Red Hot Cyber
Sicurezza Informatica, Notizie su Cybercrime, Analisi Vulnerabilità e Intelligenza Artificiale
C’è un momento in cui un’intera industria deve fermarsi e chiedersi se la strada che sta percorrendo sia davvero quella giusta. Nel mondo dell’intelligenza artificiale, quel momento potrebbe essere arrivato.
Noi di Red Hot Cyber lo avevamo già detto: la corsa all’IA non sarebbe rimasta confinata ai grandi modelli proprietari americani, alle enormi infrastrutture cloud e agli abbonamenti sempre più costosi. Il baricentro si sta progressivamente spostando verso la Cina, dove stanno emergendo moltissimi modelli open-weight, utilizzabili anche in infrastrutture proprietarie e senza dipendere necessariamente dai servizi cloud dei produttori.
Il caso Revolut è emblematico: una delle più importanti realtà fintech europee ha scelto un modello cinese per il lavoro quotidiano dei propri ingegneri, riducendo drasticamente i costi. D’altra parte, la storia industriale ci ha insegnato qualcosa: quando una tecnologia aperta raggiunge prestazioni sufficientemente competitive, spesso finisce per prevalere sulle soluzioni proprietarie basate sul modello del buy. Non è soltanto una questione di prezzo, ma di controllo, indipendenza e libertà di costruire il proprio futuro tecnologico.
Ma ritorniamo al titolo. Revolut ha abbandonato Claude Code di Anthropic e Codex di OpenAI come strumenti di programmazione predefiniti per i suoi circa 2.000 ingegneri del software.
Ora sta utilizzano GLM, un modello open-weight del laboratorio di intelligenza artificiale cinese Z.ai , ospitato direttamente all’interno dei datacenter di Revolut. Secondo Revolut, la spesa è ora circa un decimo di quella che pagava in precedenza ad Anthropic e OpenAI.
Lo ha riportato David Abitbol, responsabile delle operazioni e dell’infrastruttura di intelligenza artificiale presso Revolut, quando ha presentato i dati nel suo intervento “Spedire come una startup, regolamentati come una banca” alla conferenza AI Engineer di New York. I dettagli sono diventati virali all’inizio di novembre dopo che Trending Topics li ha riportati.
Revolut fornisce GLM ai suoi ingegneri utilizzando circa 56 GPU Nvidia B200, a un costo medio di circa 0,30 dollari per milione di token. In un campione di circa 2.000 ingegneri, Abitbol ha riportato una riduzione del 60% dei tempi di programmazione e del 70% dei tempi di consegna (dall’accettazione di un’attività alla sua integrazione) dopo il passaggio. Si tratta di dati forniti da Revolut stessa, e il confronto effettuato dall’azienda non isola il cambiamento di modello da altre cause, come la rimozione dei limiti dei token.
Revolut ha inizialmente utilizzato Gemini di Google, poi Claude Code con budget rigidi per ogni ingegnere. Abitbol ha affermato che il lancio iniziale di Claude Code è stato costoso per un guadagno modesto e che la razionalizzazione dei token ha costretto gli ingegneri a riservare l’IA per le attività di programmazione più complesse. Con una fattura fissa e self-hosted, i limiti sono stati eliminati. “Il collo di bottiglia per gli ingegneri non è necessariamente la programmazione”, ha affermato, indicando il tempo perso nelle caselle di posta elettronica, in Jira e in Confluence.
Abitbol ha riconosciuto lo “stigma” derivante dall’utilizzo di un modello open-source cinese in una banca regolamentata. Revolut utilizza solo pesi open-source e li esegue sulla propria infrastruttura negli Stati Uniti, non tramite il servizio ospitato da Z.ai. Le attività di elaborazione delle immagini vengono instradate a Gemini, mentre Claude Code e Codex rimangono disponibili come eccezione per i lavori più complessi. Gli agenti di codifica vengono eseguiti in un ambiente di test con regole di approvazione e con l’intervento umano.
Il risparmio del 90% esclude i costi del cloud, del personale e del monitoraggio, e dipende da un’attenta ottimizzazione: Abitbol ha affermato che l’inferenza predefinita era “terribile” finché il team non ha ridotto il tempo necessario per generare il primo token da circa 14 secondi a 1,7 secondi sulle stesse GPU. Le aziende più piccole, prive della scalabilità e del team infrastrutturale di Revolut, potrebbero non ottenere lo stesso risultato.
Una delle aziende tecnologiche più importanti d’Europa sta adottando un modello cinese open-weight come standard per il lavoro di programmazione quotidiano di tutto il suo team di ingegneri, e non più in via sperimentale.
Questo è un monito per il settore aziendale dei laboratori di intelligenza artificiale: per il lavoro di routine e ad alto volume, la soluzione “sufficientemente buona ed economica” sta iniziando a prevalere, mentre i modelli di frontiera vengono riservati alle eccezioni.
RHC4Edu nasce dalla volontà della community di Red Hot Cyber di portare la cultura della cybersecurity, dell’intelligenza artificiale e del digitale direttamente nelle scuole, mettendo gratuitamente a disposizione degli studenti l’esperienza di professionisti, ricercatori e specialisti del settore. Il progetto è ufficialmente operativo e permette agli istituti interessati di richiedere workshop gratuiti e incontri con gli esperti della community, attraverso un coordinamento della redazione che mette in relazione le esigenze della scuola con le competenze e la disponibilità dei professionisti presenti sul territorio.
L’obiettivo di RHC4Edu non è trasformare gli studenti in tecnici informatici, ma aiutarli a sviluppare consapevolezza e pensiero critico davanti a un mondo sempre più digitale. Cybersecurity, truffe online, privacy, social network, cyberbullismo, fake news e intelligenza artificiale diventano così argomenti da affrontare con esempi concreti e con il contributo diretto di chi lavora quotidianamente nel settore. Un’iniziativa costruita sulla condivisione della conoscenza e sul volontariato della community, perché portare queste competenze nelle aule significa anche offrire ai ragazzi la possibilità di conoscere nuove professioni, sviluppare curiosità e imparare a vivere la tecnologia in modo più sicuro e consapevole.
Prenota il tuo workshop gratuito con gli esperti di Red Hot Cyber.