「龙虾」OpenClaw 在国内彻底火了，火到连马化腾都在朋友圈转发腾讯免费安装开源 AI 智能体 OpenClaw 的相关报道，留言「没有想到会这么火」。
「过去一周左右，我一直在使用一个数字助手，它知道我的名字，了解我早晨的日常习惯，知道我喜欢如何使用 Notion 和 Todoist，同时它还能控制 Spotify 和我的 Sonos 音箱、飞利浦 Hue 灯，以及我的 Gmail。它基于 Anthropic 的 Claude Opus 4.5 模型运行，但我通过 Telegram 与它交流。我给这个助手命名为 Navi，Navi 甚至能接收我的音频消息，并使用最新的 ElevenLabs 文本转语音模型生成其他音频消息进行回应。哦，对了，我还没提到 Navi 可以通过新功能进行自我改进，而且它正在我自己的 M4 Mac Mini 服务器上运行？」
上面这段案例分享的文章作者还提到，他已经在 Anthropic API 上烧掉了 1.8 亿个 token，可能花了 2000 美元来「养龙虾」。
听上去可能会感觉，「养龙虾」的成本可不低，并且能做的事情好像也没有那么高大上，它更像是一个能够用人的方式与人交流、能帮助人类完成更多自动化工作的「XX 精灵」。实际上，这也就是「龙虾」在现阶段能够发挥的作用——一个「AI 助手」。
如果我们观察一下 ClawHub 上的安装量排行前 100 并进行一个大致的分类，我们更能体会到，用大模型来做这些事情，很多情况下可能是「杀鸡用牛刀」：
- 信息获取类：从各种来源（外部链接、本地文件、API）搜索、提取、整合和总结信息。实际用例包括让你的 Google、百度等搜索经过 AI 优化和总结、让「龙虾」每天给你发天气预报、发比特币实时价格等等。
- 生产力（工作流自动化）类：处理电子邮件、Notion、Github、Obsidian、Slack 等，并且能够进一步实现跨平台任务自动化，简化工作流程，一个入口解决多平台的事情。
- 开发者工具类：面向开发者和技术用户的专业工具，提供代码管理、API 交互、服务器管理等功能。能够提升开发效率，实现代码、测试、部署的自动化。这类是程序员有感，比如用命令行与 GitHub 交互，处理 issue、PR、CI 运行和高级查询。
- 内容创作类：利用 AI 的生成能力，创建或编辑文本、图像、音频等多媒体内容。
- 物联网控制类：连接并控制智能家居设备、音响系统等智能家居硬件。比如让家里的窗帘和灯在指定的时间开关。
综合下来看，「龙虾」的爆火不是因为上述事情能够做得多优秀，而是它能像一个「秘书」一样做得够全面。比起大多数用户可能只单纯把某个 AI 工具当作搜索引擎或是自动 P 图软件来用，「龙虾」能让人用 Telegram 之类的聊天软件，和老板一样并且用聊天的方式向它下达多类型任务。这样的新奇感在口耳相传的过程中会被放大，可以说是 AI 走进人们生活以来从未有过的。
我们甚至可以用更乐观的角度来看待「龙虾」目前似乎无事可做的阶段。在 iPhone 的早期，我们只能用它来玩玩平衡球、愤怒的小鸟、水果忍者等「展示了触摸屏能怎么用」的游戏。从游戏本身的内容和趣味性上来说，它们甚至没有诺基亚大量的 JAVA 游戏好玩。但现在，年轻人们用手机玩王者荣耀、三角洲行动，甚至有很多人只玩手游，不玩端游。
如果我们把目光投向如今的加密货币市场，「龙虾」很可能再次大幅降低加密货币与大众之间的学习门槛，并切实解决大众广泛的投资需求。
这里所指的当然不是炒 meme 或是用「龙虾」发币。现如今，链上的可供交易的资产类别已经越来越丰富，美股、原油、黄金、宝可梦卡牌... 我们都能够在链上去中心化、全天候、无门槛地进行交易。这个交易量一点都不小，2 月 6 日，Hyperliquid 链上 Perp DEX、以美股交易为主的 Trade.xyz 24 小时成交额达 54.5 亿美元，创下历史新高。
资讯发达的年代，阻挡我们捕捉新投资机会的往往是「不得其门而入」。比如前段时间，内存价格暴涨，大家都能够知道这个讯息，但要直接去购买 SK 海力士的股票，对于非韩国国民来说就比较麻烦。开户、资金结算等等，阻碍了大众第一时间对这些讯息做出即时的投资动作。
