Coinbase đã tinh chỉnh một mô hình AI trọng số mở để phát hiện gian lận trên nền tảng của mình, sau khi các thử nghiệm nội bộ cho thấy các phiên bản mới hơn của các mô hình tiên tiến thực sự hoạt động kém hơn trên một số thước đo phát hiện gian lận so với các mô hình mà chúng thay thế. Sàn giao dịch đã tinh chỉnh Qwen3.5-9B trên dữ liệu giao dịch của chính mình, và CEO Brian Armstrong cho biết kết quả đã vượt qua các mô hình tiên tiến về phòng chống gian lận.
Động thái này quan trọng vì nó đi ngược lại giả định rằng mô hình lớn nhất, mới nhất luôn là công cụ phù hợp. Đối với một doanh nghiệp nặng về tuân thủ như sàn giao dịch, một mô hình nhỏ hơn nằm trong nội bộ — và có thể được điều chỉnh trực tiếp — có thể có giá trị hơn một mô hình đa năng truy cập qua API của người khác.
Tại sao các mô hình mới hơn lại thua
Coinbase đã chạy so sánh trên một bộ đánh giá cố định gồm 16.140 giao dịch của 7.293 người dùng. Bộ dữ liệu đó bao gồm 813 giao dịch gian lận đã được xác nhận, đây là con số thực sự quan trọng khi bạn đo lường liệu một mô hình có bắt được các khoản thanh toán xấu hay chỉ tránh báo động giả.
Theo Armstrong, các phiên bản Opus, Sonnet và GPT mới hơn có điểm số kém hơn trên một số thước đo phát hiện gian lận so với các phiên bản tiền nhiệm. GPT-5.6 chính xác hơn nhưng có độ phủ thấp hơn, nghĩa là nó xác định được tỷ lệ giao dịch gian lận nhỏ hơn. Trong công tác chống gian lận, sự đánh đổi này là tất cả: một mô hình hiếm khi báo động nhưng để lọt gian lận thì không làm tròn nhiệm vụ.
Những kết quả đó đã đẩy Coinbase về phía một mô hình trọng số mở, với các tham số có thể được điều chỉnh trực tiếp thay vì chỉ truy cập được qua API của nhà cung cấp. Armstrong đã tóm gọn bài học rộng hơn: các mô hình tiên tiến là những mô hình đa năng, trong khi các mô hình chuyên biệt ngày càng vượt trội trên các nhiệm vụ hẹp.
Agent thực sự làm gì
Coinbase đã thêm một agent rủi ro AI vào mô hình học máy và công cụ quy tắc hiện có cho Onramp, sản phẩm cho phép người dùng mua tiền mã hóa thông qua các ứng dụng đối tác, bao gồm cả thanh toán khách. Agent xem xét các chuỗi giao dịch gần đây để phát hiện các mẫu không thể thấy từ một khoản thanh toán đơn lẻ.
Một thử nghiệm trực tuyến cho thấy giảm 30% giao dịch gian lận và giảm 22% giá trị gian lận ở nhóm được đánh giá AI bổ sung.
Agent hoạt động có giới hạn. Nó trả về điểm rủi ro, và mã ứng dụng áp dụng chính sách quyết định. Nó có thể chặn một giao dịch đã vượt qua các kiểm tra trước đó, nhưng không thể đảo ngược một lệnh chặn từ phía trước — một van một chiều giữ cho lớp tự trị không thể ghi đè các kiểm soát hiện có.
Câu hỏi an toàn mà Certik nêu ra
Công ty bảo mật Certik cảnh báo rằng nhiều agent bảo mật tự trị hơn mang lại rủi ro riêng: đầu ra không chính xác và giảm sự giám sát của con người khi mọi người học cách tin tưởng máy móc. Certik khuyến nghị giới hạn rõ ràng đối với các quyết định tự trị và một người chịu trách nhiệm được chỉ định cho mỗi agent.
Thiết kế của Coinbase giải đáp một phần điều đó. Agent đề xuất, mã ứng dụng xung quanh quyết định, và hướng chỉ chặn có nghĩa là nó không thể hủy bỏ một quyết định được đưa ra ở nơi khác trong hệ thống. Liệu có một người chịu trách nhiệm được chỉ định đứng sau mỗi agent hay không là điều công ty chưa công bố chi tiết.
Thời điểm này không phải ngẫu nhiên. Các nhóm chống gian lận đang chịu áp lực phải tự động hóa việc đánh giá mà không trao cho mô hình quyền quyết định cuối cùng, và dữ liệu đánh giá mà Coinbase công bố đi ngược lại phản xạ chọn mô hình lớn nhất hiện có mỗi khi có mô hình mới ra mắt.
Điều vẫn chưa được giải quyết là Qwen3.5-9B đã được tinh chỉnh của Coinbase sẽ trụ vững thế nào khi các mẫu gian lận thay đổi và khi thế hệ mô hình tiên tiến tiếp theo xuất hiện. Sàn giao dịch chưa cho biết liệu họ có kế hoạch công bố mô hình hoặc bộ đánh giá để đánh giá bên ngoài hay không — và cho đến khi ai đó chạy lại thử nghiệm trên dữ liệu mới, so sánh này vẫn dựa trên số liệu của chính Coinbase.
