Revolut betreibt GLM selbst: Was die 0,30 Dollar pro Million Token bedeuten

Auf der AI-Engineer-Konferenz in New York hat David Abitbol, bei Revolut für Ops und Infrastruktur zuständig, am 13. Oktober 2026 erzählt, wie die Bank ihre KI-Kosten gesenkt hat. Rund 2.000 Engineers arbeiten dort inzwischen standardmäßig mit selbst betriebenen GLM-Modellen von Z.ai. Die Rechnung für Anthropic und OpenAI sei auf etwa ein Zehntel gefallen. The Register hat den Vortrag am 3. November aufgegriffen.

Wer mit solchen Zahlen eine eigene Entscheidung begründen will, sollte zuerst sehen, was an ihnen belegt ist. Das haben wir gelesen und nachgerechnet.

Selbstbetrieb eines KI-Modells heißt: Man lädt offene Gewichte herunter, betreibt sie auf eigenen oder gemieteten GPUs und zahlt statt eines Preises pro Token die Hardware samt Betrieb. Der Stückpreis pro Million Token ergibt sich dann aus den Gesamtkosten geteilt durch die tatsächlich verarbeitete Menge und sinkt mit der Auslastung. Ein Anbieterpreis bleibt dagegen gleich, egal wie viel oder wie wenig genutzt wird.

Worauf dieser Beitrag beruht

Unsere Hauptquelle ist der Vortrag selbst: Shipping like a startup, regulated like a bank von David Abitbol, 13. Oktober 2026, Main Stage. Die Konferenz stellt dazu eine Zusammenfassung und ein maschinelles Transkript bereit. Das Video ist der Livestream des Tages auf YouTube (Abschnitt 5:36:54 bis 5:48:28). Wir haben das Transkript gelesen, das Video aber nicht in voller Länge angesehen. Zahlen aus dem Vortrag geben wir deshalb als "laut Vortrag" wieder. Dazu kommt der Bericht von The Register vom 3. November 2026. Wo beide voneinander abweichen, sagen wir es.

Was Revolut berichtet

• Gemini kam im Januar 2025 ins Haus, Claude Code folgte später. Engineers verbrauchten laut Vortrag teils 1.000 bis 10.000 Dollar im Monat bei geringem Nutzen, deshalb gab es strenge Budgets.
• Ab April 2026 betreibt Revolut offene Modelle selbst: zuerst GLM-5.1, später GLM-5.3.
• Für rund 2.000 Engineers braucht es laut Vortrag etwa 56 Nvidia B200 für GLM-5.3. The Register rechnet das auf sieben DGX-B200-Systeme mit je acht Karten um.
• Gemischter Preis beim Selbstbetrieb: etwa 0,30 Dollar pro Million Token. Die Rechnung sei ein Zehntel dessen, was früher an Anthropic und OpenAI ging.
• Zum Wechsel auf GLM-5.1 zeigt eine Folie 60 Prozent bessere Coding-Zeit und 70 Prozent bessere Lead Time.
• Frontier-Modelle bleiben die Ausnahme. Bilder leitet ein Router an andere Modelle, weil GLM nur Text kann.

Die Konferenzseite hält zu den 60 und 70 Prozent fest, der interne Vergleich trenne den Modellwechsel nicht von anderen Ursachen. Abitbol deutet den Unterschied zwischen beiden Werten so: Der Engpass liege nicht allein beim Programmieren, sondern auch bei Posteingang, Jira und Confluence, und mit großzügigem Token-Budget delegiere man diese Arbeit eher.

Die Zahlen im Überblick

Die oberen vier Zeilen sind Eigenangaben des Betreibers. Wir haben sie nicht nachgemessen.

Die 0,30 Dollar nachgerechnet

0,30 Dollar pro Million Token ist keine Zahl, die man einkaufen kann. Sie entsteht aus Gesamtkosten geteilt durch verarbeitete Token, und beide Seiten nennt Revolut nicht. Was wir tun können, ist die Größenordnung prüfen.

Wir setzen als Annahme, nicht als Beleg, 10.000 Dollar Monatsmiete je B200. Dann kosten 56 Karten 560.000 Dollar im Monat. Damit am Ende 0,30 Dollar je Million Token herauskommen, müssten in dem Monat rund 1,87 Billionen Token durchlaufen, bei 2.000 Engineers etwa 930 Millionen je Kopf. Läuft weniger durch, steigt der Stückpreis im selben Verhältnis. Setzt man den Mietpreis niedriger an, sinkt die nötige Menge genauso. Die Rechnung zeigt nur eines: Die 0,30 Dollar stehen und fallen mit der Auslastung. Eine halbleere Flotte ist pro Token teuer, eine volle billig. Bei einem Anbieterpreis zahlt man dagegen nur, was man verbraucht.