但如果路径变成：
- 让「龙虾」拥有一个钱包
- 通过信用卡购买稳定币，为「龙虾」钱包注入资金
- 告诉「龙虾」你要投资的具体标的
- 「龙虾」在链上完成买入/卖出
而这些都是通过与朋友聊天一样的方式来简单完成的，这对「龙虾」与加密货币来说，无疑会是一个爆炸性的增长机会。
我们还拥有预测市场，因此我们还可以想象更多。比如在坐出租车的时候，和司机谈天说地。司机说他认为下一任美国总统是 A，你认为是 B，争执不下的时候，你用语音转文字对你的「龙虾」下达了一个指令——帮我下注 100 美元 B 会胜出。
你的「龙虾」理解了你的意图，自动寻找了流动性最好的预测市场来下单。司机立马跟上，通过车机系统的语音操作，直接也用「龙虾」在预测市场上押注了 100 美元 A 会胜出。
甚至于「龙虾」可能也要出台未成年人消费的管制功能，以防止小朋友们在互相炫耀自己的宝可梦卡牌时通过「龙虾」在链上的卡牌市场上冲动型消费。
如果说 pump.fun 引起的「万物代币化」meme 币风潮是注意力经济的 1.0 版本，那么「龙虾」这种普通人更简单使用 AI 的新范式就有可能成为 2.0 版本——它能够在链上寻找到一切我们想要即时投资的标的以及渠道，并且按照我们的意图执行。更甚者，它会让链上生态从投资进一步拓展到消费，真正打开区块链多年来追求的 Mass Adoption。
未来正在发生。
","is_original":true,"link":"https://m.theblockbeats.info/news/61498","pic":"https://image.blockbeats.cn/file_v6/20260310/a09e01b3-3264-41cd-8055-68daa8597134.png?x-oss-process=image/quality,q_50/format,webp","column":"","create_time":"1773137401"},{"title":"OpenClaw省钱攻略：月省两万，我做对了什么？","description":"不要让它反复读旧东西","content":"原文标题：Why My OpenClaw Sessions Burned 21.5M Tokens in a Day (And What Actually Fixed It)
原文作者：MOSHIII
编译：Peggy，BlockBeats
编者按：在 Agent 应用快速普及的当下，许多团队发现一个看似反常的现象：系统运行一切正常，但 token 成本却在不知不觉中持续攀升。本文通过对一次真实 OpenClaw 工作负载的拆解发现，成本爆炸的原因往往并不来自用户输入或模型输出，而是被忽视的上下文缓存重放（cached prefix replay）。模型在每一轮调用中反复读取庞大的历史上下文，从而产生巨量 token 消耗。
文章结合具体 session 数据，展示了工具输出、浏览器快照、JSON 日志等大型中间产物如何被不断写入历史上下文，并在 agent 循环中被重复读取。
通过这一案例，作者提出了一套清晰的优化思路：从上下文结构设计、工具输出管理到 compaction 机制配置。对于正在构建 Agent 系统的开发者而言，这不仅是一份技术排查记录，也是一份真金白银的省钱攻略。
以下为原文：
我分析了一次真实的 OpenClaw 工作负载，发现了一个我认为很多 Agent 用户都会认出来的模式：
token 使用量看起来很「活跃」
回复看起来也很正常
但 token 消耗却突然爆炸式增长
下面是这次分析的 结构拆解、根本原因，以及实际可行的修复路径。
TL;DR
最大的成本驱动因素 并不是用户消息太长。而是巨量的缓存前缀（cached prefix）被反复重放。
从 session 数据来看：
总 tokens：21,543,714
cacheRead：17,105,970（79.40%）
input：4,345,264（20.17%）
output：92,480（0.43%）
