Coinbase用90亿参数模型升级支付反欺诈：线上欺诈交易减少30%

图 1｜Coinbase 工程团队公开了反欺诈 Agent 系列研究

一笔信用卡购买加密资产的交易，表面上只有金额、设备和付款结果。欺诈者却常常把攻击拆成多次尝试：先用小额交易测试卡片，再更换设备、地址或支付工具，最后完成金额更大的购买。单看其中一笔，风险信号可能很弱；把最近几次动作放在一起，模式才会浮现。

2026 年 10 月 6 日至 8 日，Coinbase 连续发布三篇工程文章，介绍其为 Onramp 业务搭建反欺诈 Agent 的过程。Coinbase 先把大模型接在既有机器学习模型和规则引擎之后，用它阅读交易序列；随后建立领域测试集，比较不同版本的闭源模型；最后用自有欺诈数据对一个 90 亿参数的开源权重模型进行后训练。公司披露的线上实验显示，加入 Agent 后，欺诈交易数量下降 30%，欺诈金额下降 22%。后训练模型在其内部基准上获得更高的 F1 分数，端到端延迟也更低。

这些数字来自 Coinbase 自己的实验，外部目前无法复现完整数据集。不过，这组实践提供了一个很具体的企业 AI 样本：在支付风控这种窄任务里，模型的新旧和规模未必排在第一位。真正影响效果的，是企业有没有可靠的结果数据、能不能建立接近真实业务的测试集，以及模型输出怎样进入原有决策系统。

一、传统模型先筛一遍，Agent 负责阅读交易过程

图 2｜一笔交易进入反欺诈 Agent 的处理路径

Coinbase Onramp 让用户在合作应用内购买加密资产，其中部分场景允许访客结账。访客没有长期账户记录，平台能够使用的信息主要来自当前付款和近期交易行为。原有机器学习模型擅长快速处理单笔交易特征，规则引擎则拦截明确的异常条件，例如重复失败、设备突变或支付信息不一致。

难点出现在连续动作里。某次购买的金额和设备都很普通，放回最近几分钟的交易序列后，它可能紧跟多次小额测试、银行卡更换和地址变化。Coinbase 把近期交易按时间整理成上下文，再交给大模型判断风险。模型输出一个简短的风险分类，后续程序依据这个分类决定放行、拒绝或进入人工复核。

这种结构保留了传统风控系统的速度。绝大多数交易先由机器学习模型和规则完成处理，Agent 只在需要更多上下文时加入。它的任务也受到严格限制：阅读已经整理好的交易信息，识别序列中的关系，返回规定格式的结论。最终动作仍由系统中的策略层执行。

这套分工解释了为什么 Coinbase 把它称为风险 Agent。它没有自行调查客户，也没有自由调用所有内部系统。平台给它限定了数据范围、问题形式和可返回的答案，模型因此能够把注意力放在“这些交易连在一起是否异常”这个窄问题上。

二、模型升级可能悄悄改变风险尺度

第一阶段上线后，Coinbase 遇到的下一个问题是选模型。通用基准往往告诉企业哪个模型整体能力更强，支付风控关心的指标却更具体：欺诈交易能拦住多少，正常用户会被误伤多少，高金额欺诈是否被识别，以及每次判断需要多长时间。

Coinbase 用自有历史数据建立测试集，比较多个 Opus、Sonnet 和 GPT 版本。公司披露，部分较新的模型虽然精确率提高，召回率、F1 分数和按金额加权的召回率反而下降。精确率表示模型判为欺诈的交易中有多少确实是欺诈；召回率表示全部欺诈交易中有多少被找到。风控系统如果只追求较高精确率，可能减少误伤，同时漏掉更多真实损失。

F1 分数用于综合观察精确率与召回率。简单来说，它帮助团队判断模型是否只在某一个指标上表现漂亮。Coinbase 又加入按欺诈金额加权的召回率，因为漏掉一笔大额欺诈造成的损失，通常远高于漏掉一笔小额交易。

模型升级由此成为一次风险政策变更。即便提示词、接口和审批规则保持不变，新模型也可能重新理解可疑行为，把原来放行的交易转入拒绝，或者放过旧版本能够识别的欺诈。企业在生产环境切换模型前，需要使用自己的测试集重新验证，不能直接把厂商公布的综合排名当作上线依据。

