Coinbase在代币消费激增的情况下将AI支出减半：值得关注的策略
Coinbase首席执行官布莱恩·阿姆斯特朗分享了人工智能成本优化的显著成果。尽管代币消耗呈指数级增长，该公司仍成功将成本削减近一半。而成功的关键并非严格的限制和禁令，而是对基础设施的精细调校。
阿姆斯特朗强调：Coinbase的工程师可以自由选择任何模型，但默认设置起着决定性作用。公司积极进行实验，将GLM 5.2和Kimi 2.7等开源模型设为默认模型，并通过内部网关进行访问。有趣的是，91%的员工从未触及使用上限，这使得公司无需降低配额，而是转向更便宜的配置。
路由、缓存与上下文节省
该策略的核心是智能请求路由。Coinbase的内部系统会预先处理每个请求，根据缓存命中率和成本将其导向最合适的模型。例如，战略规划会使用先进模型，但对于日常任务来说则过于冗余。阿姆斯特朗坚持认为：模型选择应由AI自动完成，而非人工干预。
缓存的作用尤其值得关注。未命中缓存数据直接导致不必要的浪费。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，经过正确配置后，缓存命中率从5%提升至60%。上下文节省也取得了成效：任务切换时开启新会话、严格限制文件上下文范围以及关闭未使用的工具。正如阿姆斯特朗总结的那样，目标不是从根本上减少代币消耗，而是避免浪费。
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”，并提出“杠铃”策略，可将AI成本降低50%甚至更多。其核心很简单：项目最初10%的工作和规划交给最强大的模型（Opus、GPT）。80%的常规任务由更便宜的开源模型完成。最后10%的工作和结果验证再次交给顶级模型。多伊彻已采用这一方案数月，并认为这是控制AI过度支出的最佳方式。
专家观点： Coinbase的经验不仅仅是优化案例，更直观地展示了高效部署AI并非追逐最昂贵的工具，而是架构设计的艺术。对于每一分钱都需精打细算的加密公司而言，在日益激烈的竞争环境中，这种方法不再是奢侈品，而是生存的必需品。