换句话说：大多数调用的成本，其实并不是在处理新的用户意图，而是在反复读取巨大的历史上下文。
「等等，怎么会这样？」的时刻
我原本以为高 token 使用量来自：非常长的用户 prompt、大量输出生成、或者昂贵的工具调用。
但真正主导的模式是：
input：几百到几千 token
cacheRead：每次调用 17 万到 18 万 token
也就是说，模型 每一轮都在反复读取同一个巨大的稳定前缀。
数据范围
我分析了两个层面的数据：
1、运行时日志（runtime logs）
2、会话记录（session transcripts）
需要说明的是：
运行日志主要用于观察行为信号（如重启、报错、配置问题）
精确的 token 统计来自 session JSONL 中的 usage 字段
使用的脚本：
scripts/session_token_breakdown.py
scripts/session_duplicate_waste_analysis.py
生成的分析文件：
tmp/session_token_stats_v2.txt
tmp/session_token_stats_v2.json
tmp/session_duplicate_waste.txt
tmp/session_duplicate_waste.json
tmp/session_duplicate_waste.png
Token 实际消耗在哪里？
1）Session 集中
有一个 session 的消耗远高于其他：
570587c3-dc42-47e4-9dd4-985c2a50af86：19,204,645 tokens
然后是明显断崖式下降：
ef42abbb-d8a1-48d8-9924-2f869dea6d4a：1,505,038
ea880b13-f97f-4d45-ba8c-a236cf6f2bb5：649,584
2）行为集中
token 主要来自：
toolUse：16,372,294
stop：5,171,420
说明问题主要出在 工具调用链循环，而不是普通聊天。
3）时间集中
token 峰值并不是随机的，而是集中在几个小时段：
2026-03-08 16:00：4,105,105
2026-03-08 09:00：4,036,070
2026-03-08 07:00：2,793,648
巨大的缓存前缀里到底有什么？
并不是对话内容，而主要是 大型中间产物：
巨大的 toolResult 数据块
很长的 reasoning / thinking traces
大型 JSON 快照
文件列表
浏览器抓取数据
子 Agent 的对话记录
在最大 session 中，字符量大约是：
toolResult:text：366,469 字符
assistant:thinking：331,494 字符
assistant:toolCall：53,039 字符
一旦这些内容被保留在历史上下文中，后续每次调用都可能 通过 cache 前缀重新读取它们。
具体示例（来自 session 文件）
在以下位置反复出现了 体量巨大的上下文块：
sessions/570587c3-dc42-47e4-9dd4-985c2a50af86.jsonl:70
大型网关 JSON 日志（约 3.7 万字符）
sessions/570587c3-dc42-47e4-9dd4-985c2a50af86.jsonl:134
浏览器快照 安全封装（约 2.9 万字符）
sessions/570587c3-dc42-47e4-9dd4-985c2a50af86.jsonl:219
巨大的文件列表输出（约 4.1 万字符）
sessions/570587c3-dc42-47e4-9dd4-985c2a50af86.jsonl:311
session/status 状态快照 大型 prompt 结构（约 3 万字符）
「重复内容浪费」vs「缓存重放负担」
我也测量了 单次调用内部的重复内容比例：
重复比例约：1.72%
确实存在，但并不是主要问题。
真正的问题是：缓存前缀的绝对体量太大
结构是：巨大的历史上下文、每轮调用重新读取、上面只叠加少量新的输入
