Revolut, 약 2,000명의 엔지니어를 셀프 호스팅 GLM으로 전환, Anthropic 및 OpenAI 비용의 약 10분의 1 수준

Revolut은 코딩 작업을 위해 오픈 가중치 GLM 모델의 셀프 호스팅 배포로 약 2,000명의 엔지니어를 전환하고 Claude Code와 Codex를 예외 목록으로 옮겼다고, Revolut의 AI 운영을 이끄는 David Abitbol을 인용한 Guillermo Flor의 X 게시물에 따르면 밝혀졌습니다. 보고된 수치는 Nvidia B200 GPU 56개, 혼합 비용 약 토큰 100만 개당 $0.30 — Revolut이 Anthropic 및 OpenAI에 지불하던 비용의 약 10분의 1 — 그리고 엔지니어링 리드 타임 70% 개선입니다.

논의에서 가장 중요한 세부 사항은 가격 자체가 아니라 그 뒤에 있는 워크플로우 변화입니다: 생산성 향상은 엔지니어들이 토큰 사용을 아끼지 않게 되었을 때 나타났습니다.

Revolut이 변경한 사항과 이를 보고한 사람

Revolut은 기본 코딩 어시스턴트를 셀프 호스팅 GLM 배포로 교체하고 사용하던 프론티어 API를 예외 상태로 강등했습니다. 이 주장은 2026년 11월 2일 날짜의 Guillermo Flor(@guilleflorvs)의 게시물에서 나온 것으로, 운영 세부 사항을 Revolut의 AI 운영을 이끄는 David Abitbol의 것으로 돌리고 있습니다. 게시물에 따르면 약 2,000명의 엔지니어가 전환되었고, Claude Code와 Codex는 예외 목록에 배치되었으며, 이 변경은 코딩 작업을 포함합니다. 게시물은 또한 Oliver Molander에게 팁을 제공한 것을 인정합니다.

Hacker News 스레드에는 독립적인 확인이 없으며, 모든 운영 수치는 간접적입니다 — Flor가 중계한 Abitbol의 설명에서 비롯됩니다. 논의에서 언급된 가장 1차 소스에 가까운 것은 Hacker News 댓글 작성자 swyx가 https://www.youtube.com/watch?v=Ok6QdZHCcI8에 링크한 전체 녹화 강연입니다.

비용 및 하드웨어 수치

세 가지 수치가 이야기를 뒷받침합니다: Nvidia B200 GPU 56개, 혼합 비용 약 토큰 100만 개당 $0.30, 엔지니어링 리드 타임 70% 개선. Revolut의 혼합 토큰 비용은 회사가 이전에 Anthropic 및 OpenAI에 지불한 비용의 약 10분의 1로 설명됩니다.

Hacker News 댓글 작성자들은 헤드라인 비용을 결정적이기보다는 불완전한 것으로 취급했습니다. gosen은 회수 계산을 시도했습니다: "그래서 그들은 하드웨어에 약 $2.5M-3M + 월 운영 비용(전기, 업데이트, 냉각)을 투자했습니다. 그들이 그러한 전환을 결정하기 위해 토큰에 얼마를 지출했는지 궁금합니다. 즉, 그들이 토큰에만 월 $500k-1M을 지출했다면 인프라가 안정적이고 효율적이라고 가정할 때 약 1년 안에 회수될 것입니다." gosen은 또한 그 계산에 내포된 가정을 지적했습니다: 그 추정은 하드웨어가 클라우드 제공업체에서 임대하는 것보다 더 비쌀 수 있는 Revolut 자체 데이터 센터에 셀프 호스팅되는 경우에만 유효합니다.

두 가지 실용적인 질문이 반복적으로 제기되었습니다:

• corford는 "혼합 $0.30 per 1M tokens"이 실제로 무엇을 의미하는지 물었습니다: "입력 또는 출력 또는 두 가지의 평균인가요?" 이 구분은 OpenRouter의 공개 GLM 제공업체와 수치를 비교하는 사람에게 중요합니다.
• mtrovo는 클러스터가 얼마나 많은 운영 작업을 나타내는지 물었습니다: "관련 질문은 56x B200을 클러스터로 구성하는 것이 얼마나 쉬운지, 임시 인프라 팀 작업인지 AWS에서 버튼을 클릭하는 것인지입니다."

같은 X 스레드에서 NashBriggsy는 토큰 계산에 거의 나타나지 않는 인건비를 제기했습니다: "30센트 per million은 엄청납니다. 다음으로 알고 싶은 숫자는 56개의 B200을 건강하게 유지하는 데 필요한 인원수입니다. 보통 그곳에서 절약이 조용히 사라집니다." koliber는 공급 측면 질문을 했습니다: "56개의 B200을 사고 싶고 $3백만이 있다면, 언제 배송을 받을 수 있을까요?"

