэвид Абитболь на конференции AI Engineer в Нью-Йорке 13 октября 2026 года. В ноябре история получила широкую огласку после публикации The Register.

Изначально Revolut использовал коммерческие ИИ-инструменты, включая Gemini, Claude Code и OpenAI Codex. Однако расходы быстро росли: по словам Абитболя, некоторые разработчики тратили на ИИ от 1000 до 10 000 долларов в месяц, не всегда демонстрируя сопоставимый рост производительности.

Компания ввела строгие ограничения на использование токенов. Это помогло контролировать бюджет, но создало другую проблему: инженеры начали экономить запросы, оставляя ИИ только для наиболее сложных задач.

В апреле 2026 года Revolut начал самостоятельно запускать китайскую модель GLM-5.1 от Z.ai, а позднее перешёл на GLM-5.3. Вместо оплаты запросов сторонним API компания использовала собственную вычислительную инфраструктуру.

По внутренним данным Revolut, после внедрения произошли следующие изменения:

На 90% снизились затраты на инференс по сравнению с прежними коммерческими решениями.
На 60% улучшился показатель времени написания кода.
На 70% улучшился lead time - показатель времени от начала работы над задачей до готовности изменений к внедрению.
Около $0,30 за миллион токенов составила средняя расчётная стоимость обработки запросов.

Для обслуживания примерно 2000 разработчиков Revolut использует 56 графических ускорителей Nvidia B200. Благодаря оптимизации инфраструктуры компания добилась времени ожидания первого токена менее трёх секунд и скорости генерации около 200 токенов в секунду.

При этом Revolut не отказался от Claude и Codex полностью. Более мощные коммерческие модели по-прежнему доступны для отдельных сложных задач, а запросы, связанные с изображениями, могут направляться другим нейросетям.

Важная оговорка: Revolut не представил подробного публичного расчёта полной стоимости владения инфраструктурой, включая закупку GPU и работу специалистов. Поэтому заявленная экономия относится к стоимости использования моделей, а не обязательно ко всем расходам на ИИ.

Не только Revolut: какие ещё компании переходят на дешёвые модели

Опыт Revolut уже нельзя назвать единичным случаем. Несколько крупных компаний публично сообщили об использовании дешёвых моделей вместо более дорогих решений, хотя масштабы перехода различаются.

AT&T: 40% запросов перевели на открытые модели

Американский телекоммуникационный гигант AT&T использует около 45 млрд токенов ежедневно. Для снижения расходов компания внедрила интеллектуальную маршрутизацию запросов между разными нейросетями.

К августу 2026 года модели с открытыми весами обрабатывали уже около 40% внутренних AI-запросов сотрудников. Среди используемых решений - Nvidia Nemotron и Google Gemma.

По данным AT&T, оптимизация позволяет снижать затраты на ИИ до 90% в отдельных сценариях, экономя миллионы долларов. Компания планирует увеличить долю открытых моделей до 60–70%.

При этом дорогие коммерческие модели не исключаются из системы: они подключаются там, где дополнительные возможности оправдывают стоимость.

Источники: AT&T, The Information

Airbnb: китайская Qwen для поддержки клиентов

Сервис аренды жилья Airbnb использует китайскую модель Qwen от Alibaba в собственном ИИ-помощнике для поддержки клиентов.

Генеральный директор компании Брайан Чески ранее отмечал, что Qwen хорошо справляется с задачами, работает быстро и обходится дешевле многих американских альтернатив.

При этом Airbnb использует комбинацию моделей разных разработчиков, включая OpenAI. В 2025 году Чески сообщал, что для многих производственных задач компания предпочитает более дешёвые решения.

Интересно, что использование китайской модели вызвало вопросы у американских законодателей относительно безопасности пользовательских данных. Чески пояснил, что Airbnb самостоятельно запускает открытые модели и не передаёт данные китайским разработчикам.

Источники: Bloomberg, Silicon UK

Cursor: собственная модель на основе китайской Kimi

Разработчик популярного AI-редактора Cursor пошёл другим путём. Вместо простого переключения на дешёвый API компания создала собственную модель Composer 2 на основе Kimi K2.5 китайской Moonshot AI.

Cursor продолжил обучение модели и оптимизировал её для программирования. Впоследствии та же открытая базовая модель использовалась для создания Composer 2.5.

Стоимость стандартной Composer 2.5 составляет $0,50 за миллион входных и $2,50 за миллион выходных токенов - заметно дешевле ряда флагманских моделей.