因此优化重点不是去重，而是上下文结构设计。
为什么 Agent 循环特别容易出现这个问题？
三个机制互相叠加：
1、大量工具输出被写入历史上下文
2、工具循环会产生大量短间隔调用
3、前缀变化很小 → cache 每次都会重新读取
如果 context compaction 没有稳定触发，问题会迅速放大。
最重要的修复策略（按影响排序）
P0—不要把巨大的工具输出塞进长期上下文
对于超大工具输出：
·保留摘要 引用路径 / ID
·原始 payload 写入 文件 artifact
·不要把完整原文保留在 chat history
优先限制这些类别：
·大型 JSON
·长目录列表
·浏览器完整快照
·子 Agent 完整 transcript
P1—确保 compaction 机制真正生效
在这份数据中，配置兼容性问题多次出现：compaction key 无效
这会悄悄关闭优化机制。
正确做法：只使用版本兼容配置
然后验证：
openclaw doctor --fix
并检查启动日志确认 compaction 被接受。
P1—减少 reasoning 文本持久化
避免长推理文本被反复 replay
生产环境中：保存简短摘要，而不是完整 reasoning
P2—改善 prompt caching 设计
目标 不是最大化 cacheRead。目标是，在紧凑、稳定、高价值的前缀上使用 cache。
建议：
·把稳定规则放进 system prompt
·不要把不稳定数据放进稳定前缀
·避免每轮注入大量 debug 数据
实操止损方案（如果是我明天要处理）
1、找出 cacheRead 占比最高的 session
2、对 runaway session 执行 /compact
3、对工具输出加入 截断 artifact 化
4、每次修改后重新跑 token 统计
重点追踪四个 KPI：
cacheRead / totalTokens
toolUse avgTotal/call
>=100k token 的调用次数
最大 session 占比
成功的信号
如果优化生效，你应该看到：
100k token 调用明显减少
cacheRead 占比下降
toolUse 调用权重下降
单个 session 的主导程度降低
如果这些指标没有变化，说明你的上下文策略仍然过于宽松。
复现实验命令
python3 scripts/session_token_breakdown.py 'sessions' \
--include-deleted \
--top 20 \
--outlier-threshold 120000 \
--json-out tmp/session_token_stats_v2.json \
> tmp/session_token_stats_v2.txt
python3 scripts/session_duplicate_waste_analysis.py 'sessions' \
--include-deleted \
--top 20 \
--png-out tmp/session_duplicate_waste.png \
--json-out tmp/session_duplicate_waste.json \
> tmp/session_duplicate_waste.txt
结语
如果你的 Agent 系统看起来一切正常，但成本却在持续上升，可以先检查一个问题：你付费的是新的推理，还是在大规模重放旧上下文？
在我的案例里，绝大部分成本其实来自 上下文重放。
一旦你意识到这一点，解决方案也就很明确：严格控制进入长期上下文的数据。
[原文链接]
","is_original":false,"link":"https://m.theblockbeats.info/news/61497","pic":"https://image.blockbeats.cn/file_v6/20260310/deff4324-fc3c-479b-a0bf-b98882511f72.jpg?x-oss-process=image/quality,q_50/format,webp","column":"","create_time":"1773133723"},{"title":"Arthur Hayes：为何HYPE是5倍潜力标的？","description":"Arthur Hayes 对 HYPE 在 2026 年 8 月的目标价是 150 美元。","content":"原文标题：$HYPE Man
