Coinbase换中国AI省一半钱？揭秘巨头降本真相

美国最大加密交易所 Coinbase 最近干的事儿，真让硅谷那帮人坐不住了：悄摸地把 AI 模型换成了中国的 GLM 5.2 和 Kimi 2.7。

欧易(OKX)

全球三大交易所之一，注册领50U数币盲盒，币圈常用的交易平台！

立即注冊立即下载

币安(Binance)

币安是世界领先的数字货币交易平台，注册领100U。

立即注冊立即下载

CEO Brian Armstrong 自己也摊牌了，这一波操作下来，AI 支出直接砍半。

最绝的是什么？省钱的Token 用量还在涨。

说实话，这才是真正让 OpenAI 和 Anthropic 焦虑的地方。

三招硬核策略，如何实现降本增效？

Coinbase 可不是简单换个便宜模型就完事了。人家搭了一套完整的「省钱系统」，逻辑清晰得吓人。

第一招：动态路由，绝不单吊一棵树

系统会根据任务类型、价格和缓存情况，自动挑最合适的模型。

简单翻译？用便宜的。复杂推理？上好的。就像你肯定不会开着法拉利去楼下买根葱，对吧。

第二招：暴力拉升缓存命中率

这一招，狠。

通过优化策略，Coinbase 把缓存命中率从 5% 直接拉到了 60%。

这意味着啥？意味着 60% 的请求，不用重新算，直接复用之前的结果。光这一项，省下来的钱都是巨款。

第三招：Context Engineering（上下文工程）

Anthropic 的技术博客早就提过：管 AI 代理的时候，上下文工程比提示工程管用多了。

简单说，就是让开发者精简上下文，新任务开新会话。不是让 AI 变聪明，而是给它喂更精准的信息。

▲ 企业级 AI 应用正在从「拼算力」转向「拼效率」

不只是 Coinbase，这是一场行业潮流

Coinbase 只是冰山一角。

越来越多的公司开始对高昂的 AI 账单说「不」。

AI 创业公司 Lindy 的 CEO Flo Crivello，直接把 Claude 全换成了 Deepseek。

他告诉 CNBC：「AI 成本已经超人力成本了，这不可持续。」换模型后，成本断崖式下降，省下数百万美元。你猜怎么着？

Snowflake CEO Sridhar Ramaswamy 做了个实测对比：在 103 个编码任务上，GLM-5.2 解决率 66%，Claude Opus 4.7 解决率 67%。

差距？几乎可以忽略不计。但价格差距，那是实打实的。

每百万 Token 价格对比（2024年数据）：

• GLM-5.2：便宜，输入 $1.40 / 输出 $4.40
• Claude Opus 4.7：贵，输入 $5 / 输出 $25
• GPT-5.5：更贵，输入 $5 / 输出 $30

输出价格差了 5 到 7 倍。这就是为什么巨头们开始「叛逃」。

便宜没好货？先看数据再下结论

很多人心里犯嘀咕：便宜这么多，质量能一样吗？

我觉得，不完全一样，但差距比你想的小得多。

Snowflake 测试显示，GLM-5.2 在个别任务上确实有点飘。首次尝试成功率 47.6%，低于 Opus 的 53.7%。

有时候 GLM 会「死磕」错误方向。比如在一个任务上花了 24 分钟、调用 411 次工具仍失败。而 Opus 用 49 次调用、9 分钟就搞定了。

不过，在多数常规任务上，两者的最终成功率几乎持平。

关键问题是：你愿不愿意为那几个百分点的极端稳定性，多付 5 倍的价格？

对企业来说，答案越来越明确：不愿意。

▲ 中西方 AI 模型价格差距正在重塑全球行业格局

普通人该如何应对？三个实用建议

你可能觉得：我又不是 Coinbase，这跟我有什么关系？

话不是这么说。这个趋势，直接影响你使用 AI 的方式和成本。

1. 别只认一个模型

老手们早就不死磕 ChatGPT 或 Claude 了。不同任务用不同模型，才是性价比最高的玩法。

日常问答用便宜的，写代码、做深度分析用贵的。就像吃饭，谁顿顿去米其林啊，是不是。

2. 善用缓存和模板

如果你经常做类似工作——比如每周写周报、整理笔记——学会利用缓存和模板，能大幅降低消耗。

3. 精简上下文 = 更好结果

别把一堆历史聊天记录全塞给 AI。新任务，开新对话。给 AI 更少但更精准的信息，效果反而更好。

更深层变化：AI 定价逻辑正在动摇

这波「模型迁移潮」背后，是整个 AI 行业定价逻辑的颠覆。

OpenAI 和 Anthropic 的高估值，建立在「收入持续高速增长」的假设上。

但如果越来越多企业转向便宜替代品，这个假设，就站不住脚了。

据悉，OpenAI 和 Anthropic 之间已打响价格战。OpenAI 新发布的 GPT-5.6 系列中，Terra 模型比 GPT-5.5 便宜一半，Luna 更是主打最低价。

对用户来说，这是好事。竞争越激烈，价格越低，选择越多。

当美国巨头开始用中国模型省钱，说明 AI 竞争不再是实验室里的跑分比赛，而是真金白银的成本较量。

能花更少的钱办同样的事，才是真本事。

FAQ

为什么 Coinbase 要切换中国 AI 模型？

为了大幅降低 AI 支出成本。切换至 GLM 5.2 等模型后，其 AI 费用直接减半，同时保持了较高的 Token 使用量。

中国 AI 模型的质量真的能和 OpenAI 媲美吗？

在大多数常规任务上，两者成功率差距极小。虽然在极端复杂任务的稳定性上略有不足，但考虑到 5-7 倍的价格差异，性价比极高。

普通用户如何降低 AI 使用成本？

建议采用多模型策略，简单任务使用低价模型；同时优化提示词，精简上下文，并利用缓存机制复用已有结果。