bibibi.cc正在加载…
Coinbase称，内部数据微调后的Qwen3.5-9B在反欺诈任务上效果更好、成本更低且速度更快。
Coinbase用内部数据微调Qwen3.5-9B，反欺诈表现超越前沿大模型
BlockBeats 消息，10 月 12 日，Coinbase CEO Brian Armstrong 在社交媒体发文表示，公司利用专有内部数据对开源模型 Qwen3.5-9B 进行微调后，在反欺诈这一专项任务上表现优于前沿大模型，且成本更低、速度更快。相关图表显示，该后训练模型在精度、召回率、F1 及金额加权召回率等指标上均显著领先，对比未适配版本与 Opus 4.5 决策代理均有提升；线上推理中位延迟较 Opus 4.5 降低约 55%。
Armstrong 认为，前沿模型虽为出色的通用型选手，但在更窄的任务上，专业微调模型将越来越多地胜出，无论是独立运行还是协同工作。Coinbase 正为内部员工简化微调流程，并已在内部工具中提供一键启动指令，未来部分后端服务或可被此类架构完全替代。
BlockBeats称，10月12日，Coinbase CEO Brian Armstrong在社交媒体发布了相关内容。
据Armstrong所述，Coinbase使用专有内部数据微调了开源模型Qwen3.5-9B。
Armstrong表示，微调后的模型在反欺诈专项任务上优于前沿大模型，并且成本更低、速度更快。
报道所述图表显示，该模型在精度、召回率、F1和金额加权召回率上优于未适配版本及Opus 4.5决策代理。
报道表示，线上推理中位延迟较Opus 4.5降低约55%。
Coinbase正在简化员工使用微调流程，并已在内部工具中提供一键启动指令。
Armstrong认为，专业微调模型将在较窄任务中越来越多地胜出，并表示未来部分后端服务可能被此类架构完全替代。
以下为辅助分析，与已报道事实分开展示；重要信息请进一步核实。
微调可以理解为让一个通用模型继续学习企业自己的数据，以适应某项具体工作。这里的具体工作是反欺诈。报道中的结果意味着，Coinbase称一个规模较小、经过内部数据适配的模型，在这项单一任务的多项评测指标上超过了对比模型，而且响应延迟更低。这是针对特定任务的比较，并不能说明该模型在所有能力上都更强。
如果这些结果能在实际系统中持续成立，Coinbase可能以更低成本和更短延迟运行部分反欺诈工作，也可能扩大内部微调模型的使用范围。不过，原文没有给出可核验的成本数据或实际业务影响。
新手可以关注一个核心概念：最强的通用模型不一定在每项专业任务中表现最好。企业用自己的数据微调较小模型，可能换取更适合自身业务的效果与速度，但评测结果仍需结合测试方法和真实部署表现判断。
正在加载事件时间线…