Это не означает, что Cursor полностью заменил Claude. Но компания получила возможность предлагать собственную недорогую альтернативу для повседневной разработки.

Источник: официальный блог Cursor

Lindy: переход с Claude на DeepSeek с экономией 90%

Разработчик ИИ-помощников Lindy в июне 2026 года сообщил о переводе большей части управляемого модельного трафика с Claude Sonnet и Gemini на китайскую DeepSeek V4 Flash.

Компания использует ИИ для написания писем, управления календарями, подготовки встреч и выполнения других офисных задач.

По результатам перехода стоимость инференса на перенесённых запросах снизилась примерно на 90%.

Однако миграция оказалась сложнее простой замены модели. Lindy пришлось тестировать качество ответов, адаптировать промпты и постепенно переводить пользователей на новое решение.

Компания также обнаружила, что хорошие результаты в тестах не всегда означают высокое качество работы с реальными пользователями. Например, Kimi K2.5 успешно проходила предварительную оценку, но оказалась менее подходящей при практическом использовании.

Claude остался доступен для отдельных задач, требующих более высокого уровня возможностей.

Источник: технический блог Lindy

Tinder: рост расходов на ИИ вынудил искать альтернативы

Сервис знакомств Tinder также начал переводить часть внутренних запросов сотрудников на модели с открытыми весами.

По словам технического директора компании Виная Курувиллы, годовой темп расходов на ИИ вырос примерно с $1 млн в январе до $10 млн к июлю 2026 года.

Для сдерживания расходов Tinder начал направлять некоторые запросы сотрудников, не занимающихся техническими задачами, более дешёвым моделям.

В отличие от Revolut, речь идёт о частичном перераспределении нагрузки, а не о замене основной модели во всей компании.

Источник: анализ публикации Financial Times

Насколько массовым стал переход на дешёвые нейросети?

Отдельные корпоративные примеры подтверждаются и отраслевой статистикой.

Согласно исследованию Menlo Ventures «The State of Enterprise AI 2026», доля открытых моделей в исследуемом корпоративном использовании заметно увеличилась:

Показатель	2025	2026
Доля открытых моделей по токенам	11%	19%
Доля открытых моделей в расходах	6%	4%
Доля флагманских моделей в расходах	35%	63%

Получается интересная картина: открытые нейросети обрабатывают уже почти каждый пятый токен, но получают только 4% денег, расходуемых на модели в исследуемом сегменте.

Причина - значительно более низкая стоимость. По данным Menlo Ventures, средняя цена миллиона токенов у открытых моделей снизилась за год примерно в 3,3 раза - до $0,13, тогда как у закрытых моделей она составляет около $0,70.

Причём в сегменте открытых моделей по расходам доминируют китайские разработчики: на них приходится около 89% рынка. Лидируют Kimi, DeepSeek и GLM.

Но есть и обратная тенденция. Несмотря на распространение дешёвых альтернатив, доля самых мощных флагманских моделей в корпоративных расходах выросла с 35% до 63%.

Бизнес одновременно покупает больше дешёвых моделей для массовых задач и больше дорогих - для наиболее сложных. Поэтому говорить о массовом отказе от Claude или OpenAI пока рано.

Почему дешёвые модели могут изменить рынок ИИ

История Revolut показывает, что экономия на стоимости токенов способна влиять не только на бюджет, но и на производительность сотрудников.

Когда каждый запрос обходится дорого, компании ограничивают использование ИИ. Сотрудники вынуждены выбирать, какие задачи достаточно важны, чтобы потратить на них доступные токены.

Когда стоимость становится значительно ниже, нейросети начинают использовать гораздо шире: для поиска ошибок, документации, обработки писем, анализа информации и других повседневных операций.

При этом более дешёвая модель необязательно должна превосходить Claude или GPT по качеству. Достаточно, чтобы она надёжно справлялась с конкретной задачей за существенно меньшие деньги.

Для разработчиков ИИ это создаёт новую конкурентную ситуацию. OpenAI и Anthropic могут сохранять преимущество в самых сложных задачах, но им становится труднее обосновывать использование дорогих моделей там, где возможностей более дешёвых альтернатив уже достаточно.

Главная тенденция - не полный отказ от американских нейросетей в пользу китайских, а переход к гибридной модели использования ИИ. Массовые запросы передаются недорогим решениям, а флагманские модели подключаются тогда, когда их дополнительные возможности действительно нужны.

И опыт Revolut показывает, что экономический эффект такого подхода может быть весьма существенным.