Case study ·
At Revolut, in-housed AI costs ten times less than Claude
Original title, in French: “Chez Revolut, l’IA réinternalisée coûte dix fois moins cher que Claude”
- Publication
- IT for Business (France)
- Author
- Reynald Fléchaux
- Published on
- 5 November 2026 · read in the page structured data
Summary
British fintech Revolut says it has cut its AI inference costs tenfold by replacing the proprietary APIs of Anthropic and OpenAI with the open-weight GLM model from Chinese company Z.ai, hosted on 56 Nvidia B200 GPUs. According to David Abitbol, head of operations and infrastructure, the decision followed what was considered excessive spending by some developers. The average cost falls to $0.30 per million tokens. Revolut also claims a 76% increase in requests processed per second, a 60% improvement in coding time and 70% in delivery lead time for its 2,000 engineers. The article also mentions BNP Paribas, which processes 1.5 billion tokens a day on its own platform, and Crédit Agricole, which plans €100 to 200m of investment in in-house inference, its CEO fearing that productivity gains will benefit AI providers.
Summary based on the full text of the article.
Read the article on IT for Business →Figures cited
-
10 reduction factor
Reduction in inference token costs after in-housing
Revolut, developers, 2026
« Résultat revendiqué : une division par dix du coût des tokens, ces unités de traitement facturées par les fournisseurs d’IA. »
-
0.3 USD per million tokens
Average cost per million tokens with the self-hosted GLM model
Revolut, input and output combined
« L’entreprise annonce un coût moyen de 0,30 $ par million de tokens, entrées et sorties confondues, soit environ un dixième de la dépense antérieure auprès d’Anthropic et OpenAI. »
-
76 %
Increase in requests processed per second with the same number of GPUs
Revolut, GLM inference
« À nombre de GPU constant, Revolut indique avoir augmenté de 76 % le nombre de requêtes traitées par seconde et réduit de 88 % le délai avant l’apparition du premier token (TTFT), passé de 14,26 à 1,68 seconde. »
-
88 %
Reduction in time to first token (TTFT)
Revolut, GLM inference, down from 14.26 to 1.68 seconds
« À nombre de GPU constant, Revolut indique avoir augmenté de 76 % le nombre de requêtes traitées par seconde et réduit de 88 % le délai avant l’apparition du premier token (TTFT), passé de 14,26 à 1,68 seconde. »
-
60 %
Improvement in time engineers spend coding
Revolut, around 2,000 engineers, compared with before any GenAI deployment
« Sur la base des usages de ses quelque 2 000 ingénieurs, la fintech revendique une amélioration de 60 % du temps consacré au codage et de 70 % du délai entre la prise en charge d’une fonctionnalité et sa préparation au déploiement, par rapport aux niveaux précédant tout déploiement de technologies de GenAI. »
-
70 %
Improvement in lead time between picking up a feature and it being ready for deployment
Revolut, around 2,000 engineers, compared with before any GenAI deployment
« Sur la base des usages de ses quelque 2 000 ingénieurs, la fintech revendique une amélioration de 60 % du temps consacré au codage et de 70 % du délai entre la prise en charge d’une fonctionnalité et sa préparation au déploiement, par rapport aux niveaux précédant tout déploiement de technologies de GenAI. »
-
2,000 engineers
Number of engineers at Revolut using AI
Revolut
« Chez Revolut (en photo, le siège de la banque à Londres), la question s’est posée avec la généralisation de l’IA auprès des quelque 2 000 ingénieurs. »
-
56 GPUs
Number of Nvidia B200 GPUs used for GLM inference
Revolut
« Revolut fait aujourd’hui tourner GLM-5.3 sur un parc de 56 GPU Nvidia B200. »
-
1,500,000,000 tokens per day
Volume of tokens processed daily by the internal GenAI platform
BNP Paribas
« Cette plateforme traite environ 1,5 milliard de tokens par jour et la banque estime son coût total inférieur à celui du cloud, sans toutefois publier de chiffre précis. »
-
150 EUR m (range €100-200m)
Planned investment in two data centre rooms dedicated in particular to inference
Crédit Agricole
« Crédit Agricole prévoit de son côté 100 à 200 M€ d’investissements dans deux nouvelles salles informatiques destinées notamment à l’inférence. »
Classification
- Country
- United Kingdom, France
- Company size
- Large companies
- Industries
- Banking, insurance, asset management, finance departments · Software vendors, IT services companies, telecoms
- Companies
- Crédit Agricole (deploys AI), Z.ai (supplier), Revolut (deploys AI), OpenAI (supplier), Anthropic (supplier), BNP Paribas (deploys AI), Google (supplier), Nvidia (supplier)
- Keywords
- ai inference, ai cost, open-weight models, bank, developers, self-hosting
Entry written by Marsanne Studio from the cited article, with the help of an AI model (claude-sonnet-5). The rights to the article and its illustrations belong to IT for Business and its author. Entry translated from French by Claude Sonnet 5.5.