Coinbase 已微调一个开放权重 AI 模型来捕捉其平台上的欺诈行为，此前内部测试发现，较新版本的前沿模型在多项欺诈检测指标上实际上比它们所取代的模型表现更差。该交易所用自身交易数据对 Qwen3.5-9B 进行了调优，CEO Brian Armstrong 表示，结果在欺诈预防方面优于前沿模型。
此举意义重大，因为它与“最大、最新的模型总是正确工具”的假设背道而驰。对于像交易所这样合规负担沉重的企业，一个部署在内部、可直接调整的小模型，可能比通过他人 API 获取的通用模型更有价值。
为何较新模型落败
Coinbase 在涵盖 7,293 名用户的 16,140 笔交易的固定基准上进行了比较。该数据集包含 813 笔已确认的欺诈交易，在衡量模型是能捕捉坏支付还是仅避免误报时，这个数字才是真正重要的。
据 Armstrong 称，较新的 Opus、Sonnet 和 GPT 版本在多项欺诈检测指标上得分低于其前代。GPT-5.6 精确率更高但召回率更低，意味着它识别出的欺诈交易比例更小。在反欺诈工作中，这种权衡就是全部关键：一个很少误报但放行欺诈的模型并没有尽职。
这些结果推动 Coinbase 转向开放权重模型，其参数可直接调整，而非只能通过提供商的 API 访问。Armstrong 简单概括了更广泛的教训：前沿模型是通才，而专业模型在狭窄任务上日益胜出。
该代理实际做什么
Coinbase 在其现有的机器学模型和规则引擎基础上，为 Onramp 增加了一个 AI 风险代理，Onramp 是让用户通过合作伙伴应用（包括访客结账）购买加密货币的产品。该代理查看近期交易序列，以发现单笔支付孤立来看不可见的模式。
一项在线实验发现，获得额外 AI 审查的组别中，欺诈交易减少了 30%，欺诈金额减少了 22%。
该代理在限制下运行。它返回风险评分，由应用代码执行决策策略。它可以阻止通过先前检查的交易，但不能撤销上游的阻止——这是一个单向阀，防止自主层覆盖现有控制。
Certik 提出的安全问题
安全公司 Certik 警告称，更多自主安全代理会带来自身风险：错误输出，以及随着人们学会信任机器而减少的人工审查。Certik 建议对自主决策设定明确限制，并为每个代理指定负责人。
Coinbase 的设计部分回应了这一点。代理提出建议，周围的应用代码做决定，仅阻止的方向意味着它不能撤销堆栈中其他位置做出的调用。每个代理背后是否有指定的人类负责人，公司尚未公开详细说明。
时机并非偶然。欺诈团队面临压力，要在不将最终决定权交给模型的情况下实现审查自动化，而 Coinbase 发布的基准数据与每次新模型发布就伸手拿最大可用模型的反射相悖。
仍未解决的是，随着欺诈模式变化和下一轮前沿模型到来，Coinbase 调优的 Qwen3.5-9B 表现如何。该交易所尚未表示是否计划发布该模型或基准供外部审查——在有人用新数据重新运行测试之前，这一比较仅基于 Coinbase 自己的数据。
