Coinbase berichtete, dass ein nachtrainiertes, offengewichtiges Modell die Betrugserkennung für den Onramp-Zahlungsfluss verbessern kann, gleichzeitig mit geringerer Latenz und deutlich niedrigeren Trainingskosten. Das Unternehmen bewertete Modelle auf einem proprietären Onramp-Benchmark mit 16.140 Transaktionen von 7.293 Nutzern, darunter 813 bestätigte Betrugsfälle. Ein per Reinforcement Learning spezialisiertes Qwen3.5-9B übertraf Frontier-Systeme in vier Metriken — Precision, Recall, F1-Score und dollar-weighted Recall — mit Abständen zwischen etwa 7,5 und 35,4 Prozentpunkten. Die mediane End-to-End-LLM-Latenz betrug für Qwen 0,683 Sekunden gegenüber 1,515 Sekunden für Opus 4.5, eine Reduktion um 55 %. Coinbase nannte zudem, dass das Training der Qwen-Variante unter 100 Dollar auf einer einzelnen NVIDIA RTX PRO 6000 96GB GPU gekostet habe.
In einem A/B-Test reduzierte ein zusätzlicher, auf LLM basierender Risiko-Agent, der über bestehenden Modellen und Regeln liegt, die Anzahl betrügerischer Transaktionen um 30 % und verringerte den Dollarwert des Betrugs um 22 % in der Gruppe mit zusätzlicher Prüfung; Coinbase schätzte, dass die Einsparungen etwa das Dreifache der Modellbetriebskosten ausmachten. Der Agent liefert ausschließlich ein Risikoniveau, sodass vorgelagerte Entscheidungslogiken unverändert bleiben; er kann Transaktionen blockieren, die frühere Prüfungen passiert haben, jedoch keine bereits vorgenommene Sperrung aufheben.
Parallel dazu zeigte ein historisches Replay, dass neuere Versionen geschlossener Modelle — Opus 5, Sonnet 5 und GPT-5.6 — gegenüber ihren Vorgängern bei mehreren Betrugserkennungsmaßen schlechter abschnitten: neuere Releases zeigten niedrigeren Recall und dollar-weighted Recall in diesem fixierten Test, während GPT-5.6 zwar Precision erhöhte, aber Recall verlor. Coinbase betont Einschränkungen: Der Benchmark ist proprietär und das Replay weist nicht auf Kundenverluste oder Ursachen für Regressionen hin. Die strategische Schlussfolgerung lautet, dass für enge operative Entscheidungsumgebungen nachtrainierte Spezialmodelle, die auf interne Ergebnisse und Beschränkungen abgestimmt sind, Generalisten übertreffen können und Anbieter Modelle innerhalb ihrer Entscheidungs- konfiguratio n unter Berücksichtigung von Latenz, Zuverlässigkeit und Kosten testen sollten.