Coinbase se suma a la adopción de modelos de IA chinos mientras laboratorios occidentales enfrentan presión de precios

Coinbase apuesta por IA china y reduce costos a la mitad

La migración hacia modelos de inteligencia artificial más económicos está redefiniendo estrategias corporativas. Coinbase ha implementado un sistema basado en modelos chinos que le permite duplicar su uso de tokens mientras reduce drásticamente su factura tecnológica.

¿Qué ha pasado?

Coinbase ha migrado su infraestructura de IA hacia modelos chinos GLM 5.2 y Kimi 2.7, implementando un sistema de enrutamiento automático que selecciona el modelo óptimo según el tipo de tarea y consideraciones de precio. Esta estrategia ha permitido a la empresa reducir su gasto en inteligencia artificial a la mitad mientras incrementa significativamente el volumen de tokens procesados.

El cambio más notable se refleja en la optimización de caché: Coinbase ha mejorado su tasa de caché del 5% al 60%, lo que significa un aprovechamiento mucho más eficiente de los recursos computacionales. El sistema de enrutamiento evalúa automáticamente cada consulta y la dirige al modelo más apropiado, equilibrando rendimiento y costos sin intervención manual.

Esta implementación representa un giro estratégico significativo, abandonando la dependencia exclusiva de laboratorios occidentales para diversificar su stack tecnológico con alternativas asiáticas que ofrecen relaciones precio-rendimiento más competitivas.

Por qué importa

Esta decisión señala una tendencia emergente en la industria: las empresas priorizan la eficiencia económica sobre la lealtad a proveedores tradicionales. Para compañías que procesan grandes volúmenes de datos como Coinbase, los costos de inferencia representan una partida presupuestaria crítica que impacta directamente en márgenes operativos.

La presión de precios sobre laboratorios occidentales se intensifica cuando clientes importantes demuestran que alternativas más económicas pueden satisfacer requisitos de producción. Esto podría forzar ajustes de precios o acelerar innovaciones en eficiencia por parte de proveedores establecidos como OpenAI, Anthropic o Google.

Para desarrolladores y equipos técnicos, el caso Coinbase valida la viabilidad de sistemas multi-modelo con enrutamiento inteligente. Esta arquitectura no solo optimiza costos, sino que permite aprovechar fortalezas específicas de diferentes modelos según el contexto de uso. La mejora en caché del 60% demuestra que hay margen significativo para optimizar infraestructuras existentes más allá de simplemente cambiar proveedores.

Métrica	Antes	Después
Gasto en IA	100%	50%
Tasa de caché	5%	60%
Uso de tokens	Baseline	Incrementado

Contexto

Tradicionalmente, las empresas tecnológicas occidentales han dependido de modelos de OpenAI, Anthropic o Google para sus necesidades de IA. Sin embargo, el rápido desarrollo de capacidades en China ha generado alternativas competitivas con precios significativamente menores.

Laboratorios chinos como Zhipu AI (creador de GLM) y Moonshot AI (desarrollador de Kimi) han invertido agresivamente en modelos optimizados que compiten en rendimiento mientras mantienen costos operativos reducidos. Esta dinámica crea presión sobre proveedores occidentales, que enfrentan estructuras de costos más elevadas.

El movimiento de Coinbase no es aislado: otras empresas exploran estrategias similares ante el aumento exponencial en volúmenes de procesamiento. La arquitectura de enrutamiento automático representa una evolución natural, permitiendo aprovechar el mejor modelo para cada tarea específica en lugar de comprometerse con un único proveedor.

---

Fuente: The Decoder