在Token消耗量指数级暴增的2026年，美国科技公司如何控制AI成本？Coinbase给出了一份令人惊讶的答卷——把中国开源模型设为企业默认选项。
当地时间6月27日，Coinbase CEO Brian Armstrong在X平台披露，公司通过将智谱AI的GLM 5.2和月之暗面的Kimi 2.7等开放权重模型设为默认选项，结合智能路由和激进缓存策略，AI支出已削减近50%，而Token使用量仍在持续增长。
91%的员工从未触及使用上限——问题不在管控，在成本
Armstrong在帖子中透露，Coinbase内部数据显示，91%的工程师从未达到AI使用额度上限。因此，公司并没有选择收紧配额或频繁发送预算提醒，而是转向“更便宜的默认模型”。
“控制成本的关键不是限制使用，而是优化默认模型选择、任务路由机制和缓存策略。”Armstrong写道。
三项降本措施：智能路由、激进缓存、上下文纪律
Coinbase通过其内部LLM网关实施了系统的成本优化方案：
1. 智能模型路由
系统会对每条提示词进行预处理，根据缓存命中概率和不同模型的Token定价，自动将任务分配给最合适的模型。Armstrong认为，规划和推理等复杂任务可能需要前沿模型支持，但执行类任务未必需要调用成本更高的模型，未来模型选择过程应由AI自动完成，而非依赖人工决策。
2. 激进缓存策略
Coinbase现在要求所有AI请求都具备缓存感知能力——在生成新回复前先检查是否可以复用先前的回复。优化后，LibreChat的缓存命中率从5%跃升至60%。
3. 上下文纪律
工程师被要求精简上下文窗口——开启新会话、缩小文件范围、断开未使用的工具——以减少浪费的Token消耗。
开源权重模型作为默认选项：中国AI在硅谷的“商业验证”
Coinbase将GLM 5.2和Kimi 2.7设为默认企业模型，标志着中国开源AI在西方企业基础设施中达到了一个里程碑。
这一转变的商业逻辑清晰而有力：在Token消耗量保持指数级增长的前提下，将AI支出削减近50%，意味着Coinbase已在一定程度上将消耗增长与成本上涨“脱钩”。
对OpenAI、Anthropic等美国头部AI提供商而言，这构成了一个实实在在的挑战——当企业发现日常任务可以用中国开源模型以极低成本完成时，前沿模型的“溢价空间”正在被压缩。
并非“一刀切”：前沿模型仍用于复杂任务
值得注意的是，Coinbase并非完全放弃美国头部模型。工程师在处理复杂的规划和推理任务时，仍可调用前沿模型，而代码审查则采用多模型并行策略，各输出结果相互交叉验证。
这种“默认开源+按需调用”的混合模式，可能成为企业级AI部署的新范式——日常任务由低成本模型承担，高端任务保留给顶级模型，总成本大幅下降，同时不牺牲关键场景的性能。
编辑点评
Coinbase的案例，是“中国AI性价比路线”在全球市场的真实验证。当美国头部AI模型的API价格持续高企，而中国开源模型在国际评测中表现持续攀升时，经济理性正在压倒技术政治。
Armstrong在帖文中没有提及模型来源的“地缘政治属性”，只谈成本和效率。这意味着，在全球企业的AI采购决策中，“好不好用、贵不贵”正在回归为决定性因素。
从硅谷到欧洲，从Coinbase到Pinterest，越来越多的海外企业正在用“用脚投票”的方式重新定义全球AI产业的竞争规则。当中国开源大模型全球累计下载量突破百亿次时，这一趋势正在从个例变为常态。
本文综合自Coinbase CEO Brian Armstrong X账号、ChainCatcher、Edgen.Tech、Gate.com等多家媒体报道。