Coinbase a ajustat un model AI open-weight pentru a detecta frauda pe platforma sa, după ce teste interne au arătat că versiunile mai noi ale modelelor frontieră au performat de fapt mai slab la mai multe măsuri de detectare a fraudei decât modelele pe care le-au înlocuit. Bursa a ajustat Qwen3.5-9B pe propriile date de tranzacții, iar CEO-ul Brian Armstrong a declarat că rezultatul a depășit modelele frontieră în prevenirea fraudei.
Mișcarea contează pentru că merge împotriva presupunerii că cel mai mare și mai nou model este întotdeauna instrumentul potrivit. Pentru o afacere cu cerințe stricte de conformitate precum o bursă, un model mai mic care rulează în interiorul companiei — și poate fi ajustat direct — poate valora mai mult decât un model generalist accesat prin API-ul altcuiva.
De ce au pierdut modelele mai noi
Coinbase a realizat comparația pe un benchmark fix de 16.140 de tranzacții aparținând la 7.293 de utilizatori. Setul includea 813 tranzacții frauduloase confirmate, acesta fiind numărul care contează cu adevărat când măsori dacă un model prinde plățile rele sau doar evită alarmele false.
Potrivit lui Armstrong, versiunile mai noi Opus, Sonnet și GPT au obținut scoruri mai slabe la mai multe măsuri de detectare a fraudei decât predecesoarele lor. GPT-5.6 a fost mai precis, dar a avut un recall mai scăzut, însemnând că a identificat o proporție mai mică de tranzacții frauduloase. În domeniul fraudei, acest compromis este esențial: un model care rareori dă alarme false, dar lasă frauda să treacă, nu își face treaba.
Aceste rezultate au împins Coinbase spre un model open-weight, ai cărui parametri puteau fi adaptați direct, nu doar accesați prin API-ul unui furnizor. Armstrong a formulat lecția mai largă simplu: modelele frontieră sunt generaliste, în timp ce modelele specializate depășesc tot mai mult performanța pe sarcini înguste.
Ce face de fapt agentul
Coinbase a adăugat un agent de risc AI la modelul său existent de machine learning și la motorul de reguli pentru Onramp, produsul care le permite utilizatorilor să cumpere criptomonede prin aplicații partenere, inclusiv prin checkout pentru oaspeți. Agentul analizează secvențe recente de tranzacții pentru a identifica tipare care nu sunt vizibile dintr-o singură plată izolată.
Un experiment online a constatat cu 30% mai puține tranzacții frauduloase și cu 22% mai puțină valoare a fraudei în grupul care a primit revizuirea AI suplimentară.
Agentul funcționează cu limite. Returnează un scor de risc, iar codul aplicației aplică politica de decizie. Poate bloca o tranzacție care a trecut de verificările anterioare, dar nu poate anula un blocaj din amonte — o supapă unidirecțională care împiedică stratul autonom să suprascrie controalele existente.
Întrebarea de siguranță ridicată de Certik
Firma de securitate Certik a avertizat că agenții de securitate mai autonomi aduc riscuri proprii: rezultate incorecte și o supraveghere umană redusă pe măsură ce oamenii învață să aibă încredere în mașină. Certik a recomandat limite clare pentru deciziile autonome și un proprietar desemnat pentru fiecare agent.
Designul Coinbase răspunde parțial la aceasta. Agentul propune, codul aplicației din jur decide, iar direcția doar de blocare înseamnă că nu poate anula o decizie luată în altă parte a stivei. Dacă un proprietar uman desemnat se află în spatele fiecărui agent nu este ceva ce compania a detaliat public.
Momentul nu este întâmplător. Echipele antifraudă sunt presate să automatizeze revizuirea fără a da unui model ultimul cuvânt, iar datele de benchmark publicate de Coinbase contrazic reflexul de a apela la cel mai mare model disponibil de fiecare dată când apare unul nou.
Ce rămâne nerezolvat este cât de bine rezistă Qwen3.5-9B ajustat de Coinbase pe măsură ce tiparele de fraudă se schimbă și apare următoarea rundă de modele frontieră. Bursa nu a spus dacă intenționează să publice modelul sau benchmark-ul pentru revizuire externă — și până când cineva nu va rula din nou testul pe date proaspete, comparația se bazează pe propriile cifre ale Coinbase.
