一个工程师一个月在AI编程上花掉1万美元，老板看到账单的第一反应，不是心疼，是怀疑——这钱到底换来了什么。
英国金融科技公司Revolut就撞上过这一幕。2025年初，它先用Gemini帮工程师查资料、读文档；2026年初又上了Claude Code。
用量一铺开，部分工程师的月账单冲到1000美元，高的到1万美元，效率提升却没跟上。36氪
公司给AI编程设了Token预算。结果有点反直觉：额度越贵，工程师越不敢用。
复杂的代码生成才舍得调用，调试Bug、处理Jira工单、整理Confluence文档这些零碎活，宁可自己动手。钱是省下了，AI也被供了起来。36氪
Revolut干脆换了条路：把主力模型换成智谱的开源模型GLM，先上GLM-5.1，后升级GLM-5.3，自托管跑在自己的机器上。Claude Code和Codex只留给特殊情况。
账很快算出来了：约2000名工程师，56张英伟达B200。36氪知乎
每百万Token综合成本约0.30美元，只有原先商业服务的十分之一，整体推理账单也降到约十分之一。36氪
编码时间缩短约60%，从接需求到代码合并的交付周期缩短约70%。为什么后者降得更多？知乎
Revolut运维与基础设施负责人David Abitbol的解释是，工程师每天真正耗时的不是写代码，是排查Bug、回消息、处理工单、更新文档、跟流程。
Token便宜到不用精打细算之后，这些活也能交给智能体。代码写得快，只解决开发流程里的一段；整条链路松了，交付才快。
但这套账不是“换个模型”这么简单。56张B200只是入场券，后面还有部署、量化、推理优化和运维。
团队按真实负载重调超参数，用NVFP4量化，把Prefill和Decode拆开，重设缓存和上下文配置。GPU数量不变，每秒请求量提升了76%，首Token延迟从14.26秒降到1.68秒。36氪
Abitbol还有一句反潮流的话：长上下文是个骗局。100万Token的窗口，实际25.6万就够了。上下文越长，KV Cache越吃显存，每个请求都按百万Token预留资源是浪费。36氪
他们更关心任务真正需要多长、缓存能不能复用。
模型也没有全包。代码和文本交给GLM，图片识别、视觉理解仍走Gemini、GPT。按Abitbol的说法，开源成了默认，前沿模型成了例外，账单也从“月底突然一张大单”变成了固定支出。
当然，不是每家公司都能照搬。两千名工程师、56张B200、专门的推理团队，这些门槛摆在那里。
GLM在复杂长任务上的稳定性，和顶尖闭源模型仍有差距。知乎
低价能持续多久，也要看价格战怎么打。智谱2026年上半年开放平台及API收入8.25亿元，占总收入86.5%，但API业务毛利率为24.6%。36氪知乎
至于交付周期缩短70%，也很难只归功于模型便宜，流程本身得跟着改。
这笔账真正值得学的，不是“GLM比Claude便宜”，而是先把账单拆开：哪些活非最强模型不可，哪些活只要够用就行。
对个人和小团队，答案通常不是自建机房，而是把便宜模型用在长尾任务上，把贵模型留给真正难的那一小部分。
省钱的起点，往往不是换模型，是承认大部分Token花在了不需要最强模型的活上。
