Coinbase-KI-Agent reduziert Betrug um 30 % in Onramp-Experiment

Das angepasste Modell erfasste einen größeren Anteil des betrügerischen Transaktionswerts – eine Kennzahl, die wichtiger sein kann als das bloße Zählen entdeckter Fälle.

Coinbase hat ein Open-Weight-KI-Modell auf seinen proprietären Transaktionsdaten feinabgestimmt, um ein führendes Closed-Source-Modell bei der Betrugserkennung zu übertreffen – mit besseren Erkennungswerten und geringerer Latenz.

In einer dreiteiligen technischen Serie argumentierte die Börse, dass Unternehmen mit spezialisierten Modellen, die für ihre eigenen Bedürfnisse trainiert wurden, bessere Ergebnisse erzielen können, als wenn sie sich auf zunehmend leistungsfähige Allzweck-KI-Systeme verlassen.

Coinbase berichtet über bessere Betrugserkennung mit einem kleineren Modell

In einem Beitrag vom 12. Oktober erklärte Coinbase-CEO Brian Armstrong, dass das Unternehmen Qwen3.5-9B mithilfe interner Daten feinabgestimmt hat und feststellte, dass es bei der spezialisierten Aufgabe der Betrugsprävention „Frontier-Modelle bei deutlich geringeren Kosten und höherer Geschwindigkeit übertraf“.

Der eigentliche Punkt war nicht, dass kleinere Modelle universell besser sind, sondern dass die Leistung von der Aufgabe abhängt, für die sie trainiert wurden.