Coinbase: Qwen vượt Opus 4.5 ở cả 4 chỉ số phát hiện gian lận Onramp

Mô hình trí tuệ nhân tạo Qwen3.5-9B, được Coinbase($COIN) huấn luyện bổ sung bằng dữ liệu gian lận riêng, đạt điểm cao hơn Opus 4.5 ở cả bốn chỉ số trong bài kiểm tra phát hiện gian lận Onramp của công ty. So sánh này chỉ giới hạn trong đánh giá nội bộ của Coinbase.

Ngày 8, Coinbase cho biết trên loạt bài blog kỹ thuật “Owning Intelligence” rằng công ty đã hậu huấn luyện Qwen3.5-9B cho nhiệm vụ phát hiện gian lận Onramp. Trong bài kiểm tra của Coinbase, mô hình đạt mức cao hơn 7,5 điểm phần trăm về độ chính xác, 12,0 điểm phần trăm về độ bao phủ, 9,6 điểm phần trăm về điểm F1 và 35,4 điểm phần trăm về độ bao phủ có trọng số theo số tiền gian lận. Đây là chênh lệch tính bằng điểm phần trăm, không phải tỷ lệ tăng tương đối.

Onramp là dịch vụ cho phép người dùng mua tài sản mã hóa bằng tiền pháp định. Theo cấu trúc Coinbase công bố, tác nhân AI phân loại bổ sung mức độ rủi ro của các giao dịch đã vượt qua mô hình học máy và các quy tắc hiện có, sau đó trả về mức đánh giá. Hệ thống hiện hữu, chứ không phải tác nhân AI, đưa ra quyết định cuối cùng về giao dịch.

Qwen3.5-9B là mô hình trọng số mở với 9 tỷ tham số. Coinbase huấn luyện mô hình bằng dữ liệu gian lận riêng và RLVR (Reinforcement Learning with Verifiable Rewards), một phương pháp dùng phần thưởng dựa trên kết quả có thể kiểm chứng. Quá trình này sử dụng môi trường SkyRL và Anyscale cùng phương pháp LoRA.

Coinbase cho biết chi phí huấn luyện dưới 100 USD khi sử dụng một GPU NVIDIA RTX PRO 6000 96GB. Công ty chưa công bố liệu khoản này có bao gồm chi phí chuẩn bị dữ liệu, kỹ thuật, vận hành và huấn luyện lại hay không.

Trong phép so sánh độ trễ suy luận trực tuyến, giá trị trung vị (P50) của Qwen là 0,683 giây, còn Opus 4.5 là 1,515 giây. Độ trễ ở phân vị thứ 99 (P99) lần lượt là 1,036 giây và 3,312 giây. Coinbase cho biết độ trễ và hiệu quả phát hiện được đo trong các đánh giá riêng biệt.

Kết quả này khác với thử nghiệm A/B trực tuyến trước đó. Coinbase từng công bố rằng trong thử nghiệm bổ sung tác nhân đánh giá rủi ro bằng mô hình ngôn ngữ lớn (LLM) vào mô hình học máy và các quy tắc hiện có, số giao dịch gian lận giảm 30% và số tiền gian lận giảm 22%. Đây là kết quả của thử nghiệm áp dụng tác nhân nói trên, không phải thành tích riêng của Qwen3.5-9B.

Do Coinbase chưa công khai bộ tiêu chuẩn đánh giá và dữ liệu giao dịch, bên ngoài khó tái tạo kết quả trong cùng điều kiện. Vì vậy, phép so sánh này chỉ phản ánh kết quả của một nhiệm vụ phân loại gian lận cụ thể trên Onramp theo tiêu chí đánh giá của Coinbase. Chức năng hỗ trợ giao dịch và quy trình tài chính của tác nhân AI Coinbase cũng từng được đề cập trong bài viết trước của TokenPost về việc tính năng này được cung cấp trên Grok.