Revolut: نماذج GLM المستضافة ذاتياً قلّصت تكاليف استدلال البرمجة بالذكاء الاصطناعي بنحو 90%

تقول Revolut إنها قلّصت تكاليف استدلال البرمجة بالذكاء الاصطناعي بنحو 90% في أقل من عام، بجعل النماذج المستضافة ذاتياً هي الافتراضية بدلاً من الاعتماد أساساً على خدمات تجارية مثل Claude. وقد وصف David Abitbol، رئيس العمليات والبنية التحتية في شركة التكنولوجيا المالية البريطانية، هذه النتائج في مؤتمر AI Engineer في نيويورك الشهر الماضي. كما أفادت الشركة بتحسين 60% في وقت البرمجة وتحسين 70% في وقت التسليم بعد طرح أدوات البرمجة بالذكاء الاصطناعي لحوالي 2000 مهندس.

ضغط التكاليف أدى إلى الاستضافة الذاتية

بدأت Revolut أولاً باستخدام GLM-5.1 قبل الانتقال إلى GLM-5.3، الذي تقدمه الآن باستخدام 56 وحدة GPU من نوع Nvidia B200. قبل التحول إلى GLM، كانت Revolut تجرب الذكاء الاصطناعي، ونشرت Gemini في أوائل 2025 وClaude Code في أوائل 2026. وقال Abitbol إن الشركة كانت شديدة الشك تجاه تكلفة الذكاء الاصطناعي، حيث ينفق المهندسون $1,000 شهرياً أو $10,000 شهرياً مع عائد استثمار ليس كبيراً، لذلك أطلقت الأدوات مع حدود ميزانية صارمة.

بسبب وصول المهندسين فقط إلى عدد محدود من tokens، بدأت Revolut التحقيق في استضافة نماذجها الخاصة. عند $0.30 لكل مليون tokens إدخال وإخراج، كلفت استضافة GLM 5.1 ذاتياً نحو عُشر تكلفة استخدام Codex من OpenAI أو Claude Code من Anthropic. وقال Abitbol إن فرق العمل تتوقف عن القلق بشأن عدد tokens التي تستخدمها أو الغرض من استخدامها عندما تكون tokens رخيصة. ولم يكن عنق الزجاجة الأكبر في الكود نفسه، كما لاحظ. وجاءت أكبر المكاسب من السماح لنماذج الذكاء الاصطناعي بالتعامل مع تصحيح الأخطاء وتذاكر Jira وConfluence.

تقديم GLM على نطاق واسع

طُوِّر GLM 5.1 من قبل مطور النماذج مفتوحة الأوزان الصيني Z.ai. ويحتوي على نحو 754 مليار معامل إجمالي، مع تفعيل 40 مليار معامل لكل token يتم توليده، ويحتاج إلى نحو 380 GB من ذاكرة GPU فقط لاحتواء الأوزان، إضافة إلى 6 إلى 26 GB لكل مستخدم للحفاظ على السياق بحسب الدقة. نشرت Revolut 56 وحدة GPU من نوع Nvidia B200 لتقديم GLM-5.3 على نطاق واسع، وهو ما يعادل من حيث عدد وحدات GPU سبعة أنظمة DGX B200 كل منها بثماني وحدات GPU.

قال Abitbol إن أكبر مكاسب الأداء لم تأتِ من إضافة وحدات GPU، بل من ضبط hyperparameters للنموذج مع الانتقال إلى تكميم NVFP4، وتنفيذ prefill وdecode منفصلين، وضبط أطوال السياق. وحذر من أن نافذة سياق من مليون token لا تجعل بالضرورة مثل هذه النافذة الكبيرة مفيدة أو فعالة، وقال إن 256000 token هي ما يحتاجه فعلاً. مع التحسينات، حققت Revolut زمناً إلى أول token (time to first token) أقل من 3 ثوانٍ على نوافذ سياق بحدود 256000 token وسرعات توليد بحدود 200 token في الثانية. وقال Abitbol إن المهندسين الذين يسجلون الدخول بعد 5 مساءً يحصلون على أقرب إلى 800 token في الثانية.

توجيه النماذج والأمان

لم يحل GLM محل GPT أو Claude بالكامل. النموذج الصيني نصي فقط، لذلك ليس مثالياً لأمور مثل عمل واجهات المستخدم (UI). استخدمت Revolut موجّه نماذج (model router) لتوجيه استعلامات الرؤية إلى نماذج مثل Gemini أو GPT Luna، مع إبقاء توليد الكود على GLM. وقال Abitbol إن المصدر المفتوح أصبح الآن أولوية في Revolut، وأن اقتصادياتها مواتية، مع فوترة ثابتة وعدم وجود صدمة فاتورة في نهاية الشهر، بينما تبقى النماذج الرائدة (frontier) استثناءً.

أقر Abitbol بأن نماذج الأوزان المفتوحة الصينية قد تثير قلقاً لأسباب تتعلق بالخصوصية والأمان، لكنه شدد على أن القلق الرئيسي هو الوصول إليها عبر واجهات API تعمل من الصين. عند تشغيلها on-prem أو على موارد سحابية إقليمية، لا يوجد ما يدعو للقلق، كما قال.

المصادر: The Register