原文作者：Arthur Hayes，BitMEX 联创
原文编译：Saoirse，Foresight News
我们走进冰封的森林，爬上陡峭的火山。这不过是又一个滑雪徒步冥想的日子。置身寂静的雪林，我的思绪自由驰骋。当你全神贯注、一步一步缓慢攀登火山，成千上万次把一只滑雪板放在另一只前面时，你能迸发的创造力令人惊叹。我钟爱这三个月的宁静。
身心都渴望休息与恢复，滑雪季里，这意味着要去真正的雪场。在雪场那天，我卸下防滑贴，坐上机械缆车，短短几分钟就能把人送上数百米高空。吊椅和缆车都很棒，但有时我必须和别人共享这份宁静。
我在缆车里不太爱说话，安静坐在角落，但雪场里总有些爱热闹的人，喜欢随便找陌生人聊天打发时间。
问题都无伤大雅，却能让对方在心里给我定个位。我们总会聊到职业——我一个天天滑雪的人，既不是向导也不是教练，显得很奇怪。我礼貌回应，只说一句：「我搞电脑的。」科技行业的好处在于，大家都会默认你赚了些钱，却没法深究，因为他们连电是怎么回事都搞不懂，更别提用「电脑」能做的那些稀奇事。话题到这儿自然就冷了，谢天谢地，终于可以下车滑雪了。
我，或者我们 Maelstrom 团队到底是做什么的？
我们是流量操盘手，靠把关注度变现赚钱。变现方式主要是做多比特币和各类山寨币，很少做空。通过让市场关注我们的观点，我们相信长期来看，市场会验证我们的判断。
现在，请把注意力集中在 Hyperliquid（HYPE）上。
我不喜欢做空，因为不加杠杆时，你最大收益只有 100%，而最大损失却是无限。我始终追求做多凸性，而非做空，因此我在市场上永远是净多头。
在当下这个艰难阶段，比特币已果断突破前高，有没有真正优质的山寨币能实现绝对上涨？
答案是：有。因为在加密货币每一次横盘或熊市里，表现最好的山寨币都是交易平台代币。即便价格下跌，交易平台依然能持续赚取手续费，有时甚至比上涨时赚得更多，尤其是当它们受益于去中心化交易平台（DEX）交易量的长期增长时。
2023 年初市场横盘到下跌那段时间，最受追捧的交易平台代币是 GMX。2023 年 4 月，GMX 创下 90 美元历史新高。为什么？因为当时它在永续合约 DEX 交易量上一骑绝尘，未平仓量与交易量暴增，推动协议收入大涨，更重要的是，绝大部分收入都分给了 GMX 持有者。
当法币信贷扩张的共识从增长转向收缩时，哪一个交易平台代币还能暴涨？
数据取自 2026 年 3 月 7 日 DefiLlama
Hyperliquid 是当前头部永续合约 DEX，也是除稳定币外收入最高的项目。它 97% 的收入都会用来从市场回购 HYPE。整个加密行业，没有任何一个项目能像 Hyperliquid 这样，把如此高比例的钱返还给代币持有者。
可惜的是，你持有 USDT 或 USDC 这类稳定币，并不能分到它们的净息差收益。因此，如果市场相信 HYPE 就可以实现绝对上涨。我对 HYPE 在 2026 年 8 月的目标价是 150 美元，大约是我写这篇文章时约 30 美元价格的 5 倍。
要从「地狱」走向「瓦尔哈拉」，Hyperliquid 需要把 30 天收入恢复到年化 14 亿美元的水平——这一水平它在去年 8 月曾经达到过。为了让后文更容易理解，我先把财务模型放在前面。
我必须验证的关键假设是：市盈率（P/E）、以及团队每月 HYPE 代币的解锁释放量。市盈率公式：
P/E =（流通供应量 × 价格）÷（30 天年化收入 × 回购比例）
我的模型预测：来自 HIP-3 和非 HIP-3 的总收入，将从 3 月的 8.43 亿美元增长到 8 月的 14 亿美元。
我会解释，在永续合约 DEX 竞争加剧的背景下，Hyperliquid 如何重新夺回历史最高的 30 天年化收入水平。
