Coinbase CEO: "Öz məlumatları öyrənən AI modeli, yüksək fırıldaq aşkar etmə performansı göstərir"

[Blokmedia, Ham Jihyun] Coinbase, öz ödəniş məlumatlarını öyrənən açıq çəkiyə malik süni intellekt (AI) modelindən istifadə edərək, ümumi sərhəd modelindən daha yüksək fırıldaq aşkar etmə performansı əldə etdi.

CEO Brian Armstrong, 12 oktyabrda (yerli vaxtla) X platformasında "Coinbase-in müstəsna daxili məlumatlarından istifadə edərək, açıq çəki modelini (Qwen) 3.5-9B incə tənzimlədikdən sonra, fırıldaqçılıq qarşısının alınması üzrə ixtisaslaşmış işdə sərhəd modellərindən daha yüksək performansı çox aşağı xərclərlə və sürətlə həyata keçirdik" dedi.

O, "Sərhəd modelləri mükəmməl ümumi modellərdir, lakin gələcəkdə daha dar iş sahələrində ixtisaslaşmış modellərin tək başına və ya bir neçə model ilə əməkdaşlıq edərək daha üstün performans göstərdiyinin şahidi olacağıq" dedi.

Armstrong-un açıqladığı onlayn nəticələrdə də sürət fərqi açıq şəkildə görünürdü. Ümumi sorğu işləmə müddətini göstərən mərkəzi qiymət (P50) Qwen 3.5-9B üçün 0.683 saniyə, Opus 4.5 üçün isə 1.515 saniyə idi ki, bu da təxminən 55% daha qısa idi.

Gecikmənin yüksək olduğu vəziyyəti göstərən 99-cu faiz (P99) üçün də Qwen 3.5-9B 1.036 saniyə qeyd etdi, bu da Opus 4.5-in 3.312 saniyəsindən əhəmiyyətli dərəcədə sürətli idi. P99, bütün sorğuların 99%-nin həmin vaxt ərzində işlənildiyini bildirir ki, bu da xidmətin yüklü olduğu və ya cavabın gecikdiyi vəziyyətlərdə belə Qwen modelinin işləmə sürətinin nisbətən sabit olduğunu göstərir.

Biz Coinbase-də müstəsna daxili məlumatlarda açıq çəki modelini (Qwen 3.5-9B) incə tənzimləyə bildik və bu, ixtisaslaşmış bir iş (bu halda fırıldaqçılıq qarşısının alınması) üçün sərhəd modellərini çox aşağı xərclərlə və sürətlə üstələdi.

Düşünürəm ki, şirkətlər daxilində bu cür nümunələri daha çox görəcəyik. Sərhəd modelləri möhtəşəm ümumi modellərdir. Lakin getdikcə daha ixtisaslaşmış modellərin daha dar işlərdə daha yaxşı performans göstərdiyini, ya komandalarla, ya da tək başına işlədiyini görəcəksiniz.

Biz işçilərimiz üçün daxili olaraq modelləri incə tənzimləməyi asanlaşdırırıq. Hətta bunları işə salmaq və təlim keçmək üçün daxili sistemimizdə bir bacarıq var:

"/fine-tune-and-serve-llm Mən ödəniş riskini nəzərdən keçirmək üçün Qwen-i incə tənzimləmək istəyirəm. Başlamağa kömək et".

Təsəvvür edirəm ki, bu yeni arxitektura ilə tamamilə əvəz edilə biləcək bəzi arxa xidmətlərimiz olacaq.

--- Brian Armstrong (@brian_armstrong) 11 oktyabr 2026

Coinbase, sonuncu blog yazısında rəqəmsal aktivlərin satın alınması xidməti olan "Onramp"-ın ödəniş fırıldaqçılığını aşkar etmə sisteminin qurulma prosesini açıqladı.

Onramp, istifadəçilərin tərəfdaş tətbiqlərdə rəqəmsal aktivləri birbaşa satın almalarına dəstək verən bir xidmətdir. Coinbase hesabı olmayan istifadəçilər də qonaq rejimində ödəniş edə bilərlər, bu da istifadəçilərin keçmiş hesab məlumatlarının çatışmadığı vəziyyətlərdə belə fırıldaqçılıq əməliyyatlarını müəyyən etmələri lazım olduğu deməkdir.

