Revolut 把 Claude 從預設降級成例外：2,000 名工程師實測 GLM-5.3 十個月

一句話總結：Revolut 把 2,000 名工程師的 AI 預設從 Claude 換成自架的 GLM-5.3，推論成本降 90%、coding time 改善 60%。Claude 沒有消失，它被降級成例外。本文整理基準交叉、成本結構與決策框架。

金融科技公司 Revolut 的基礎設施負責人 David Abitbol，十月在紐約 AI Engineer 大會上公開了一段少見的數據：不是單一團隊的實驗，而是 2,000 名工程師、十個月、全面部署的生產環境實錄。他們把 Claude Code 從預設位置換成自架的 GLM，推論成本降了 90%，coding time 改善 60%，lead time 改善 70%。

這段分享的價值在於規模。單一開發者的模型比較滿街都是；一家受監管金融科技公司的大規模部署數據，市面上極其稀缺。

第一階段：配額地獄

Revolut 的 AI 化不是一路順風。2025 年初部署 Gemini，2026 年初上 Claude Code，結果是工程師月費 $1,000 到 $10,000，而回報不成比例。公司設下嚴格預算上限，後果是教科書級的行為扭曲：工程師開始囤積 token，「把額度留到季末最難的任務」。

配額制懲罰的不只是浪費，它懲罰的是嘗試。當每次實驗都在消耗額度，工程師學會的第一件事不是寫更好的程式，是少碰 AI。

第二階段：自架 GLM

轉向自架的關鍵數字：$0.30 每百萬 tokens，約等於 OpenAI Codex 或 Claude Code 的十分之一。他們先部署 GLM-5.1，再升級到 GLM-5.3，用 56 張 NVIDIA B200 服務。

Abitbol 的原話是這個案例的核心：「當 token 無限，你就能把這些全部交出去。」最大的時間節省不是寫程式，而是 debugging、Jira tickets、Confluence 工作流程這些苦工。token 便宜之後，AI 的用途從「寫程式」擴散到工程師討厭的一切雜務。模型單價決定 AI 的使用範圍，這句話是整場分享的核心。

基準測試：多源交叉，誠實讀法

單一基準會說謊，所以把公開來源全部攤開，每一格標註出處，詮釋分歧照實記錄。

Terminal-Bench 3.0 上，GLM-5.3 得 28.3，Claude Fable 5 得 33.7，Claude 領先約 6 分。SWE-bench 的差距更大：78.1 對 88.2。DeepSWE v1.1 則出現了詮釋分歧：Together AI 判定兩者「在誤差範圍內打平」，另一份分析則認為 GLM 落後最佳結果 6.3 分。同一份數據，兩種讀法，這件事本身就是資訊。

最新的訊號來自 Terminal-Bench 4.0 剛釋出的結果，社群回報 GLM-5.3 追平了等級。而 GLM-5.3-Flash 在 DeepSWE v1.1 拿下 63.4、在 Terminal-Bench 上與 Claude Opus 4.8 相差一分以內。Flash 這個等級的模型已經摸到 Opus 的門檻。

誠實的結論：raw benchmark 上 Claude 仍然領先 3 到 10 分，但 GLM-5.3 已是開源權重裡最強的編碼模型，且差距縮小到「可以用錢和部署策略買斷」的範圍。Revolut 的選擇正是這條算式的企業版：用 5 到 10 分的能力差距，換 90% 的成本下降。

成本的三層階梯

第一層：API 官價。 GLM-5.3 是輸入 $1.40、輸出 $4.40 每百萬 tokens，1M context。Claude 系列則從 Sonnet 5.5 的 $2/$10 到 Fable 5.1 的 $10/$50，貴三到十倍。

第二層：Revolut 的自架實數。 56 張 NVIDIA B200，混合成本約 $0.30 每百萬 tokens，等於 Codex 或 Claude Code 的十分之一。這是 2,000 名工程師的規模才攤得平的 capex，但數字是公開說出口的。

第三層：訂閱制。 各家 Coding Plan 訂閱的實際有效單價，經實際用量估算可以落在每百萬 token $0.003 到 $0.01 的級距，比自架低一個數量級，代價是 5 小時窗口的節流而不是無限爆發量。個人與小團隊的最優解通常在這一層。

Claude 沒有消失：例外層的價值

Revolut 的架構裡，Claude 和 GPT 並沒有被趕走，它們被降級成例外層：GLM 是純文字模型，UI 和視覺工作不是它的戰場，所以影像相關的任務路由到 Gemini 或 GPT Luna，程式碼生成留在 GLM 上。Abitbol 的總結是：「Open source 現在是 Revolut 的優先事項，帳單是平的，月底沒有 bill shock，frontier 是例外。」

安全面，他的立場是中國開源權重的疑慮主要來自經由中國 API 的存取；跑在自己的硬體上就沒有這層。這是他們的主張，模型供應鏈審查、工具權限與稽核記錄仍然不能省。

決策框架：什麼任務交給誰

合併基準與部署案例之後，路由表長這樣：

日常編碼、重構、文件、票務苦工，交給 GLM 系：準確度在誤差邊緣，成本五分之一到十分之一，而且 token 無限讓使用範圍最大化。需要視覺理解、多模態、或者任務失敗成本極高的關鍵路徑，交給 Claude 系：5 到 10 分的領先在關鍵路徑上才值得溢價。兩者之間需要一個 router，按任務類型與失敗成本分流，而不是按品牌忠誠分流。

這個框架的原始碼出處是 Together AI 的結論加上 Revolut 的十個月：DeepSWE 準確度打平、每任務成本五分之一的時候，問題就已經從「誰贏」變成「怎麼分工」。

問題已經換了

這場比較最有意思的結局，是一位 Medium 作者的標題：GLM-5.3 沒有打敗 Claude 或 GPT，它改變了我們比較的標的。當 82M 參數的模型能與雲端巨頭打平、當 754B 的 MoE 能讓 2,000 人公司省下 90%、當訂閱制把單價壓到自架的八十七分之一，比較的意義就不再是排名，而是分派。

模型選擇從信仰變成了路由表。這是今年 AI 工程最安靜、也最重要的一場變化。

如果你的 agent 架構也在 GLM 與 Claude 之間猶豫，歡迎寫信到 partner@calpa.me 交流你的路由策略，或到 GitHub 看更多實驗。