Глава Coinbase Брайан Армстронг заявил, что компания перевела команду разработчиков на китайские модели GLM 5.2 и Kimi 2.7, которые интегрированы по умолчанию. При этом нейросети от Anthropic и OpenAI по-прежнему доступны для выбора. По оценке самого Армстронга, переход удвоил экономию компании на токенах.
По словам экономистов, подобный переход не означает автоматически падение качества разработки. Китайские фирмы уже несколько лет активно оптимизируют модели для коммерческого использования и зачастую предлагают демократичные цены на запросы. Снижение расходов на токены крайне чувствительно для компаний, где ИИ-сервисы используются постоянно и массово — это прямо влияет на прибыль.
В то же время у такого решения есть риски. Не исключены вопросы к безопасности кода и данным клиентов, если модель обучается на внешних серверах. Кроме того, ряд европейских и американских компаний уже сталкивался с критикой со стороны инвесторов за привлечение китайских ИИ-инструментов в чувствительных областях бизнеса. Окончательный баланс «цена — качество — безопасность» пока сложно оценить однозначно, особенно учитывая заметную разницу в архитектуре GLM 5.2, Kimi 2.7 и привычных американских моделей.
Пользователи в соцсетях по-разному оценивают шаг Coinbase. Одни считают, что это рациональная экономия в условиях нестабильного рынка. Другие подозревают, что качество разработки может снизиться, а риски утечек вырастет. Многие обращают внимание, что пока не хватает независимых сравнительных тестов реальных задач команды Coinbase после перехода.
Сация поучительна тем, что крупная западная компания публично меняет стек технологий ради снижения расходов, а не ради маркетинга. Это показывает, что гонка ИИ-моделей выходит за рамку только американских вендоров. Для стартапов и среднего бизнеса это сигнал: можно и нужно тестировать азиатские аналоги, сравнивая их не только по качеству ответов, но и по стоимости интеграции и обслуживания.
Team-лидам и техническим директорам сейчас стоит внимательно следить за аналогичными кейсами. Если нужно сэкономить на токенах без критической потери качества, имеет смысл запустить пилотный проект: отделить часть некритичных задач, провести A/B-тест моделей и замерить реальную задержку и стоимость на своём продукте.
Если компания активно использует ИИ в разработке, имеет смысл задуматься о персонализированных инструментах и сценариях автоматизации. Например, можно создать своего внутреннего помощника для типовых задач, генерировать шаблоны кода и документации под стиль команды, а также обучать новых сотрудников с помощью уже отлаженного набора промптов и примеров.
Текст подготовлен искусственным интеллектом. Попробовать современные нейросети, включая генерацию контента, автоматизацию рабочих задач, составление технической документации, поиск промптов и обучение без отрыва от процесса, можно на сайте AiGENDA.
