Coinbase 发布者平台的账号近日在社交媒体上发布推文，表示该公司利用 16,140 笔交易（其中 813 笔为确认的欺诈交易），对多款主流大模型进行了风控测试。测试对比了 Opus 4.5 与 Opus 5、Sonnet 4.6 与 Sonnet 5，以及 GPT-5.4 与 GPT-5.6 两组模型。结果显示，三款新版模型在几乎所有指标上均表现不及旧版模型。
Coinbase 分析，新旧模型性能差异的原因可能涉及决策边界与提示词行为的变化、训练数据构成及任务优先级的转变，以及后训练过程中做出的取舍。基于测试结果，Coinbase 已将其法币入金服务 Onramp 的风控 Agent 迁移至开放权重模型，并对其进行了特定领域的后训练，以提升风控效果。
