全链网：优化模型与路由，AI成本降，Token使用增，支出降

Coinbase CEO 揭秘：Token 使用飙升，AI 支出反降一半

全链网报道，Coinbase 首席执行官 Brian Armstrong 在 X 平台上分享了一组令人意外的数据：Token 使用量在指数级增长，但 AI 开支不仅没涨，反而接近减半。这背后不是靠“限额”或者“频繁提醒大家省着点用”，而是靠一套更聪明的系统设计。

五个关键维度解析成本控制策略

具体怎么做？Armstrong 拆了五个维度。

第一招：更优默认模型

工程师当然可以自由挑选模型，但系统默认会引导大家走低成本的开源权重路线——比如 GLM 5.2、Kimi 2.7。不是一刀切，而是让“顺手选便宜”成为一种默认习惯。同时，如果你确实需要为特定任务选更贵的模型，也没人拦着。

第二招：智能路由

过去人工选模型，全凭经验和运气。现在系统会自动根据任务类型、缓存命中率、模型价格三者来匹配最优方案。换句话说，AI 自己帮团队算了一笔账，省去了反复试错的人力成本。

第三招：缓存优化

重复计算是成本黑洞，提升缓存命中率就能显著削减这部分开销。道理很简单，但能做到精细化落地并不容易。

第四招：精简上下文

每次任务切换时，很多无效 Token 白白消耗——比如上下文里塞了一堆无关的指令或工具调用。Coinbase 的做法是主动清理冗余，让每一次请求都更“轻”。

第五招：可视化透明度

工程师可以清楚看到自己的使用情况、成本和效果，但公司不靠限制来压使用。说白了，把数据摊在阳光下，让大家自己判断“这笔消耗值不值”。

平衡之道：支撑指数级增长的基础设施

Armstrong 明确说，目标不是抑制 AI 使用，而是搭建能支撑指数级增长的基础设施。从结果看，这条路走通了：Token 使用量持续攀升，整体 AI 支出却接近腰斩。这种“既要又要”的平衡术，值得所有大规模部署 AI 的团队细细琢磨。