Coinbase 改投国产模型，AI 支出减半
Coinbase CEO Brian Armstrong 宣布将公司默认模型切换至智谱 GLM 5.2 与月之暗面 Kimi 2.7。通过自动路由系统按任务、价格和缓存潜力智能选模，单靠缓存优化就将命中率从 5% 提升至 60%。即便 token 用量持续增长，Coinbase 的 AI 支出反而下降了约 50%。这一举措反映出企业在 token 费用驱动的压力下，开始将开源国产模型作为可行替代。
Coinbase 的成本优化方案
①
成本杠杆
基础模型切换至开源国产选项，每次请求由路由系统挑选成本最优方案，developers 无需主动改写代码——91% 的使用从未触碰原有配额上限。
②
缓存工程
严格上下文管理策略（保持精简、独立会话启动新任务）大幅提升缓存复用率，单这一招就把命中率拉升 55 个百分点。
③
问责制度
内部可见化 token 消耗，不设上限但配套「花得越多、产出预期越高」的绩效规则，形成自制压力——这比传统成本控制更有效。
📌 西方 AI 厂商面临的压力信号
- Snowflake、Lindy 等企业也在测试国产模型替代方案，成本套利从小范围转向系统性
- OpenAI、Anthropic 等厂商当下恰好筹备 IPO，依赖高增长数字支撑估值，Coinbase 这类大客户的降费信号成了直接威胁
- 价格战已现苗头——OpenAI 在 GPT-5.6 系列与 Anthropic Claude 展开效率竞争，后续定价可能加速下探