Im Quellenvergleich
Worin die Quellen übereinstimmen
Coinbase hat seine KI-Infrastruktur umgestellt, um Kosten zu senken. Das Unternehmen setzt auf chinesische Open-Source-Modelle wie GLM 5.2 und Kimi 2.7. Durch Maßnahmen wie dynamisches Routing und optimiertes Caching konnte Coinbase seine KI-Ausgaben halbieren, während die Token-Nutzung weiter stieg. Auch andere Unternehmen wie Snowflake und Lindy testen oder nutzen chinesische Modelle als günstigere Alternative.
Worin sie sich unterscheiden
Bewertung der wirtschaftlichen Entwicklung der KI-Branche- Die KI-Blase platzt nicht, aber die Wirtschaftlichkeit von Large Language Models wird für Unternehmen zum Problem.1
Details zur Umstellung bei Coinbase- Coinbase-CEO Brian Armstrong hat das Unternehmen auf chinesische Standard-KI-Modelle umgestellt.2
- Coinbase wechselte aus Kostengründen von teuren westlichen APIs zu günstigeren chinesischen Open-Source-Modellen.1
Nutzungsregelung für Entwickler bei Coinbase- Entwickler dürfen weiterhin jedes Modell nutzen, doch 91 Prozent hätten ihre bisherigen Nutzungslimits nie erreicht.2
- Coinbase setzt auf dynamisches Routing und optimiertes Caching, statt harte Limits zu verhängen.1
Transparenz und Kontrolle des Token-Verbrauchs- Coinbase macht den Token-Verbrauch jedes Entwicklers sichtbar, ohne ihn zu begrenzen. Wer mehr ausgibt, muss mehr Wirkung nachweisen.2
Leistungsfähigkeit chinesischer Modelle- Die neue GLM-5.2 von Zhipu AI erreichte im Codierungstest SWE-bench Pro 62,1 Punkte und übertraf damit GPT-5.5 (58,6). Ihr Kontextfenster umfasst eine Million Token, das API ist etwa zehnmal günstiger als teure Anthropic-Tarife.1
Weitere technische Neuerungen im Juni- Microsoft präsentierte mit Foundry Local für Azure Local einen vLLM-Runtime mit automatischem Speicherplaner, der OOM-Fehler vermeidet.1
- NVIDIA und Microsoft kündigten den Superchip RTX Spark an, der LLMs mit über 120 Milliarden Parametern lokal auf Notebooks ermöglichen soll.1