Gewichte zum Herunterladen und Gewichte im Betrieb

Wir haben die Dateien auf Hugging Face am 4. November 2026 über die API summiert:

Die config.json von GLM-5.3 nennt 78 Layer und 1.048.576 Token Kontext. Die 380 GB nennt The Register für GLM 5.1 (rund 754 Milliarden Parameter). Sie passen nicht zum FP8-Checkpoint von GLM-5.3, wohl aber zu 4-Bit: 753,33 Milliarden Parameter mal ein halbes Byte sind rund 377 GB. Im Vortrag empfiehlt Abitbol für Blackwell-Karten FP4, und The Register nennt für Revolut NVFP4-Quantisierung. Die 756 GB, die man von Hugging Face lädt, dürfte Revolut demnach nicht im Betrieb haben; die genaue Konfiguration nennt keine der Quellen.

Für unsere Hardware ändert das nichts. Unsere vier RTX 5090 haben zusammen 127,4 GiB Videospeicher. Selbst die 4-Bit-Variante braucht rechnerisch rund 350 GiB. Die Flash-Variante käme bei 2 bis 3 Bit auf grob 75 bis 112 GiB, das sind 80 bis 120 GB (Eigenrechnung aus 321,3 Milliarden Parametern, ohne Overhead). Ob die Qualität bei dieser Kompression reicht, haben wir nicht getestet.

Was für uns gilt

Unsere Lane läuft auf vier RTX 5090 hinter einem LiteLLM-Gateway. Der KV-Cache-Pool im laufenden vLLM umfasst nach unserer Messung vom 3. Oktober 2026 auf diesem Host 1.810.884 Token (NVFP4-KV, Messträger .180.3). Bei uns sind die Gewichte die Knappheit, bei der GLM-Familie ebenfalls.

Aus der Revolut-Meldung nehmen wir zwei Dinge mit. Ein Budgetdeckel kann Nutzen drücken, den man gar nicht erst sieht, weil jemand Token zählt und weniger delegiert. Das berichtet Revolut als eigene Erfahrung, bewiesen ist es durch den Vortrag nicht. Außerdem ist ein reguliertes Finanzunternehmen mit offenen Gewichten in den Regelbetrieb gegangen. Das ist ein Argument in jeder internen Diskussion über Eigenbetrieb. Die Konferenzseite hält fest, die Aussagen zu Regulierung und zulässigen Hosting-Orten beschrieben Revoluts Lage und seien keine allgemeine Freigabe für andere Organisationen.

Zu Modell, MIT-Lizenz und Release von GLM 5.2 steht im KI-Radar zu z.ai GLM 5.2 das Wichtigste. Dieser Beitrag hat einen anderen Blickwinkel: Er prüft, was die Revolut-Zahl für den Selbstbetrieb aussagt. Wie sich Token-Preise und Verbrauch zusammensetzen, haben wir in Was ein KI-Modell wirklich kostet aufgeschlüsselt. Weitere Beiträge zum Betrieb von KI im Unternehmen sammelt der Hub KI im Betrieb. Wer ein Modell im eigenen Haus plant, findet unser Angebot unter Corporate LLM im eigenen Haus.

Was wir nicht wissen

Die Zusammensetzung der 0,30 Dollar ist nicht dokumentiert. Wir wissen nicht, ob Strom, Personal und Speicher anteilig enthalten sind, und kennen die Auslastung nicht. The Register nennt die 0,30 Dollar im Zusammenhang mit GLM-5.1, der Vortrag spricht von GLM allgemein. Welche Version die Zahl trägt, bleibt offen.

Den Mietpreis der B200 haben wir als Rechenannahme gesetzt. Er ist weder ein belegter Marktpreis noch ein Angebot. Für die eigene Rechnung gilt das Angebot, das man tatsächlich bekäme.

Die 60 und 70 Prozent sind Selbstauskunft auf einer Folie, ohne unabhängige Messung und ohne Definition von Coding-Zeit. Als Tendenz taugen sie, als Zielwert für ein eigenes Projekt nicht.

Wer jetzt was tun sollte

Wer unter hundert Entwicklern arbeitet, kann aus den Revolut-Zahlen keine Schwelle ableiten. Sinnvoll ist die eigene Rechnung: Token-Verbrauch der letzten Monate messen, prüfen, ob Karten schon im Haus stehen, und die erwartete Auslastung ehrlich ansetzen. Die Grafik zeigt, was Revolut bei gleicher Kartenzahl durch Tuning erreicht hat. Die Ablaufkarte darunter ist unsere Prüfreihenfolge.

Weiterführende Quellen

• AI Engineer NYC 2026: Revolut-Vortrag mit Transkript
• YouTube: AI Engineer NYC Livestream, Abschnitt Revolut ab 5:36:54
• The Register: British fintech Revolut slashes AI coding costs 10x
• Hugging Face: zai-org/GLM-5.3
• Hugging Face: config.json von GLM-5.3
• Hugging Face: zai-org/GLM-5.3-Flash
• Unsere Messung: Tempo lokaler Modelle nachgerechnet