Crypto AI 代理的隱藏模型風險

Crypto AI 代理可能在模型切換後仍持續運作，但決策邏輯會變。Anthropic 的模型停用案例顯示，這種風險會直接影響交易與錢包操作。

說真的，這件事比當機更麻煩。Anthropic 在 2026 年 6 月 12 日停用兩個 frontier models，Fable 5 和 Mythos 5。理由是美國政府的出口管制指令。

重點不是哪個模型被關掉，而是整個產品還能跑。介面還在，錢包還能連，Agent 也還會回話。可是背後的模型換了，交易行為也可能跟著變。

真正的風險不是停機

很多人談 AI 代理，第一個想到的是服務掛掉。講白了，這是比較好理解的風險。可是對 crypto 來說，最危險的不是完全停機，而是半正常運作。

App 還能開。API 還能打。使用者看起來也沒事。可是模型換了之後，風控分數、工具選擇、提示詞理解都可能變。原本會拒絕的交易，現在可能放行。

這種變化很陰。UI 幾乎沒變，決策層卻已經不是同一套邏輯。對聊天機器人來說，這只是體驗變差。對會動資金的 DeFAI 工具來說，這是錢的問題。

• 模型換掉了，產品外觀不一定會變。
• 風控和工具調用可能跟著變。
• 使用者不一定知道 fallback 已經啟用。
• 資金操作會直接吃到這個差異。

Off-chain 大腦才是核心

Crypto AI 代理其實活在兩個世界。鏈上負責簽名、執行、結算和驗證。鏈下負責推理，而模型就在那裡。這個分工很合理，但也很容易讓人誤判風險。

區塊鏈很會記錄動作。它不擅長在交易裡跑大型模型。Ethereum 也不是拿來塞 LLM 的地方，所以模型通常放在雲端、API、供應商機房，還有外部資料源上。

只要其中一環變了，Agent 就可能變。它看起來還活著，但推理層已經不同。這也是很多團隊愛講去中心化，卻不太提 inference 其實還是集中式。

• 前端和使用者輸入在本機或網頁端。
• 模型跑在供應商伺服器上。
• 資料源和 RPC 也是外部依賴。
• 真正的鏈上動作，等模型決定後才送出。

Anthropic 停用案例為什麼重要

Anthropic 的案例不是單純的產品維護。它顯示 frontier model 的存取權，可以因為政府指令快速改變。這次是 Fable 5 和 Mythos 5。下次可能換成別家模型。

公司說，問題和一種可能的 jailbreak 方法有關。政府則認為這種技術可能暴露小型軟體弱點。Anthropic 對這個處置範圍有意見，但結果很直接：全球客戶一起失去存取權。

“There is no such thing as a perfect defense,” said Anthropic co-founder and CEO Dario Amodei in a January 2025 statement on AI safety.

這句話放在這裡很貼切。防禦不是只有防 prompt injection。模型存取本身也是防線的一部分。對 crypto 代理來說，供應鏈風險比你想得更早出現。

出口管制已經碰到模型層

這件事不是突然冒出來。Bureau of Industry and Security 在 2025 年 1 月公布 AI Diffusion Rule，把先進晶片和模型權重都拉進管制視野。到了 2025 年 5 月，BIS 又說要撤回那個規則，改成新指引，同時收緊先進 AI 晶片管制。

條文有變，但方向沒變。政府已經把 compute 和 frontier models 當成戰略資產。這代表 AI 層不再只是產品議題，也變成政策議題。

對 crypto 團隊來說，這很現實。你的產品可能全球都能用，但模型供應商未必能服務每個地區。只要供應商被迫縮限，App 可能就要改走弱一點的模型，或直接關掉某些功能。

• 政府動作可以直接切掉模型存取。
• 供應商政策一改，fallback 模型可能變弱。
• 地區限制會把使用者切成不同版本。
• API 和雲端成本上升，也會改變產品行為。

這和智能合約風險不同

Crypto 本來就很懂技術風險。智能合約會有 bug，bridge 會出事，代幣激勵會歪掉。可是模型存取風險是另一種東西，因為合約可能完全沒問題，Agent 的判斷卻變了。

這種差異很重要。合約 bug 通常能從 code review、audit、鏈上行為看出來。模型存取風險常常藏在正常產品後面。App 還能報價、還能簽交易、還能回答問題，但背後可能已經換成 fallback 模型。

所以別只看 token 或 DAO。那不代表 inference 層就去中心化。Ethereum 上有合約，也不代表供應商能不能切斷你的 off-chain 大腦。

你可以先問四件事：

• 它現在到底用哪個模型？
• 模型不能用時會怎樣？
• App 會不會偷偷換模型？
• 推理、資料、執行分別在哪裡發生？

在信任之前，先看這幾件事

比較像樣的 crypto AI 產品，應該把模型存取當成依賴清單，不是行銷字眼。它們要講清楚供應商、fallback、地區限制，還有模型切換會不會影響執行權限。

還有一個更重要的點。它到底能不能自動動錢。這個差別比首頁寫不寫 agent 更重要。只會草擬交易，跟會直接簽交易，是兩種完全不同的風險。

使用者最實際的做法，就是先看 stack 再放錢。去讀 docs，找 fallback policy，檢查有沒有提到 provider dependence。若專案不願意說模型不見時會怎樣，那就是一個警訊。

開發者也別裝沒事。把模型依賴、fallback 行為、切換紀錄都寫出來。當推理引擎變了，使用者應該先知道，再讓它碰錢包。

crypto 的 AI 層該有自己的檢查表

Crypto AI 代理確實能做事，但它們做事的基礎不是自己擁有的基礎設施。這讓模型存取風險變成第一層問題，尤其當政府開始把 frontier models 當戰略資產時。

下一個問題很直接。DeFAI 團隊會不會開始公布模型依賴，像交易所公布託管和資安資訊那樣。若有這種做法，使用者才看得出來，哪個是能控制風險的代理，哪個只是看起來很自主。

我的判斷很簡單。只要 AI 代理能動你的錢，你就該假設模型也能很快改變你的風險輪廓。別只看它今天多會講話，先看它明天還是不是同一個腦袋。