Coinbase vyladil open-weight AI model pro odhalování podvodů na své platformě poté, co interní testy zjistily, že novější verze frontier modelů si vedly v několika ukazatelích detekce podvodů hůře než modely, které nahradily. Burza vyladila Qwen3.5-9B na svých vlastních transakčních datech a generální ředitel Brian Armstrong uvedl, že výsledek překonal frontier modely v prevenci podvodů.
Tento krok je důležitý, protože jde proti předpokladu, že největší a nejnovější model je vždy tím správným nástrojem. Pro firmu silně zatíženou compliance, jako je burza, může být menší model, který žije uvnitř firmy — a lze jej přímo upravovat — cennější než generalistický model dostupný přes cizí API.
Proč novější modely prohrály
Coinbase provedl srovnání na pevném benchmarku 16 140 transakcí od 7 293 uživatelů. Tento soubor zahrnoval 813 potvrzených podvodných transakcí, což je číslo, které skutečně matters při měření, zda model zachytí špatné platby, nebo se jen vyhýbá falešným poplachům.
Podle Armstronga si novější verze Opus, Sonnet a GPT vedly v několika ukazatelích detekce podvodů hůře než jejich předchůdci. GPT-5.6 byl přesnější, ale měl nižší recall, což znamená, že identifikoval menší podíl podvodných transakcí. V oblasti podvodů je tento kompromis klíčový: model, který zřídka křičí vlk, ale nechá podvod projít, nedělá svou práci.
Tyto výsledky nasměrovaly Coinbase k open-weight modelu, jehož parametry bylo možné přímo upravovat, místo aby byly dostupné pouze přes API poskytovatele. Armstrong formuloval obecnější lekci jednoduše: frontier modely jsou generalisté, zatímco specializované modely stále častěji překonávají na úzkých úkolech.
Co agent skutečně dělá
Coinbase přidal AI rizikového agenta ke svému stávajícímu modelu strojového učení a systému pravidel pro Onramp, produkt, který umožňuje uživatelům nakupovat krypto prostřednictvím partnerských aplikací, včetně hostovské pokladny. Agent zkoumá nedávné sekvence transakcí, aby odhalil vzorce, které nejsou viditelné z jedné platby izolovaně.
Online experiment zjistil o 30 % méně podvodných transakcí a o 22 % nižší hodnotu podvodů ve skupině, která dostala dodatečné AI review.
Agent běží s omezeními. Vrací rizikové skóre a aplikační kód aplikuje rozhodovací politiku. Může zablokovat transakci, která prošla dřívějšími kontrolami, ale nemůže zvrátit blokaci provedenou výše — jednosměrný ventil, který brání autonomní vrstvě přepsat stávající kontroly.
Bezpečnostní otázka, kterou vznesl Certik
Bezpečnostní firma Certik varovala, že více autonomních bezpečnostních agentů přináší vlastní rizika: nesprávné výstupy a sníženou lidskou kontrolu, jak se lidé učí důvěřovat stroji. Certik doporučil jasné limity pro autonomní rozhodnutí a jmenovaného vlastníka pro každého agenta.
Design Coinbase na to částečně odpovídá. Agent navrhuje, okolní aplikační kód rozhoduje a směr pouze-blokovat znamená, že nemůže zrušit volání provedené jinde v zásobníku. Zda za každým agentem stojí jmenovaný lidský vlastník, společnost veřejně neupřesnila.
Načasování není náhodné. Podvodné týmy jsou pod tlakem automatizovat review, aniž by předaly modelu konečné slovo, a benchmarková data, která Coinbase zveřejnil, jdou proti reflexu sáhnout po největším dostupném modelu pokaždé, když vyjde nový.
Co zůstává nevyřešeno, je, jak si vyladěný Qwen3.5-9B Coinbase povede, až se podvodné vzorce změní a až přijdou další frontier modely. Burza neuvedla, zda plánuje zveřejnit model nebo benchmark pro vnější review — a dokud někdo znovu nespustí test na čerstvých datech, srovnání stojí na číslech Coinbase.
