📡 Signal｜Coinbase、9B の微調整モデルが不正検知で Opus 4.5 超え

Coinbase は10月8日公開の技術ブログで、アリババの公開重みモデル Qwen3.5-9B を自社の不正取引データで追加学習させ、暗号資産の購入サービス Onramp の不正検知で Anthropic の Opus 4.5 を検知 4 指標すべてで上回ったと報告した。オンライン推論の応答時間も中央値で 55% 短く、API で借りる大型モデルに対し、自社データで鍛えた 90 億パラメータの小型モデルが専門業務で勝てることを数字で示した。

Brian Armstrong CEO は10月12日朝 (日本時間)、この結果を X で紹介し、同じパターンが今後増えるとの見方を添えた。Coinbase が Anyscale と組んだ「Owning Intelligence」連載の最終回にあたる。

4 指標の差はポイントで測られている

Coinbase が公開した図は、追加学習後の Qwen3.5-9B と、Opus 4.5 を判定役に据えたエージェントを同じベンチマークで比べている。差はすべてパーセンテージポイントで示され、相対の伸び率ではないと図に注記がある。

• 適合率 (不正と判定したうち本当に不正だった割合) +7.5 ポイント
• 再現率 (不正のうち見逃さずに捕まえた割合) +12.0 ポイント
• F1 (適合率と再現率の調和平均) +9.6 ポイント
• ドル加重の再現率 +35.4 ポイント

最も開いたのは金額で重みを付けた再現率だ。件数で数えた再現率の差は 12 ポイントにとどまるが、金額で数えると 35 ポイントを超える。被害額の大きい不正ほど、追加学習したモデルが拾えていることになる。

同じ図には、追加学習前の Qwen3.5-9B との比較も並ぶ。F1 で +23.0 ポイント、ドル加重の再現率で +45.1 ポイント。素の 9B モデルは Opus 4.5 に届いておらず、差を生んだのはモデルの素性より、Coinbase の不正データで重みを動かした工程のほうだ。

重みに手が届くかどうか

Coinbase は小型モデルの追加学習に踏み込んだ理由を、API の境界で手が止まったことに置いている。Opus 4.5 を API で使う限り、手を入れられるのはプロンプトとエージェントの枠組み、モデルの版の選択までで、Onramp の不正パターンに合わせて重みを変えることはできなかった。

学習には Anyscale 上の強化学習フレームワーク SkyRL を使い、取引の確定結果に基づく報酬で鍛えた。提供は Ray Serve LLM と vLLM で行っている。報道によれば、Coinbase は学習費用を NVIDIA RTX PRO 6000 (96GB) 1 枚で 100 ドル未満と説明している。

応答時間の図では、LLM 呼び出しの中央値 (P50) が Opus 4.5 の 1.515 秒に対して 0.683 秒、呼び出しの 99% が収まる上限 (P99) は 3.312 秒に対して 1.036 秒だった。待ち時間の裾が 3 分の 1 以下に縮んでいる。

数字が届く範囲

ベンチマークは Coinbase 内部の非公開データで、第三者が同じ条件で再現することはできない。対象は Onramp の不正判定という 1 つの業務に限られ、汎用の性能比較ではない。応答時間の図も、計測の対象はオンラインの LLM 呼び出しで、購入手続き全体の所要時間ではないと注記されている。

連載第 1 回のオンライン A/B 試験で出た「不正取引の件数 30% 減・被害額 22% 減」は、既存の機械学習モデルとルールの上に LLM のリスク判定エージェントを重ねた構成全体の結果だ。エージェントが返すのはリスクの段階だけで、取引を通すかどうかの最終判断は既存の仕組みが持つ。9B モデル単体の成果として読む数字ではない。

Armstrong 氏は投稿で「はるかに低いコスト」とも書いたが、図が示すのは検知性能と応答時間で、推論 1 件あたりの費用は出ていない。費用で公表されているのは学習側の数字だけだ。

教師データを毎日積む業種の選択肢

暗号資産の取引所は、不正の確定結果という教師データを毎日自前で積み上げる業種だ。その種のデータを持つ企業にとって、フロンティアモデルの API 料金は「借り続ける」費用から「乗り換えられる」費用に変わり始めた。AI 投資の主戦場が巨大モデルの学習から、各社の手元データで小型モデルを仕上げる工程へ広がるなら、資金と計算資源の流れ先も変わる。

確認先は 2 つ。1 つは Coinbase の次の四半期決算 (第 3 四半期) の株主向けレターで、不正損失や AI 関連費用に今回の置き換えが数字として出てくるかを見る。もう 1 つは Coinbase の技術ブログの Engineering 欄で、Onramp 以外の業務 (本人確認や顧客対応) に同じ手法を広げた続報が出るかどうかだ。

ことば

• オープンウェイト — 学習済みの重み (パラメータ) が公開され、利用者が自分の環境で動かしたり追加学習したりできるモデル。API 経由でしか使えないモデルと違い、重みそのものを書き換えられる。
• ポストトレーニング — 事前学習を終えたモデルに、特定の目的のための追加学習をかける工程。今回は取引の確定結果を報酬にした強化学習で、不正判定に合わせて重みを動かした。
• ドル加重の再現率 — 不正をどれだけ見逃さずに捕まえたかを、件数ではなく金額で重み付けして測る指標。小口の不正より高額の不正を捕まえることを重く評価する。

🔗 一次ソース

• Coinbase 公式ブログ「Owning Intelligence」第3回 (2026年10月8日) — Qwen3.5-9B のポストトレーニング、Opus 4.5 比で検知 4 指標すべて上回る、オンライン推論の遅延 55% 減coinbase.com
• Brian Armstrong (Coinbase CEO) の X 投稿 — 同ブログの図 2 (Opus 4.5・追加学習前モデル比のポイント差) と P50/P99 遅延の図を添付
• Crypto Briefing (2026年10月11日) — 学習費用 100 ドル未満・RTX PRO 6000 (96GB) 1 枚、Onramp のリスク判定エージェントの位置づけCrypto Briefing
• TokenPost (2026年10月12日) — 第 1 回の A/B 試験の数値はエージェント構成全体の結果で 9B 単体ではないことを区別토큰포스트