분석
Revolut, 셀프 호스팅 GLM을 AI 코딩의 기본값으로 삼고 비용이 약 90% 줄었다고 밝혀, Claude Code와 Codex는 예외로, The Register가 보도한 강연에 따르면
Revolut은 셀프 호스팅 GLM을 AI 코딩의 기본값으로 삼고 Claude Code와 Codex는 예외라며 비용이 약 90% 줄었다고 밝혔다. 검증되지 않음.
2026년 11월 3일 The Register(Tobias Mann)는 2026년 10월 뉴욕 AI Engineer 콘퍼런스에서 Revolut의 운영·인프라 책임자 David Abitbol이 한 강연을 보도했다. 보도에 따르면 Revolut은 AI 코딩의 기본값을 Claude 같은 상용 서비스가 아니라 셀프 호스팅 모델로 바꿨다. 수치는 Revolut 자신의 것이며 독립적으로 검증되지 않았다. 우리는 출처를 자동 요약으로만 읽었다. 이 글은 투자 조언도 법률 조언도 아니다.
핵심 정리
- Revolut의 설명: Z.ai(Zhipu)의 GLM을 셀프 호스팅해 엔지니어 약 2,000명의 기본값으로 삼았고, Claude Code와 Codex는 예외다(The Register).
- 주장: AI 코딩의 추론 비용이 1년 안에 약 90% 줄었다. The Register는 이를 10분의 1로도 표현한다.
- 폐기가 아님: Claude Code와 Codex는 계속 쓸 수 있고, 라우터가 일부 요청을 다른 모델로 보낸다.
- 확인되지 않은 것: 비교 기준, 하드웨어 포함 여부, GLM 버전, 독립적인 검증.
Revolut이 바꿨다고 말하는 것
The Register에 따르면 Revolut은 2025년 초에 Gemini, 2026년 초에 Claude Code를 시험했다. 일부 엔지니어가 월 1,000~10,000달러를 썼기 때문에 도구는 엄격한 지출 상한과 함께 도입되었다(Abitbol, The Register 경유). 이후 Z.ai의 GLM으로 옮겼고, 처음에는 GLM-5.1, 나중에는 GLM-5.3이었다. Emergent는 GLM-5.3만 언급하고, StartupHub를 인용한 다른 요약(읽지 않음)은 GLM 4.5를 언급하므로 비용을 특정 버전과 연결하지 않는다. GLM-5.3을 포함한 오픈 웨이트 모델의 현황은 10월 개관을 참고.
GLM-5.3에 대해 The Register는 Nvidia B200 GPU 56개(DGX B200 7대), 전체 파라미터 약 7,540억 개(토큰당 활성 약 400억 개), 가중치용 GPU 메모리 약 380GB를 제시한다. 성능 향상은 튜닝, NVFP4 양자화, 프리필과 디코드의 분리에서 나왔으며 GPU를 더 늘린 결과가 아니다.
출처: The Register.
얼마나, 무엇과 비교해서인가
The Register는 GLM 셀프 호스팅 비용이 100만 토큰당 0.30달러(입력과 출력)로 Codex나 Claude Code의 약 10분의 1이며 요금은 정액이라고 보도한다. 하드웨어 감가상각이 포함되는지는 밝히지 않는다. StartupHub를 인용한 요약(읽지 않음)은 0.30달러에 클라우드, 인력, 관측 비용이 빠져 있다고 하므로 전체 절감액은 더 작을 수 있다. Emergent는 비교 기준이 자세히 나와 있지 않다고 지적한다.
Revolut은 또한 컨텍스트 약 256,000토큰에서 첫 토큰까지 3초 미만이라고 밝힌다. 코딩 시간 +60%, 납기 +70%도 내세우며, Abitbol은 이득이 코드 생성보다 디버깅과 Jira·Confluence 티켓 처리에서 주로 나온다고 말한다. Emergent는 측정 방법이 설명되지 않았다고 지적한다.
전면 대체가 아니다
The Register에 따르면 GLM은 GPT나 Claude를 완전히 대체하지 않는다. 텍스트에 한정되고 인터페이스 작업에는 적합하지 않아서, 이미지가 있는 요청은 라우터가 Gemini 같은 모델로 보내고 코드 생성은 GLM에 남는다. Abitbol은 최첨단 모델을 '예외'라고 부른다. 없어진 것은 아니며, 실제로 그것이 무엇을 뜻하는지(예: Claude Code의 사용 비중)는 밝혀지지 않았다.
유보 사항
Abitbol은 중국 공개 모델에 대한 개인정보와 보안 우려가 있음을 인정한다. 그의 견해로는 주된 위험은 중국에서 호스팅되는 API를 통한 접근이며, 온프레미스나 지역 클라우드 배포가 이를 줄인다(The Register). 우리는 자체 평가를 덧붙이지 않는다.
출처: The Register, Emergent.
확인되지 않은 것
검증된 수치와 그 기준, 비용에 하드웨어·인력·관측이 포함되는지, GLM의 정확한 버전, 독립적인 시험 없는 Claude Code와의 품질 비교, +60%와 +70%의 측정 방법, Anthropic의 반응, 다른 기업이 따를지 여부.
비교표
| 항목 | 출처가 말하는 것 | 상태 |
|---|---|---|
| AI 코딩의 기본값 | 셀프 호스팅 GLM, Claude Code와 Codex는 예외 | Revolut이 밝힘 |
| 추론 비용 | 1년 안에 약 90% 감소 | Revolut이 밝힘 |
| GLM 가격 | 100만 토큰당 0.30달러, 하드웨어는 불명 | The Register가 보도 |
| 생산성 | 코딩 시간 +60%, 납기 +70% | Revolut이 밝힘 |
| GLM 버전 | 출처에 따라 5.1 후 5.3, 5.3만, 4.5 | 엇갈림 |
| 독립적인 검증 | 읽은 범위에서는 없음 | 확인되지 않음 |
자주 묻는 질문
Revolut은 Claude Code 사용을 중단했나
The Register에 따르면 아니다. 예외로 계속 쓸 수 있다.
90%는 검증되었나
아니다. 강연에서 나온 Revolut의 주장이며 비교 기준은 자세히 나와 있지 않다.
어떤 하드웨어가 필요한가
Revolut은 GLM-5.3에 Nvidia B200 GPU 56개를 제시한다.
방법과 한계
The Register는 2026년 11월 4일 자동 요약으로 읽었고, 2차 자료 두 건을 더 읽었다. 강연, Revolut의 발표, Cybernews, StartupHub는 읽지 않았으며 Anthropic, OpenAI, Z.ai의 논평도 보지 못했다. 아무것도 시험하지 않았다.
출처
- The Register, Tobias Mann, 자동 요약으로 읽음
- Emergent, 2차 자료, 자동 요약으로 읽음
- Pasquale Pillitteri, 2차 자료, 자동 요약으로 읽음
