美国科技巨头集体转向中国大模型：Coinbase将智谱GLM 5.2和Kimi K2.7 Code设为默认模型
引言
2026年6月30日，一则来自美国科技圈的消息引发了广泛关注。Coinbase首席执行官Brian Armstrong在社交平台披露，公司已将智谱GLM 5.2和月之暗面Kimi K2.7 Code设为全体工程师的默认大模型。这一举措并非孤立事件，而是近期美国科技巨头集体转向中国大模型趋势的缩影。
Coinbase的模型迁移决策
根据公开信息，Coinbase此次模型选择调整的核心考量在于成本效益。该公司将日常编程、代码审查、文档总结等常规任务路由至GLM 5.2和Kimi K2.7 Code，而复杂规划或新颖推理等高难度任务仍保留升级至更强大系统的选项。数据显示，91%的工程师使用场景从未达到此前美国模型的配额上限，这意味着对于大多数日常工作，国产模型已能够提供足够的能力支撑。
更广泛的行业趋势
Coinbase的选择反映了正在发生的更广泛变化。Airbnb已将客服模型从GPT切换到阿里千问；AI公司Lindy将模型从Anthropic Claude迁移至DeepSeek V4后，推理成本降低90%；Snowflake首席执行官经过测算认为，GLM 5.2能够以远低于Claude的价格实现相当的性能表现。此外，火山引擎方舟Coding Plan与Agent Plan也已同步接入DeepSeek V4系列模型。
技术层面的考量
从技术架构来看，这一波模型迁移背后有着明确的效率逻辑。GLM 5.2采用混合专家（MoE）架构，总参数约7440亿，但每次前向传播仅激活约400亿参数；Kimi K2.7 Code同样为MoE模型，总参数1万亿，每token激活约320亿参数。这种按需激活的设计大幅降低了推理成本，同时保持了较强的模型能力。Kimi K2.7 Code支持256K上下文窗口，并原生支持文本、图像和视频输入，适合处理代码库级别的复杂任务。
市场格局的演变
这一系列动向表明，全球AI模型市场正在从单纯追求性能峰值，转向性能与成本的综合平衡。中国大模型在开源许可、推理成本、上下文长度等维度的优势，正在被越来越多的国际企业所认可和采用。对于开发者而言，模型选择不再是单一的"最强即最好"，而是需要根据具体任务需求、预算约束和部署环境做出理性决策。
结语
Coinbase等美国科技公司的实践，为中国大模型的国际竞争力提供了来自市场的验证。这一趋势是否会持续扩大，仍有待观察。但可以肯定的是，全球AI模型竞争已经进入一个更加多元和务实的阶段，成本效益、开源生态和实际部署表现，正成为影响企业选择的关键因素。
