Revo­lut hat rund 2.000 Ent­wick­ler von Clau­de Code und Codex auf ein selbst gehos­te­tes chi­ne­si­sches Open-Weight-Modell umge­stellt, bei etwa einem Zehn­tel der bis­he­ri­gen Kos­ten. Die Mel­dung wird gern als Duell gele­sen: Open Weight gegen Clau­de. Näher an der Sache liegt eine ande­re Les­art: Nicht die Modell­qua­li­tät hat den Aus­schlag gege­ben, son­dern der Weg­fall der Ratio­nie­rung. Clau­de bleibt für die schwie­ri­gen Fäl­le im Haus, der Stan­dard aber ist ein Modell, des­sen Gewich­te Revo­lut selbst betreibt. Für Ban­ken, die nicht Revo­lut sind, lau­tet die Fra­ge des­halb nicht län­ger, wel­ches Modell das bes­te ist, son­dern: Wer betreibt es, und wer trägt die Auslastung?

Auf der Kon­fe­renz AI Engi­neer in New York hat David Abit­bol, bei Revo­lut zustän­dig für KI-Betrieb und Infra­struk­tur, Zah­len vor­ge­legt, die in der Bran­che schnell die Run­de mach­ten. Revo­lut hat danach sei­ne rund 2.000 Soft­ware­ent­wick­ler von Clau­de Code und Codex auf GLM umge­stellt, ein Open-Weight-Modell des chi­ne­si­schen Labors Z.ai. Betrie­ben wird es auf eige­nen Nvi­dia-B200-Chips, etwa 56 an der Zahl, bei Kos­ten von rund 30 Cent pro Mil­li­on Token. Die Rech­nung für KI-Unter­stüt­zung beim Pro­gram­mie­ren soll auf unge­fähr ein Zehn­tel gesun­ken sein. Clau­de Code und Codex blei­ben als Aus­nah­me für die schwie­rigs­ten Auf­ga­ben verfügbar.

Schlag­zei­len machen dar­aus ein Duell der Model­le. Abit­bol selbst erzählt es offen­bar anders. Sei­ne Erklä­rung lau­tet nicht, dass GLM bes­se­ren Code schrei­be, son­dern dass die Ent­wick­ler auf­ge­hört haben zu sparen.

Die Ratio­nie­rung

Revo­lut ist den Weg in Etap­pen gegan­gen: erst Gemi­ni für alle, dann Clau­de Code, aller­dings mit stren­gen Bud­gets je Ent­wick­ler. Der Grund: Ein­zel­ne Ent­wick­ler ver­brauch­ten nach Abit­bols Schil­de­rung 1.000 bis 10.000 Dol­lar im Monat, ohne dass sich ein kla­rer Nut­zen zeig­te. Wer ein Bud­get hat, geht damit spar­sam um und hebt sich die KI für die schwe­ren Tickets auf. Wo der Zäh­ler nicht mehr läuft, set­zen Ent­wick­ler sie über­all ein, auch bei Doku­men­ten­su­che und Ticket­be­ar­bei­tung. Revo­lut berich­tet für eine Stich­pro­be von rund 2.000 Ent­wick­lern eine um 60 Pro­zent kür­ze­re Codier­zeit und eine um 70 Pro­zent kür­ze­re Durch­lauf­zeit von der Auf­nah­me einer Auf­ga­be bis zum Merge.

Wie viel davon dem Modell zuzu­rech­nen ist und wie viel dem Weg­fall der Limits, lässt sich aus den Berich­ten nicht tren­nen. Plau­si­bel ist, dass der zwei­te Fak­tor erheb­lich mit­wirkt. Das ist die eigent­li­che Poin­te: Ein Preis­mo­dell, das Nut­zung pro Token bestraft, erzeugt ein Ver­hal­ten, das den Nut­zen der Tech­nik begrenzt. Eine Pau­scha­le in Form eige­ner Hard­ware besei­tigt die­se Brem­se, auch wenn sie ande­re Kos­ten mitbringt.

Drei Schich­ten, drei Logiken

Wer „Revo­lut setzt auf Open Source“ liest, ver­wech­selt die Schich­ten. Revo­lut betreibt KI nach min­des­tens drei ver­schie­de­nen Logiken.

Die ers­te ist PRAGMA, ein Modell, das Revo­lut gemein­sam mit Nvi­dia ent­wi­ckelt und im April ver­öf­fent­licht hat. Es wur­de auf Ver­hal­tens­da­ten von rund 25 Mil­lio­nen Kun­den aus 111 Län­dern trai­niert, auf einer Daten­ba­sis von Dut­zen­den Mil­li­ar­den Ereig­nis­sen (die Anga­ben schwan­ken zwi­schen etwa 24 und 40 Mil­li­ar­den). PRAGMA beant­wor­tet kei­ne Fra­gen und schreibt kei­ne Mails. Es liest Ereig­nis­fol­gen aus Zah­lun­gen, App-Nut­zung und Han­del und dient unter ande­rem der Betrugs­er­ken­nung und der Kre­dit­ri­si­ko­be­wer­tung; bei der Betrugs­er­ken­nung mel­det Revo­lut eine um 64,7 Pro­zent höhe­re Tref­fer­quo­te gegen­über dem bis­he­ri­gen Pro­duk­tiv­mo­dell. Hier ist der Gegen­stand der Roh­stoff, den nur Revo­lut hat: die eige­nen Kun­den­da­ten. Ein Zukauf wäre schon des­halb kei­ne Option.

Die zwei­te Schicht ist die Werk­zeug­schicht, und hier sitzt GLM. Ein Coding-Assis­tent ist für eine…