토큰 배급 제거가 벤치마크 점수보다 중요한 이유

게시물의 핵심 주장은 생산성 결과가 더 나은 모델보다는 제약을 제거함으로써 나왔다는 것입니다. Flor는 다음과 같이 씁니다: "여기 중요한 부분이 있습니다: 토큰이 배급되지 않게 되었을 때 이득이 나타났습니다. 엔지니어들은 AI를 어려운 티켓을 위해서만 아끼지 않고 모든 것에 적용하기 시작했습니다."

Hacker News 댓글 작성자 littlecranky67은 반대 방향에서 같은 역학을 설명하며, 계량된 접근이 실험이 아닌 주의를 낳는 팀을 관찰했습니다: "대부분은 여가 시간에 AI를 가지고 놀지 않으며, 클로드 토큰을 현명하게 쓰라고 들었습니다. 이제 모두가 토큰 부끄러움을 당할까 봐 근무 시간에 그것을 가지고 놀거나 탐험하기를 두려워합니다." 그 댓글 작성자는 같은 엔지니어들이 여전히 도구 기술 세트가 필요하다고 덧붙였습니다, 왜냐하면 "그들의 주니어 개발 작업 대부분은 AI로 완전히 대체될 수 있기 때문입니다."

이것은 Revolut 너머로 일반화되는 메커니즘입니다: 한계 토큰 비용이 한 자릿수로 떨어지면, 구속 조건은 예산에서 습관으로 이동하고, 보상은 작업별 벤치마크 승리보다는 도구가 얼마나 광범위하게 적용되는지에서 나타납니다.

품질 질문은 해결되지 않았습니다

X 스레드에서 Kyle은 90% 비용 절감에 대한 명백한 후속 질문을 했습니다: "코드가 더 나빠졌나요 아니면 단지 더 저렴해졌나요?" 400_yen은 경험 많은 사용자에게는 차이가 작다고 주장했습니다: "솔직히 노련한 엔지니어에게는 차이가 무시할 만합니다. 주니어라면 클로드가 GLM보다 훨씬 똑똑할 수 있지만, 무엇을 하고 있는지 안다면 GLM으로 충분합니다. 벤치마크 점수 몇 개 적은 것은 아무것도 아닙니다."

Hacker News 댓글 작성자 redmalang은 오픈 가중치 모델과 유사한 생산 패턴을 보고했지만, 프롬프트 특이성에 대한 주의 사항이 있습니다: "'저렴함' 등에 대한 소음을 무시하면, 필요한 것을 더 정확히 정의하기 위해 약간의 추가 노력으로 이러한 모델이 일반적으로 잘 작동할 뿐만 아니라 지침을 더 잘 따르는 것을 발견할 수 있습니다... 그들은 '모든 문제를 고쳐라'와 같은 모호한 프롬프트에는 덜 능숙합니다(제가 알기로는 매우 흔한 프롬프트입니다..)"

aurreturn은 격차가 닫히기보다는 다시 열릴 것이라고 예측했습니다: "오픈 가중치 모델이 대부분의 소프트웨어 엔지니어링 작업에 '충분히 좋은' 것은 사실일 것입니다. 그러나 골대는 움직일 것이고 프론티어 연구소는 절대 프론티어가 필요한 새로운 영역을 찾을 것이라고 생각합니다."

hmokiguess는 벤치마크 점수보다 처리량을 강조하며 절충안을 제시했습니다: "실제로 더 높은 tok/s를 위해 벤치마크 점수 몇 개를 희생할 의향이 있습니다, 특히 더 많은 대역폭도 있다면 스웜을 확장할 수 있으므로, 어떤 하락도 보완하고 더 많은 마일리지를 얻을 수 있을 것입니다."

데이터 주권과 규제는 가격과 별개의 동인입니다

여러 댓글 작성자는 비용 절감이 규제를 받는 회사가 셀프 호스팅하는 이유를 과소평가한다고 주장했습니다. jacquesm은 훨씬 덜 강력한 하드웨어에서 같은 일을 했다고 보고했습니다: "우리는 훨씬 덜 강력한 하드웨어로 같은 일을 했지만, 우리에게 매우 잘 작동했고 추론 서비스 공급자가 장기적으로 우리 데이터를 신뢰할 수 있는지에 대해 전혀 걱정할 필요가 없습니다. 그 질문에 대한 제 대답은 '절대 아니다'입니다."

torginus는 규정 준수 사례를 명시적으로 만들었습니다: "오픈 모델과 OAI/Anthropic 제품 간의 품질 격차가 비즈니스 결과로 이어진다는 증거는 거의 없지만, 데이터에 대한 모든 통제를 제3자에게 넘겨줍니다. 마지막 이유는 완전한 차단 요인일 수 있습니다 - 특정 금융 규정은 서명하는 문서와 관계없이 제3자(특히 국가/ EU 관할 외부)에게 데이터를 제공하는 것을 직접적으로 금지합니다." Revolut은 금융 기관이므로 이 제약은 토큰 가격과 무관하게 관련이 있습니다.

