據 Woofun AI 消息，美國加密貨幣巨頭 Coinbase 首席執行官布萊恩·阿姆斯特朗近期披露，公司已將核心 AI 模型切換至中國的 GLM 5.2 與 Kimi 2.7，此舉直接導致其 AI 相關支出縮減 50%。

這一決策並非源於業務萎縮，相反，在成本腰斬的同時，Coinbase 的 token 使用量反而呈現上升趨勢。這種'降本增效'的反常現象，正在讓 OpenAI 與 Anthropic 等硅谷傳統巨頭感到前所未有的焦慮，標誌着 AI 基礎設施選型邏輯的根本性逆轉。

實現這一驚人降本效果的核心，在於 Coinbase 構建了一套精密的'成本節約系統'，而非簡單的模型替換。首先，公司部署了自動路由系統，該機制能根據任務複雜度、實時價格及緩存狀態動態匹配模型，確保簡單翻譯任務由廉價模型處理，而高難度推理才調用高性能模型，徹底摒棄了'一刀切'的資源浪費。其次，通過深度優化緩存策略，Coinbase 將緩存命中率從原本的 5% 激增至 60%，這意味着六成請求可直接複用歷史計算結果，大幅削減了單次請求的實際算力成本。最後，團隊全面推行'上下文工程'，要求開發人員爲不同任務開啓獨立會話並精簡背景信息，避免在單次對話中堆砌冗餘內容。Anthropic 在其技術博客中也承認，在管理 AI 智能體時，這種上下文工程策略比傳統的提示工程更爲高效，其本質在於爲模型提供精準信息而非單純追求模型智商的提升。

這一趨勢已迅速從 Coinbase 擴散至整個科技行業，多家企業開始實測中國模型的性價比。擁有 25 名員工的 AI 初創公司 Lindy 已全面棄用 Claude，轉而採用 DeepSeek，其首席執行官 Flo Crivello 向 CNBC 坦言，AI 成本超過人力成本的局面已不可持續，模型切換後爲公司節省了數百萬美元。Snowflake 首席執行官斯里達·拉馬斯瓦米則進行了嚴謹的對比測試：在 103 項編碼任務中，GLM-5.2 的完成率爲 66%，而 Claude Opus 4.7 爲 67%，兩者性能差異微乎其微。

然而價格鴻溝卻觸目驚心：Woofun AI 整理數據顯示，GLM-5.2 的輸入與輸出成本分別爲 1.40 美元和 4.40 美元，而 Claude Opus 4.7 分別爲 5 美元和 25 美元，GPT-5.5 更是高達 5 美元和 30 美元，輸出價格差距高達 5 至 7 倍。

儘管價格優勢顯著，但質量與穩定性的博弈依然存在。Snowflake 的測試數據揭示，GLM-5.2 在部分任務上的首次嘗試成功率僅爲 47.6%，低於 Opus 的 53.7%。

更關鍵的是，GLM 偶爾會出現'固執'的錯誤路徑，例如在某項任務中耗時 24 分鐘、經過 411 次嘗試後仍告失敗，而 Opus 僅用 9 分鐘、49 次嘗試便成功完成。

不過，在大多數常規任務中，兩者的最終成功率幾乎持平。對於企業決策者而言，核心問題已轉化爲是否願意爲幾個百分點的穩定性溢價支付 5 倍成本，越來越多的答案指向否定。對於普通用戶，這一變革同樣具有啓示意義：不應固守 ChatGPT 或 Claude 單一工具，而應像專業用戶一樣，根據任務類型靈活切換模型；

同時，善用緩存機制處理重複任務，並通過簡化上下文信息來提升交互效率，避免在海量歷史記錄中徒勞搜索。

這場模型遷移浪潮正在從根本上重塑 AI 行業的定價邏輯。OpenAI 與 Anthropic 的高估值曾建立在營收持續高速增長的假設之上，但隨着 Coinbase 和 Lindy 等巨頭轉向高性價比替代方案，這一假設正面臨嚴峻挑戰。市場已出現價格戰苗頭，OpenAI 在最新推出的 GPT-5.6 系列中，Terra 模型價格僅爲 GPT-5.5 的一半，Luna 模型則主打極致低價。當美國科技巨頭開始大規模採用中國模型以降低成本時，AI 領域的競爭焦點已從實驗室的基準測試徹底轉向真實的成本之戰，能夠以更低價格完成同等任務，已成爲新的核心競爭力。