加密新闻

Coinbase首席执行官布莱恩·阿姆斯特朗分享了公司一项出人意料的策略：在计算代币消耗呈指数级增长的情况下，人工智能支出成功削减了一半。据他透露，秘诀并非简单的限制或限额，而是基础设施的精细调校。

不是限额，而是智能路由

阿姆斯特朗解释称，Coinbase工程师可以选择任何AI模型，但默认设置起着关键作用。公司通过内部网关试验使用GLM 5.2和Kimi 2.7等开源模型。值得注意的是，91%的员工从未触及使用限额，因此公司在不降低阈值的情况下转向了更便宜的配置。

节省成本的核心在于智能请求路由。系统会自动将任务分配给最合适的模型，同时考虑缓存和成本因素。例如，战略规划使用旗舰模型，而日常执行则采用更轻量、更便宜的模型。阿姆斯特朗强调，模型选择应由AI自动完成，而非人工干预。

缓存与上下文：节省成本的两大支柱

缓存的作用被单独强调。未命中缓存数据是推高成本的最简单方式。在Coinbase，所有请求都设置为重复使用已处理的信息。在LibreChat服务中，正确配置后缓存命中率从5%提升至60%。

上下文节省同样重要。阿姆斯特朗建议在切换任务时开启新会话，严格限制文件上下文，并关闭未使用的工具。目标不是少消耗代币，而是避免浪费。正是这种方法让Coinbase在消耗持续增长的情况下，将成本削减了近一半。

多伊彻的"杠铃"策略

分析师迈尔斯·多伊彻描述了类似的方法，称之为"代币工程"。他提出"杠铃"策略，可将AI支出削减50%以上。项目前10%的工作和规划应交给最智能的模型（Opus、GPT），因为这是关键阶段。80%的常规任务应使用更便宜的开源模型执行。最后10%的收尾和结果验证，他建议再次使用高端模型。多伊彻已采用此方案数月，认为这是降低AI过度支出的最佳方式。

专家观点： Coinbase的经验生动表明，AI基础设施的效率不取决于投入规模，而取决于使用架构。对于每一分钱都精打细算的加密行业而言，智能路由和缓存已不再是可选项，而是必需品。这是所有希望在不承担过高成本的情况下扩展AI规模的项目都应汲取的教训。