不到 100 美元，凭什么打赢最贵的模型：Coinbase 反欺诈的“专科医生”账
Coinbase 用 RLVR+GRPO+LoRA 后训练 Qwen3.5-9B，在内部反欺诈基准上四项指标胜过 Opus 4.5、延迟更低：拆解专科小模型的三笔账。
我先问你一个问题。
你家孩子发烧了，你会去找谁？
全科医生，还是儿科医生？
大多数人会说，看情况。如果只是普通感冒，全科医生够了。如果反复高烧，最好找儿科。
为什么？
因为全科医生什么都懂一点，而儿科医生在一件事上见得更多。
今天想和你聊的，就是 AI 世界里的“全科”和“专科”。
一个案例
据 Coinbase 工程博客“Owning Intelligence”系列第三篇（10 月 8 日发布）及 Dealroom、Magica 等媒体的报道，Coinbase 做了一件事。
他们拿阿里开源的 Qwen3.5-9B，用自家历史欺诈结果做后训练，调成了一个反欺诈专用模型。
然后，和 Claude Opus 4.5 比。
结果是什么？
在 Coinbase 内部基准上，这个 9B 小模型：
- 精确率，高 7.5 个百分点；
- 召回率，高 12.0 个百分点；
- F1，高 9.6 个百分点；
- 金额加权召回，高 35.4 个百分点。
训练成本呢？
不到 100 美元。
一张 NVIDIA RTX PRO 6000 96GB 显卡就够了。
这里我必须先说一句：这些都是 Coinbase 自己的内部基准，没有经过独立验证。我们可以从中看逻辑，但不要把它当成行业定论。
它用在哪里
先搞清楚场景。
据报道，这个模型用在 Coinbase 的 Onramp 业务里。什么是 Onramp？就是用户在合作方的 App 里直接买币，甚至可以不注册账户，以游客身份结账。
你想想，这个场景的风险在哪里？
在于你对对方知道得很少。
所以 Coinbase 的风控是两层：
第一层：已有的机器学习模型 + 规则引擎，先筛一遍；
第二层：AI Agent 带着近期交易的上下文，复核被选中的交易，返回风险等级。
有一个设计很有意思。
Agent 可以拦截第一层放行的支付，但不能推翻第一层的拦截。
为什么这么设计？
因为在风控里，放过一笔坏交易和拦错一笔好交易，代价是不对称的。这条规则的意思是：AI 只能让系统更严，不能让系统更松。（此为作者对设计意图的推断，原文未解释原因。）
在用小模型之前，Coinbase 在线上测试过 Claude Opus 当这个 Agent。据报道，欺诈交易减少了 30%，欺诈金额减少了 22%。
效果已经不错了。
那为什么还要换？
三笔账
我们来算账。
第一笔，准确率的账。
金额加权召回高了 35.4 个百分点。这个指标是什么意思？
普通召回率，是“抓住了多少笔坏交易”。金额加权召回，是“抓住了多少钱的坏交易”。
对一家支付公司来说，哪个更重要？
当然是后者。
一个通用大模型，对所有交易一视同仁。一个用你自家历史欺诈数据训练出来的模型，会知道哪种交易在你这里最危险。
第二笔，速度的账。
线上中位延迟，小模型 0.683 秒，Opus 4.5 是 1.515 秒，低了 55%。
P99 延迟，小模型 1.036 秒，Opus 4.5 是 3.312 秒。我自己算了一下，大约低了 69%。（自算：1 − 1.036 ÷ 3.312 ≈ 68.7%）
P99 是什么？是最慢的那 1% 请求要等多久。
用户在别人的 App 里付钱，等 3 秒和等 1 秒，体验差很多。
第三笔，控制权的账。
小模型是开源权重，跑在 Coinbase 自己的机器上。线上用的是 Ray Serve LLM + vLLM，L40S GPU，2 到 8 个副本自动扩缩。
数据不出门，版本自己定。
这第三笔账，可能比前两笔都重要。
一个反常的发现
据报道，这个系列的第二篇里，Coinbase 发现了一件事：
更新版本的 Opus、Sonnet、GPT，在这个任务上的召回和 F1 反而更低。
这说明什么？
说明通用模型的升级方向，不一定是你业务需要的方向。
模型厂商在优化的是“平均能力”。而你需要的，是在一个窄任务上的稳定表现。
两者有时同向，有时不同向。
当你把核心业务押在别人的通用模型上，你其实也把“升级节奏”交给了别人。
方法其实不神秘
很多人听到“后训练”，觉得门槛很高。
我们拆开看。据报道，Coinbase 用的方法是：
可验证奖励强化学习 + GRPO + LoRA，训练框架是 Anyscale 上的 SkyRL。
翻译成大白话：
“可验证奖励”，就是有标准答案。哪笔交易最后是欺诈、哪笔不是，历史上已经知道了。模型判断对了加分，错了扣分。
LoRA，就是不改整个模型，只训练一小部分参数。所以便宜。
你可以把它写成一个公式：
专科能力 = 开源底座 × 自有标注数据 × 可验证奖励
这三项里，哪一项最稀缺？
开源底座，谁都能下载。
训练方法，论文里都写着。
只有自有标注数据，是你独有的。Coinbase 多年积累的“哪笔交易最后被证明是欺诈”，才是这个模型真正的护城河。
全科会被取代吗
不会。
据报道，Coinbase CEO Brian Armstrong 在 X 上说，前沿模型是好的通才，但在窄任务上，专科模型会越来越赢。他还说，公司在让员工能轻松做内部微调，部分后端服务可能被这种架构整体替换。
注意他的措辞。
他没有说通用模型没用。
他说的是分工。
所以这件事对普通企业的启发，不是“赶紧去训练自己的模型”。
而是先问自己三个问题：
第一，你有没有一个足够窄、足够高频的任务？
第二，这个任务有没有可验证的标准答案？
第三，你手上有没有足够多的历史结果数据？
三个都是“有”，那专科模型值得试。
任何一个是“没有”，通用大模型可能仍是更好的选择。
最后
回到开头那个问题。
全科医生和儿科医生，谁更好？
都好。
关键是，你得知道自己的病，该找谁看。
来源：Dealroom；Magica；Banking News AI；Crypto Briefing。所有指标均为 Coinbase 内部基准；P99 降约 69% 为作者自算；设计意图类表述为推断。