Coinbase ha annunciato un cambio di rotta significativo nella sua strategia di intelligenza artificiale: per ridurre i costi, l’exchange ha adottato come impostazione predefinita due modelli linguistici cinesi, GLM 5.2 di Zhipu AI e Kimi K2.7 Code di Moonshot AI. La scelta, comunicata dal CEO Brian Armstrong, ha già permesso di tagliare del 50% le spese legate all’AI, ma porta con sé domande sul delicato equilibrio tra efficienza economica e rischi di sicurezza.
La caccia al risparmio spinge verso modelli alternativi
Nel settore crypto come in tutta l’industria tech, i costi di inferenza e addestramento dei modelli AI sono esplosi con la corsa all’intelligenza artificiale generativa. Coinbase, pur mantenendo un approccio pragmatico – Armstrong ha sottolineato che l’azienda valuta costantemente le migliori opzioni disponibili – ha visto nei modelli cinesi un’opportunità concreta di abbattimento dei costi. Non si tratta di un passaggio a servizi cloud esteri, ma di modelli “open weight” scaricabili ed eseguibili sulla propria infrastruttura, senza dipendere da API di terze parti.
Cosa offrono GLM 5.2 e Kimi K2.7 Code
GLM 5.2, sviluppato da Zhipu AI, è un modello linguistico generalista con una finestra di contesto di 128K token, ottimizzato per compiti di ricerca e generazione di testo in più lingue. Kimi K2.7 Code, invece, è una variante specializzata di Moonshot AI pensata per la generazione e la comprensione di codice, con supporto nativo per oltre 80 linguaggi di programmazione e un contesto di 256K token. Entrambi sono distribuiti con licenze permissive che ne permettono l’uso commerciale e la modifica.
Sicurezza: il nodo irrisolto dei modelli cinesi
La provenienza dei modelli solleva inevitabili interrogativi. Negli ultimi anni, governi e aziende occidentali hanno espresso crescenti preoccupazioni sull’uso di tecnologia sviluppata in Cina, in particolare per il rischio di backdoor o di manipolazione dei dati. Tuttavia, la scelta di Coinbase di eseguire i modelli in locale, su server proprietari, riduce l’esposizione: i dati sensibili non transitano su reti esterne e l’infrastruttura rimane sotto il controllo dell’azienda. Armstrong ha inoltre ribadito che l’adozione non è esclusiva e che Coinbase continuerà a testare nuovi modelli, pronta a cambiare qualora emergessero criticità o soluzioni migliori.
Cosa significa per chi legge
Per professionisti e aziende che osservano il mercato AI, la mossa di Coinbase indica tre tendenze chiave:
- La convenienza economica può spingere anche grandi player a considerare fornitori non tradizionali, specialmente se i modelli sono auto-ospitati e open weight.
- La qualità dei modelli cinesi è competitiva – nessun calo di performance segnalato, anzi i benchmark interni mostrano risultati paragonabili a quelli occidentali.
- Il fattore fiducia resta centrale: ogni organizzazione deve valutare il rapporto tra risparmio, trasparenza del codice e rischi geopolitici, predisponendo audit e policy di utilizzo chiare.
In un panorama in cui i costi dell’AI minacciano la sostenibilità di molti progetti, l’esperimento Coinbase suggerisce che il mercato si sta rapidamente multipolarizzando, con alternative concrete fuori dalla Silicon Valley.