布莱恩·阿姆斯特朗概述了他如何计划在Coinbase保持低人工智能支出。彭博社/盖蒂图片社，Coinbase的首席执行官希望他的工程师能在保持人工智能成本低的同时，继续进行代币最大化。在周五的一则X发布中，首席执行官布莱恩·阿姆斯特朗概述了加密交易所保持人工智能成本低的五种方式。他的五项策略中的第一条是选择更好的默认大型语言模型（LLM）——这是大多数工程师在提交提示时默认使用的模型。他表示，Coinbase正在尝试将中国的LLM作为默认选项，这些模型的成本远低于来自前沿美国人工智能实验室（如Anthropic和OpenAI）的模型。“我们正在通过我们的LLM网关，尝试将默认模型设定为像GLM 5.2和Kimi 2.7这样的开放权重模型，同时仍然鼓励工程师根据任务选择合适的模型，”阿姆斯特朗写道。GLM 5.2和Kimi 2.7分别是中国人工智能实验室Z.ai和Moonshot AI开发的模型。他的第二个策略是根据提示的难度级别，将其路由到最合适的模型。这一策略他在6月时曾提到过。“例如，您可能希望在规划时使用一个前沿模型，但在执行时则不需要，因为它们可能过于复杂，”他写道。“最终，人类不应该选择模型——人工智能可以自动化这一任务。”第三条建议是使用更好的缓存，这是一种减少推理成本的技术。第四条是保持上下文简洁，意味着在任务之间切换时要启动新的会话。最后一项策略是提高公司内部人工智能支出的可见性。这意味着所有工程师可以随意使用代币，但能够查看他们的使用情况。Coinbase会期待“更高的影响力”来自于那些在人工智能上支出更多的员工。阿姆斯特朗在他发布的最后附上了一张图表，跟踪公司在一段时间内的代币使用情况和人工智能支出，尽管确切的时间线未指定。图表显示，代币使用最近达到了公司历史上最高水平之一，而人工智能支出则显著下降，几乎减至其峰值水平的一半。“目标不是抑制使用，而是构建使指数增长得以持续的基础设施，”他写道。阿姆斯特朗的发布是在Coinbase裁员14%，部分原因是人工智能改变了人们的工作方式后不到两个月。“在过去的一年里，我看到工程师们使用人工智能在几天内完成了以前需要一个团队几周才能完成的工作，”阿姆斯特朗在5月份的一篇帖子中说，并补充道，“小而专注的团队所能实现的节奏发生了巨大的变化。”他减少人工智能费用的策略与行业发展相符，该行业已从短暂的代币最大化趋势转向对员工施加使用限制，以遏制过度的代币消费。