Coinbase, mövcud maşın öyrənmə (ML) modelləri və qayda əsaslı aşkar etmə sisteminin üzərinə geniş dil modeli (LLM) əsasında risk agentini əlavə etdi. Mövcud sistem ayrı-ayrı əməliyyatları sürətlə qiymətləndirirsə, LLM agenti son əməliyyat sırasını birgə nəzərdən keçirərək zaman aralığı, ödəniş vasitələrinin dəyişməsi, əməliyyat məqsədi kimi bir neçə əməliyyat arasında ortaya çıxan anomaliya nümunələrini analiz edir.

Onlayn eksperimentdə, mövcud ML modeli və qayda mühərrikinə LLM agenti əlavə edilmiş qrupda fırıldaq əməliyyatlarının sayı mövcud sistemlə müqayisədə 30%, fırıldaq əməliyyatlarının məbləği isə 22% azaldı.

Lakin bu sistem AI agentinin birbaşa ödənişləri icra etdiyi "agent ödənişi" ilə fərqlidir. AI ödənişləri yerinə yetirmir, yalnız əməliyyatın risk səviyyəsini qiymətləndirir. Əsl təsdiq və ya bloklama isə mövcud tətbiqin risk idarəetmə sistemi tərəfindən həyata keçirilir.

Coinbase, ilkin sistemdə Claude Opus-dan istifadə etdi. Təxminən 7000 token ölçüsündə əməliyyat məlumatlarını daxil edərək, uzun izahat əvəzinə yalnız risk səviyyəsini çıxarmaqla cavab müddətini azaltmağa çalışdı. LLM çağırışlarının mərkəzi qiymət gecikmə müddəti təxminən 1.5 saniyə idi.

Sonra Coinbase, xarici ümumi modellərə etibar etmək əvəzinə, öz məlumatlarından istifadə edərək Qwen 3.5-9B-ni əlavə öyrətdi. Şirkətə görə, bu model fırıldaq aşkar etmə ilə bağlı 4 göstəricinin hamısında Claude Opus 4.5-dən üstündür. Ümumi fırıldaq aşkar etmə performansını göstərən F1 balı sərhəd modelindən 9.6% daha yüksəkdir və real xidmət mühitində cavab gecikmə müddəti 55% azalmışdır.

Coinbase, işçilərin şirkət daxilində öz ixtisaslaşmış modellərini yaratmalarını asanlaşdırmaq üçün incə tənzimləmə mühiti də qurur. CEO Armstrong, daxili AI sistemində əmr daxil etdikdə, Qwen kimi modelləri müəyyən işlərə uyğun öyrənib xidmət mühitinə yerləşdirə biləcəklərini açıqladı.

O, misal olaraq "Ödəniş riskini nəzərdən keçirmək üçün Qwen-i incə tənzimləmək istəyirəm. Başlamağa kömək et" şəklində bir əmr verdi.

Armstrong CEO, bu cür strukturun sadəcə AI köməkçi alətindən daha çox, mövcud şirkət sistemini tamamilə əvəz etmə potensialını da irəlilədiyini bildirdi. O, "Bəzi arxa xidmətlərin bu yeni strukturla tamamilə əvəz edilə biləcəyini düşünürəm" dedi.

Coinbase-in nümunəsi, gələcəkdə şirkətlərin ümumi super böyük modelləri olduğu kimi istifadə etmək əvəzinə, öz məlumatlarını öyrənən işə ixtisaslaşmış modellər qurma istiqamətində hərəkət edəcəyini göstərir. Fırıldaq aşkar etmə kimi iş sahəsi aydın olan və düzgün məlumatların toplandığı sahələrdə kiçik ixtisaslaşmış modellərin xərclər, sürət və dəqiqlik baxımından ümumi modelləri üstələyə biləcəyi izah edilir.

Bu məzmun yalnız ümumi məlumat məqsədilə təqdim olunur və maliyyə, investisiya, hüquqi və ya vergi məsləhəti hesab edilməməlidir. Burada qeyd olunan hər hansı tədbir, mükafat, onlayn kampaniya və ya əlaqəli məlumat hər hansı kriptoaktivin alınması, satılması, treydinqi və ya digər əməliyyatların aparılması üçün tövsiyə, təşviq və ya dəvət kimi qiymətləndirilməməlidir. Kriptoaktivlər yüksək dəyişkənliyə malikdir və maliyyə itkisinə səbəb ola bilər. WEEX-in xidmətləri, məhsulları və əlaqəli tədbirlərinin əlçatanlığı regiondan asılı olaraq dəyişə bilər. İştirakınızın yerli qanunvericilik və tənzimləyici tələblərə uyğun olmasını təmin etmək sizin məsuliyyətinizdir.