三、90 亿参数模型为什么能超过更大的闭源模型

图 3｜Coinbase 内部基准显示的小模型三项结果

Coinbase 随后选择 Qwen3.5-9B 进行后训练。这个模型只有 90 亿参数，可以在单张 NVIDIA RTX PRO 6000 96GB GPU 上训练和部署。团队把历史交易结果转化为可验证奖励：模型判断与已知欺诈结果一致时获得奖励，判断错误时受到惩罚，再通过强化学习调整模型。

这里使用的 RLVR 全称是“可验证奖励强化学习”。支付交易最终会产生拒付、确认欺诈或正常完成等结果，这些结果可以作为相对明确的训练信号。模型不需要另一个大模型来评价回答是否“像一个好判断”，它面对的是已经发生的业务结果。

欺诈样本数量通常远少于正常交易。如果奖励函数只看整体准确率，模型把几乎所有交易判为正常，也可能得到一个看起来不错的数字。Coinbase 因此平衡了欺诈和正常样本的贡献，并使用 LoRA 训练少量附加参数，让模型学习 Onramp 业务中的欺诈模式。

公司披露，后训练模型在内部基准上相较 Opus 4.5 的精确率高 7.5 个百分点、召回率高 12 个百分点、F1 高 9.6 个百分点，按金额加权的召回率高 35.4 个百分点。在线推理的端到端延迟下降 55%，训练成本低于 100 美元。这些结果针对一项狭窄分类任务，显示领域适配可以把一个较小模型训练成更合适的生产工具。

四、模型只给风险结论，系统决定如何处置

Coinbase 没有让模型直接控制交易。Agent harness 负责把交易信息整理成输入，再把模型返回的风险分类翻译成系统能够执行的动作。训练阶段可以要求模型解释理由，线上支付只需要一个紧凑的风险结果，以减少延迟和格式错误。

这一层中间程序很重要。它规定模型能够看见哪些字段，如何处理缺失值，返回哪些类别，超过多长时间视为失败，以及模型无响应时回到哪套旧规则。模型版本可以更换，支付系统的权限边界继续由程序控制。

人工复核仍然保留。高风险交易、模型与传统规则发生冲突的交易，或者涉及较大金额的边缘样本，可以进入人工队列。复核结果随后成为新数据，帮助团队发现测试集没有覆盖的欺诈手法。模型、规则与人工判断由此形成持续更新的闭环。

这种闭环也带来新的治理要求。企业需要记录模型版本、输入字段、风险结论和最终处置，才能在投诉、拒付或监管检查中还原当时的决定。训练数据包含支付行为和设备信息时，还要控制数据访问、保存期限和后续训练用途。

五、企业选择模型的方法正在改变

图 4｜企业模型采购从通用榜单转向领域评测

大模型采购过去常常围绕通用能力、上下文长度和厂商品牌展开。Coinbase 案例把选择标准拉回到具体业务：测试数据是否接近真实流量，错误成本怎样分布，系统能承受多长延迟，模型是否能够在现有基础设施中稳定运行。

对金融机构而言，这意味着模型评估要与风险政策一起设计。反欺诈、反洗钱、信用审核和异常交易识别都存在样本不平衡，单一准确率很容易掩盖问题。团队需要同时观察召回率、误报率、金额损失和客户转化，再确定放行阈值。

开源权重模型也因此获得新的位置。企业能够在自有环境中训练和部署，保留模型权重、服务方式和版本节奏的控制权。代价是企业要承担训练安全、模型评估、基础设施和持续维护工作。拥有数据并不足够，数据还要能够映射到清楚的业务结果。

Coinbase 的实践最后落在一个朴素的判断上：支付风控不需要一个能够回答所有问题的模型。它需要一个熟悉这类交易、反应足够快、错误能够被衡量，并且始终留在既定权限内的模型。企业 AI 进入生产系统后，最有价值的能力往往来自这类窄而稳定的适配。

本文仅用于法律、政策及行业研究交流，旨在对数字金融、稳定币、数字资产及相关监管动态进行客观分析，不构成任何形式的投资建议、法律意见、税务意见或其他专业建议，也不构成任何金融产品、数字资产或商业项目的推荐、宣传或招揽。文中涉及的监管规则、市场数据及机构信息主要来源于公开资料，可能因法律法规、监管政策、市场环境及项目进展变化而发生调整，请读者结合最新公开信息独立判断，并遵守所在国家或地区适用的法律法规。作者及发布平台不对任何因依赖本文内容所产生的投资、交易或其他商业决策承担责任。