Il CEO di Coinbase presenta i modelli AI open-weight cinesi come soluzione alle bollette in aumento
- Il CEO di Coinbase, Brian Armstrong, ha proposto di passare di default a modelli AI open-weight più economici per contenere i costi aziendali dell'IA.
- La proposta ha suscitato scetticismo riguardo ai rischi per la sicurezza e alle tensioni geopolitiche.
- Le restrizioni alle esportazioni statunitensi limitano l'uso dei modelli AI americani all'estero, mentre le alternative open-weight cinesi guadagnano terreno sui benchmark a una frazione del prezzo.
Il CEO di Coinbase ha proposto di sperimentare con modelli AI open-weight più economici per mantenere sotto controllo la spesa AI mentre il consumo di token aumenta.
Questa proposta ha portato a preoccupazioni per la sicurezza e i rischi geopolitici di indirizzare i carichi di lavoro aziendali attraverso sistemi di origine cinese.
Perché le aziende utilizzano modelli AI cinesi?
I controlli all'esportazione degli Stati Uniti hanno reso più difficile per le aziende cinesi accedere ai chip AI americani, ma questo non ha impedito loro di costruire modelli competitivi e venderli a prezzi molto più bassi.
Ad esempio, GLM 5.2 di Zhipu costa $1,40 per milione di token di input e $4,40 per milione di token di output rispetto a Opus 4.8 di Anthropic a $5 e $25 per lo stesso volume.
GLM 5.2 ha ottenuto 62,1 su SWE-bench Pro, un benchmark di codifica chiave, battendo GPT-5.5 di OpenAI a 58,6. Un ricercatore AI ha detto che GLM 5.2 "è almeno buono quanto Opus 4.8 e GPT 5.5".
Un altro lo ha definito "il primo modello open che può davvero competere con i sistemi closed-source".
Coinbase sta utilizzando modelli AI cinesi
Il CEO di Coinbase Brian Armstrong dice che il modo migliore per controllare i costi AI in aumento è utilizzare modelli open-weight più economici, inclusi sistemi dalla Cina come GLM 5.2.
Armstrong ha detto che invece di spendere sempre di più per l'AI, le aziende hanno bisogno di "migliori default, routing e caching". La sua suggerimento di utilizzare modelli cinesi, anche se più economici, ha suscitato preoccupazioni per la sicurezza e i rischi politici.
Oltre al suo prezzo conveniente, GLM 5.2 utilizza una licenza MIT, il che significa che le aziende possono scaricarlo, modificarlo ed eseguirlo sui propri server, eliminando qualsiasi rischio di inviare dati aziendali sensibili a un'API esterna.
La spesa AI è diventata un problema reale, causando il rollback da parte delle aziende dell'uso della tecnologia nelle operazioni.
Cryptopolitan ha recentemente riportato che Uber ha utilizzato l'intero budget di codifica AI 2026 ad aprile e ora limita gli ingegneri a $1.500 per strumento al mese. Meta ha inviato un memo avvisando di un "aumento esponenziale" dell'uso dell'AI e ha iniziato a costruire controlli di spesa. Amazon ha cancellato una classifica interna che classificava i dipendenti in base al consumo di AI perché le persone la manipolavano e facevano aumentare i costi.
Un sondaggio KPMG ha rilevato che solo il 26% delle aziende ha una visibilità completa sui propri costi AI, mentre il 22% scopre la spesa solo dopo aver ricevuto la fattura. Goldman Sachs prevede che il consumo di token AI potrebbe aumentare di 24 volte entro il 2030, raggiungendo 120 quadrilioni di token al mese.
L'International Data Corporation prevede che il 70% delle imprese leader guidate dall'AI utilizzerà più modelli entro il 2028 invece di affidarsi a un singolo provider.
Cosa rende rischiosi i modelli AI cinesi?
L'API cloud di Z.ai, che consente agli sviluppatori e alle aziende di utilizzare i suoi modelli AI (incluso GLM 5.2), rientra nella Legge Nazionale sull'Intelligenza della Cina. Questo solleva reali preoccupazioni per qualsiasi azienda che gestisce informazioni sensibili.
I legislatori statunitensi hanno aperto un'indagine formale a maggio sui rischi di cybersecurity derivanti dai modelli AI di origine cinese nelle infrastrutture critiche.
Ci sono anche preoccupazioni che i modelli addestrati sotto diversi sistemi legali potrebbero comportare comportamenti non dichiarati. Ad aggravare la situazione, un builder AI ha testato GLM 5.2 contro GPT-5.5 su un compito di debugging e ha trovato che non era "nemmeno vicino" alla capacità del modello OpenAI di individuare problemi, nonostante i rapporti che i modelli cinesi superano i loro controparti più costose.
Anthropic ha rivelato in una lettera aperta al Comitato Bancario del Senato che gli operatori di Alibaba Qwen hanno eseguito 28,8 milioni di scambi Claude attraverso circa 25.000 account falsi tra aprile e giugno. Li hanno definiti la più grande campagna conosciuta per rubare le capacità di un modello.
L'auto-hosting dei pesi open elimina il rischio di routing dei dati API, poiché le aziende che eseguono il modello sui propri server non inviano dati in Cina. Ma la preoccupazione per i modelli stessi rimane.
Non limitarti a leggere le notizie sulle criptovalute. Comprendile. Iscriviti alla nostra newsletter. È gratuita.
Domande frequenti
Cosa ha proposto Brian Armstrong per gestire i costi dell'IA di Coinbase?
Armstrong ha dichiarato su X che Coinbase sta sperimentando l'impostazione predefinita di modelli open-weight per gli ingegneri e l'utilizzo di un routing e caching migliori, invece di imporre limiti d'uso o avvisi di spesa, per mantenere stabili i costi dell'IA nonostante la crescita del consumo di token.
Come si confronta GLM 5.2 con i modelli di Anthropic e OpenAI in termini di prezzo?
GLM 5.2 di Zhipu costa 1,40 $ per milione di token in input e 4,40 $ per milione di token in output, rispetto ai 5 $ in input e 25 $ in output per Opus 4.8 di Anthropic, risultando circa cinque volte più economico pur ottenendo punteggi entro quattro punti da Terminal-Bench 2.1.
Perché le aziende stanno riducendo la spesa per l'IA in 2026?
I CFO richiedono ritorni misurabili dopo mesi di fatture imprevedibili. Uber ha consumato l'intero budget per la codifica AI del 2026 entro aprile, Amazon ha smantellato la sua classifica sull'utilizzo dell'AI a causa della produzione di lavoro inutile, e un sondaggio KPMG ha rilevato che solo il 26% delle aziende ha una visibilità completa sui costi dell'AI.
Disclaimer. Le informazioni fornite non costituiscono consulenza finanziaria. Cryptopolitan.com non si assume alcuna responsabilità per eventuali investimenti basati sulle informazioni presenti in questa pagina. Si raccomanda vivamente di effettuare ricerche autonome e/o consultare un professionista qualificato prima di prendere qualsiasi decisione di investimento.
Hannah Collymore
Hannah è una scrittrice e redattrice con quasi un decennio di esperienza nella scrittura di blog e nella copertura di eventi nel settore delle criptovalute. Presso Cryptopolitan, Hannah contribuisce alla pagina delle notizie, riportando e analizzando gli ultimi sviluppi nei settori DeFi, RWA, regolamentazione crypto, intelligenza artificiale e tecnologie emergenti. Si è laureata all'Arcadia University con una laurea in Amministrazione Aziendale.
