Coinbase 弃用昂贵模型

把 AI 成本直接砍掉 50%，这在企业级部署里简直是天文数字。Coinbase 这波操作挺有意思，直接把底层模型切到了 GLM 和 Kimi，事实证明很多所谓的“顶尖模型”在实际业务场景中其实是性能过剩且价格昂贵的。

对于做 AI Agent 或大规模自动化工作流的开发者来说，这次切换释放了一个很强的信号：模型能力只要能覆盖业务基线，性价比才是决定项目能否规模化（Scale）的关键。

这波实操给我们的启发在于：

• 模型分级： 不要所有任务都丢给最贵的模型。简单的逻辑判断和基础问答，用性价比更高的国产大模型完全能顶替。
• 成本优化： 很多公司在部署初期追求极致效果，但到了实操阶段，Token 费用往往会变成巨大的负担。
• 适配能力： GLM 和 Kimi 在处理特定长文本或复杂指令时的表现，显然已经达到了让这类顶级金融科技公司认可的工业级标准。

如果你的项目现在也面临 Token 账单压力，建议尝试建立一套模型路由机制，把任务按难度分流，而不是死磕单一的高价模型。