Coinbase mengurangi biaya 50% menggunakan AI open-source China, penggunaan token tumbuh secara eksponensial pada periode yang sama.

CEO Coinbase, Brian Armstrong, pada 26 Juni menyatakan bahwa Coinbase telah menetapkan GLM 5.2 (rilis terbaru dari Zhipu AI) dan Kimi 2.7 (dari Moonshot AI, Beijing) sebagai model bahasa besar default untuk para insinyur internal perusahaan; pengeluaran AI Coinbase berkurang hampir setengahnya, sementara penggunaan Token pada periode yang sama masih mempertahankan pertumbuhan eksponensial.

Tugas dan Skenario Penggunaan GLM 5.2 dan Kimi 2.7 di Coinbase

Armstrong menjelaskan bahwa GLM 5.2 dan Kimi 2.7 sebagian besar digunakan dalam skenario tugas rutin, seperti asistensi kode standar dalam alur kerja teknik umum; untuk tugas yang memerlukan perencanaan kompleks, para insinyur masih dapat memilih model mutakhir. Dalam proses peninjauan kode, Coinbase menerapkan strategi multi-model paralel, memungkinkan model yang berbeda untuk saling memverifikasi hasil keluaran guna mempertahankan standar kualitas.

Strategi Restrukturisasi Infrastruktur AI Tiga Lapis yang Diungkapkan Armstrong

Armstrong mengaitkan pengurangan hampir setengah pengeluaran AI Coinbase dengan restrukturisasi infrastruktur tiga lapis berikut:

Routing Cerdas: Sistem melakukan pra-pemrosesan pada prompt, menggabungkan rasio hit cache dan harga model, secara otomatis mendistribusikan tugas ke model yang paling sesuai dan ekonomis.

Caching Agresif: Mengharuskan semua permintaan memiliki kesadaran cache; rasio hit cache LibreChat melonjak dari 5% menjadi 60%.

Penyederhanaan Konteks: Menyarankan para insinyur untuk memulai sesi baru saat berpindah tugas dan mempersempit cakupan file untuk mengurangi Token yang terbuang.

Target Ekspansi AI Berkelanjutan Armstrong dan Posisi Strategi Ini

Armstrong menekankan bahwa tujuan optimasi biaya ini bukanlah menekan penggunaan, melainkan memperluas skala adopsi AI. Ia menyatakan bahwa targetnya adalah memungkinkan para insinyur untuk bebas menggunakan Token dan model dalam jumlah berapa pun tanpa batasan biaya, sambil menghubungkan penggunaan dengan dampak bisnis. Armstrong percaya model ini dapat diadopsi oleh perusahaan mana pun; pernyataan di atas merupakan pernyataan pribadinya yang bersifat publik.

Pertanyaan Umum

Produk dari perusahaan manakah GLM 5.2 dan Kimi 2.7 masing-masing?

GLM 5.2 adalah model rilis terbaru dari perusahaan AI Tiongkok Zhipu AI; Kimi 2.7 adalah model bahasa besar dari Beijing Moonshot AI Technology Co., Ltd. (Moonshot AI). Kedua model dirilis secara open-source. Armstrong menjelaskan bahwa Coinbase menerapkannya dalam skenario tugas teknik rutin, sementara tugas kompleks masih menggunakan model mutakhir.

Apa alasan utama pengurangan hampir setengah pengeluaran AI Coinbase?

Menurut penjelasan Armstrong, inti dari pengurangan biaya adalah restrukturisasi infrastruktur tiga lapis: Routing Cerdas (mendistribusikan tugas secara otomatis ke model yang paling ekonomis), Caching Agresif (rasio hit cache LibreChat meningkat dari 5% menjadi 60%), dan Penyederhanaan Konteks (mengurangi Token yang terbuang). Atas dasar ini, penggunaan model open-source Tiongkok yang lebih murah untuk menggantikan sebagian penggunaan tugas rutin model mutakhir Amerika Serikat semakin menekan pengeluaran secara keseluruhan.

Apakah Armstrong dalam pernyataan publiknya menjelaskan pengaturan tinjauan keamanan data terkait penggunaan model open-source Tiongkok?

Berdasarkan pernyataan publik Armstrong pada 26 Juni 2026, ia tidak menyebutkan detail tinjauan keamanan data atau pengaturan kepatuhan yang terkait dengan penggunaan GLM 5.2 dan Kimi 2.7. Coinbase adalah bursa aset kripto yang diatur di Amerika Serikat; konten spesifik dari kerangka kepatuhan terkait tidak diungkapkan dalam pernyataan ini.

Penafian: Informasi di halaman ini mungkin berasal dari sumber pihak ketiga dan hanya untuk referensi. Ini tidak mewakili pandangan atau pendapat Gate dan bukan merupakan nasihat keuangan, investasi, atau hukum. Perdagangan aset virtual melibatkan risiko tinggi. Mohon jangan hanya mengandalkan informasi di halaman ini saat membuat keputusan. Untuk detailnya, lihat Penafian.
Komentar
0/400
Tidak ada komentar