最后一部分，是根据过去三个月的数据，估算团队每月会拿到多少 HYPE 代币。
在不同情景下对模型做压力测试，能有效提高假设的可信度。我会从悲观角度检验部分假设，看看要多「上头」才会相信我给出的 150 美元目标价。
CEX vs DEX
Hyperliquid 最棒的一点是：它的交易量增长不需要全球加密永续合约总交易量上涨。只要中心化交易平台的永续合约交易量有几个百分点转移到 Hyperliquid，它就能在几个月内轻松把 30 天年化收入翻倍。只需要提升 3.97% 的市场份额，Hyperliquid 就能达到 14 亿美元的年化收入目标。考虑到不到三年前 Hyperliquid 还不存在，这完全可行。
截图拍摄于 2026 年 2 月 5 日，11:20:00 UTC
仅仅四个月，HIP-3 的交易量就贡献了 Hyperliquid 近 10% 的总收入。无许可上币一直是 DEX 的圣杯，交易量的快速增长证明，这是 Hyperliquid 甩开竞争对手的关键。
要让 Hyperliquid 收入从 3 月到 8 月增长 66%，HIP-3 必须扛起大旗。尤其是在整个加密市场市值维持在当前低迷水平的情况下。Hyperliquid 必须给交易者提供新鲜、刺激的链上交易标的。贵金属、AI 概念股、原油，正是普通玩家想要交易的东西。如今，通过永续合约，全球任何人都可以全天候交易，杠杆比传统金融交易平台更高。
基于这些理由，我的模型预测：HIP-3 收入将在 6 个月内上涨 160%。
锦上添花的是预测市场。Hyperliquid 最近宣布，HIP-4 将支持无许可上线预测市场。我预计 HIP-4 将在未来三个月内上线。玩家们会涌向 Hyperliquid 的预测市场，交易二元期权和日内到期期权（0DTE）。上线前很难预测收入增速，所以我没有把它放进模型里。如果 Hyperliquid 团队像以往一样交出高质量代码，几乎立刻大幅拉动收入，那就算是额外红利。
遗憾的是，Hyperliquid 并不是唯一的永续合约 DEX。竞争非常激烈，因为这是交易的下一个主战场。去年年底，大量低手续费、零手续费 DEX 的出现，压低了 Hyperliquid 的预期估值。
那从那时到现在，发生了什么，让我重新相信 Hyperliquid 的统治地位难以撼动？
是真的吗？
对加密 CEX 或 DEX 来说，伪造交易量易如反掌。
在 BitMEX 的时候，我们常开玩笑说有个「刷量器」——交易平台开个程序，自动生成虚假交易，提高活跃度。
如今很多头部交易平台都在常规性用刷量器宣称自己是「最大」，让交易者误以为这里有真实流动性。对 DEX 来说，创建钱包对倒刷量更是简单，这是刷量的主要来源。
流动性挖矿也是提高活跃度的常用手段：DEX 根据交易量给积分或平台代币，交易者就在钱包之间对倒刷交易量。
刷量和流动性挖矿不会加深真实流动性。我们无法精确判断这些活动占交易量的比例。衡量交易平台优劣的唯一客观指标，是计算 ADV/OI 比率（日均交易量 / 未平仓量）。
因为交易者必须拿出真实资金作为开仓保证金，未平仓量（OI）能反映真实用户使用平台的程度。日均交易量（ADV）很容易被刷量和挖矿虚高，但用 OI 修正后，我们能得到由真实风险偏好交易者驱动的有机交易量。因此：ADV/OI 比率越低越好。
在头部 5 家永续合约 DEX 中，Hyperliquid 的交易量最真实，因为它的 ADV/OI 比率最低。当交易者意识到竞争对手平台的流动性很多是虚假的，或者积分 / 代币挖矿已经结束，他们就会回流 Hyperliquid。
长期来看，Hyperliquid 的真实交易量占比会继续提升。这会巩固 HYPE「不惧竞争」的叙事。
很多人记得，我之前对 HYPE 战术性短期看空，一个重要原因就是低手续费 DEX 的竞争。现在我认为，Hyperliquid 在「真实交易量」上是业内第一，至少未来六个月，我不再担心竞争问题。
关于竞争，下一个要考虑的是：考虑滑点后，哪家 DEX 的流动性真正最好？
我截取了五家平台比特币 / 美元永续合约的订单簿快照，并计算了名义金额 10 万、100 万、1000 万美元市价买卖的滑点。
