Brian Armstrong, da Coinbase, publicou uma postagem esta manhã que já teve 480 mil visualizações: eles pegaram o Qwen3.5-9B, de código aberto, ajustaram-no com os próprios dados de gestão de risco e especializaram-no em combate à fraude. O modelo superou grandes modelos de ponta de código fechado — é mais preciso, mais rápido e mais barato.
As contas dos engenheiros (números divulgados publicamente por eles):
· Custo de treinamento < 100 dólares, usando uma única GPU
· Teste A/B em produção: como uma camada extra de revisão, reduziu os casos de fraude em 30% e o valor das perdas em 22%
· Latência mediana < 1 segundo
Minha opinião:
1) Os grandes modelos são generalistas; a gestão de risco precisa de especialistas. 9B de parâmetros + dados exclusivos conhecem melhor os golpistas que atacam a sua empresa do que 1T de parâmetros + dados públicos. A vantagem competitiva está nos dados, não no modelo.
2) Para corretoras e carteiras, isso significa que a prevenção de fraudes on-chain será cada vez mais “local”: cada empresa treina seu próprio modelo pequeno com seus próprios exemplos de fraude. Endereços de phishing, falsos atendentes e armadilhas de autorização — o custo de detectar tudo isso poderá cair para perto de zero.
3) Mas o modelo só consegue bloquear coisas que “parecem golpes”. Se você entregar sua frase-semente por vontade própria, nem o melhor modelo poderá salvá-lo. A última linha de defesa sempre será você: acesse pelos favoritos, não assine autorizações que não entende e desligue antes de retornar a ligação do suporte.
Os cem dólares do treinamento não dariam nem para pagar um jantar decente para uma moça bonita. Mas aqueles 30% economizados dão para muitos jantares 😏
#AI #反诈 #SegurançaOnChain
As contas dos engenheiros (números divulgados publicamente por eles):
· Custo de treinamento < 100 dólares, usando uma única GPU
· Teste A/B em produção: como uma camada extra de revisão, reduziu os casos de fraude em 30% e o valor das perdas em 22%
· Latência mediana < 1 segundo
Minha opinião:
1) Os grandes modelos são generalistas; a gestão de risco precisa de especialistas. 9B de parâmetros + dados exclusivos conhecem melhor os golpistas que atacam a sua empresa do que 1T de parâmetros + dados públicos. A vantagem competitiva está nos dados, não no modelo.
2) Para corretoras e carteiras, isso significa que a prevenção de fraudes on-chain será cada vez mais “local”: cada empresa treina seu próprio modelo pequeno com seus próprios exemplos de fraude. Endereços de phishing, falsos atendentes e armadilhas de autorização — o custo de detectar tudo isso poderá cair para perto de zero.
3) Mas o modelo só consegue bloquear coisas que “parecem golpes”. Se você entregar sua frase-semente por vontade própria, nem o melhor modelo poderá salvá-lo. A última linha de defesa sempre será você: acesse pelos favoritos, não assine autorizações que não entende e desligue antes de retornar a ligação do suporte.
Os cem dólares do treinamento não dariam nem para pagar um jantar decente para uma moça bonita. Mas aqueles 30% economizados dão para muitos jantares 😏
#AI #反诈 #SegurançaOnChain