이것이 실제로 적용되는 조직

이 결정은 엔터프라이즈 토큰 가격에 도달할 만큼 큰 회사에 가장 관련이 있습니다. injidup은 다음과 같이 언급했습니다: "이것은 아마도 엔터프라이즈 버킷에 넣고 보조금이 지원되는 Claude 코드 플랜 대신 토큰별로 지불해야 하는 150명 이상의 엔지니어를 초과하는 경우에만 관련이 있습니다."

다른 댓글 작성자들은 다른 규모에서 유사한 움직임을 보고했습니다. world2vec은 "우리 스타일의 pi.dev를 통한 셀프 호스팅 GLM-5.3"을 실행하면서 팀에 Claude Code를 위한 재량 예산을 남겨두고 "대부분의 것들은 최신 최고의 LLM을 필요로 하지 않으며 많은 토큰과 컴퓨팅을 던져서 '더 낮은' LLM으로 처리할 수 있다"고 관찰했습니다. epolanski는 매출 1억 달러의 중간 규모 독일 고객이 "또한 많은 작업을 온프레미스 LLM으로 옮기고 있다"고 보고했습니다. andy99는 이 패턴을 "'주권' AI가 많은 사람들에게 보일 수 있는 합리적인 버전"이라고 부르며, GLM이 약간 뒤처져 있어도 "이것은 파레토 프론티어에 가까울 가능성이 높다"고 덧붙였습니다. andy99는 또한 OpenRouter와 같은 마켓플레이스를 통해 여유 용량을 재판매하여 하드웨어 활용도를 개선할 것을 제안했습니다.

스레드가 프론티어 연구소에 의미하는 바

Flor의 게시물은 이 변화를 "IPO를 앞둔 모든 연구소에 대한 가격 문제"로 설명하며, 프론티어 모델이 예외가 되고 오픈 가중치가 기본이 된다는 논리입니다. InsidiousWombat은 더 날카로운 표현을 했습니다: "투자자들이 오픈 모델이 얼마나 강력한지 알았다면 AI 회사의 평가는 하룻밤 사이에 폭락할 것입니다." chr15m은 같은 정서를 "Anthropic의 누락된 지난 분기 결과를 한마디로 요약한 것"으로 요약했고, epolanski는 모델 공급업체가 어떻게 해자를 유지할 수 있는지 물었습니다.

스레드 내부의 반론은 셀프 호스팅이 크고 규제에 묶인 구매자를 위한 틈새 시장이며, 오픈 가중치 패리티는 내일의 작업이 아닌 오늘의 작업에 적용된다는 것입니다.

주의 사항 및 미해결 질문

여기 증거 기반은 얇으며 그렇게 취급해야 합니다. 모든 것은 단일 운영자의 설명을 중계하는 단일 X 게시물에서 비롯됩니다. 공개된 비용 분석, 전환 전후 코드 품질 평가, 70% 리드 타임 수치가 측정된 것인지 추정된 것인지에 대한 확인이 없습니다. 모델 버전도 불분명합니다 — 한 Hacker News 댓글 작성자는 "GLM-5.3"을 언급하지만, 원래 게시물은 "GLM"이라고만 말합니다. 확인을 위해 가장 주목할 만한 세 가지 숫자는 56-GPU 클러스터의 월 운영 비용, 유지에 필요한 인원수, 그리고 무제한 액세스의 참신함이 사라진 후에도 70% 리드 타임 개선이 유지되는지 여부입니다.

SUMMARY: Revolut은 약 2,000명의 엔지니어를 Nvidia B200 GPU 56개를 사용하는 셀프 호스팅 GLM 코딩 스택으로 전환했으며, 혼합 비용은 토큰 100만 개당 $0.30 — 이전 Anthropic 및 OpenAI 지출의 약 10분의 1 — 이고 엔지니어링 리드 타임 70% 개선을 보고했습니다.

TITLE: Revolut, 약 2,000명의 엔지니어를 셀프 호스팅 GLM으로 전환, Anthropic 및 OpenAI 비용의 약 10분의 1 수준