你可以看到，在 Hyperliquid 上大额交易，大多数时候成本最低。因此，即便竞争对手的显性手续费低 1–2 个基点，真正的大额交易者依然会涌向 Hyperliquid，因为他们可以更大规模交易，对市场冲击最小。
我发财了
Hyperliquid 只有 11 人的团队，做出了史上最好的 DEX 产品。财富理应通过锁定的 HYPE 代币流向他们。
Maelstrom 去年年底看空 HYPE 时，曾提到一个担忧：团队每月到底会向市场抛售多少代币，存在不确定性。由于 Hyperliquid 没有接受风投投资，团队是否自愿不卖出刚解锁的代币，本质是 Jeff 和团队内部的政治决定。他们已经限制了代币卖出。
在去年 11 月和 12 月分发了近 20% 的奖励代币后，1 月和 2 月团队只分发了约 1% 的奖励代币。我猜测，初期高分发是为了缴税和改善生活，这部分需求解决后，团队大幅减少释放，以帮助 HYPE 反弹。这只是我的推测。
历史不会完全重复，但会押韵。基于此，我假设每月释放量取这四个月的平均值：815,750 枚。
向前看
市场是前瞻性的。玩家们愿意为 Hyperliquid 的未来收益付多少钱？目前 HYPE 的市盈率约为 12 倍。和传统金融交易平台比起来如何？
为了确定合理的估值水平，我参考了全球顶级交易平台芝加哥商品交易平台（CME）、主打年轻激进投资者的新型券商 Robinhood，以及受美国监管影响较深的加密交易平台 Coinbase 的当前市盈率。这些机构的市盈率区间很宽，大致在 26～40 倍之间。相比之下，$HYPE 仅 12 倍市盈率，明显被严重低估。
估值偏低的部分原因在于：Hyperliquid 并非上市公司，存在智能合约与交易对手风险，因此估值倍数天然更低。此外，主流中心化现货交易平台大多不支持 $HYPE 交易，普通投资者购买难度较大，因此它无法像许多山寨币那样被炒到极高估值。但即便如此，12 倍市盈率依然低得离谱。
短短数月内，Hyperliquid 的 HIP-3 股指、贵金属交易市场，已成为 CME 等传统金融交易平台周末休市时的关键价格发现场所。我可不知道，电脑周末还需要去打高尔夫。
至少，从行业趋势来看，HYPE 更高的估值溢价。
关于市值与完全稀释估值（FDV）的说明：
我采用的是市值而非 FDV，二者因流通量不同而存在差异。市值仅统计当前已流通代币，而非 FDV 所代表的未来全部代币。鉴于这是一笔 6 个月周期的交易，使用当前市值是合理的。诚然，Hyperliquid 未来可能再次开启空投，从而扩大流通盘。但截至目前，团队并未暗示即将进行空投，因此我暂不考虑这一风险及由此带来的流通量冲击。
压力测试
假设团队每月解锁 991 万枚 HYPE，市场仅给予 12 倍前瞻市盈率，但 Hyperliquid 的 30 天年化收入仍回升至 14 亿美元历史高点，结果会如何？
来源：CoinGecko
我用 HYPE/BTC 作图，想说明市场已经意识到这个代币的价值。
我们都痛苦地知道，除非你做空，否则比特币从去年 9 月 HYPE 跌到约 20 美元的局部低点。我认为 HYPE 重新上涨的催化剂是：团队代币释放量从 1 月的 991 万枚，骤降到区区 14 万枚。
此外，竞争对手 DEX 的积分和代币激励陆续到期，对交易者的吸引力快速下降。它们剩下的交易量可能是虚假的，但正如我之前展示的，从订单簿流动性看，Hyperliquid 是交易成本最低的地方。
我们 Maelstrom 团队在 20 美元出头就开始小仓位试水。在滑雪登山的路上我一直在想：如果宏观经济短期内持续低迷，我该布局什么？什么样的项目才算真正优质——有真实用户、有真金白银的收入，还能把收益回馈给代币持有者？
从这些维度来看，Hyperliquid 就是整个加密行业里最优质的项目。深入研究并写下这篇文章后，我的信心更加坚定。
正如宏观投资大佬德鲁肯米勒所说：「先投资，后调研。」
因此，HYPE 迅速成为我们最大的流动性山寨币持仓。我们计划继续卖出其他所有劣质标的，在当前价格区间内持续加仓 HYPE。
原文链接