预测市场开发工具全栈对比：6 个 Polymarket Skill + 3 大平台 API 实测整理 ━━━━━━━━━━━━━━━━━━━━━━ 📦 一、Polymarket Skill 生态（ClawHub） ┌─────────────────────────────────────────────────────────┐ │ grimoire-polymarket │ franalgaba │ 11.1K⭐ │ │ CLI 工具，安全沙箱设计，阻塞敏感操作 │ │ grimoire venue polymarket search-markets │ ├─────────────────────────────────────────────────────────┤ │ polymarket-api │ agentmc15 │ 613⭐ │ │ Python 开发首选，py-clob-client 完整示例 │ ├─────────────────────────────────────────────────────────┤ │ polymarket │ 2025emma │ 327⭐ │ │ WebSocket 实时数据：trades/comments/rfq/crypto_prices │ ├─────────────────────────────────────────────────────────┤ │ polymarket-prediction-market │ axwelbrand-byte │ 222⭐ │ │ 跨平台套利专用，Polymarket vs Kalshi 策略 │ ├─────────────────────────────────────────────────────────┤ │ polymarket │ machina-sports │ 219⭐ │ │ 体育专用，代码标准化，今日赛事查询 │ ├─────────────────────────────────────────────────────────┤ │ web3-polymarket │ Polymarket 官方 │ 138⭐ │ │ 权威完整，CLOB+CTF+跨链桥+无 Gas 交易+Builder 程序 │ └─────────────────────────────────────────────────────────┘ 我推荐的组合：官方打底 + arbibot 学套利 + 2025emma 监控 ━━━━━━━━━━━━━━━━━━━━━━ 🔗 二、三大预测市场 API 对比 【Polymarket｜Polygon】 Base URL: / 认证: EIP-712 签名 + CLOB API Key（L2 HMAC-SHA256） 特色: CLOB 限价订单簿，$2M March Madness 做市激励 费用: ~2% taker，maker ~0% 端点: /events /markets /orderbook /trades 【PredictIt｜传统金融】 Base URL: 认证: 无需 API Key（需处理反爬/会话） 特色: 合规政治事件预测市场 费用: 10% 盈利抽成 限制: $850 单市场持仓上限，$5,000 账户充值上限 端点: /Browse/FilteredMarkets /Market/{id}/Contracts 【Limitless｜Base 链】 Base URL: API Explorer: WebSocket: wss://ws.limitless.exchange 认证: X-API-Key: lmts_xxx（公开端点无需） 特色: 每小时/每日市场，USDC 结算（6 位小数），Base L2 低 Gas 费用: Maker 返佣，流动性挖矿 限速: 并发 2，调用间隔 300ms 端点: /markets/active /markets/{slug} /orderbook ━━━━━━━━━━━━━━━━━━━━━━ 🎯 三、场景组合建议 快速原型 → agentmc15/polymarket-api + Python 生产交易 → 官方 web3-polymarket + 自建风控 跨平台套利 → arbibot 策略 + Kalshi/PredictIt 双接 实时监控 → 2025emma WebSocket + 事件驱动 体育专用 → machina-sports + 今日赛事 API ━━━━━━━━━━━━━━━━━━━━━━ 📚 四、参考链接 Polymarket 官方文档: Limitless API Explorer: ClawHub Skills: ccjing 做市商脚本: ━━━━━━━━━━━━━━━━━━━━━━ 有在用其他预测市场工具的朋友？欢迎评论区补充 👇 #Polymarket# #预测市场# #DeFi# #量化交易# #API开发# #Base链#

Seedance 2.0 API 正式发布了，企业和个人用户现在都能从火山引擎调用。海外市场 BytePlus 同步上线，海外用户终于也可以使用了。 定价 46 元每百万 token，纯视频生成大概 1 元 1 秒，按量付费，注册账号就能调用。海外 BytePlus 的具体定价以官网公布为准。 API 真正的价值在于能融入自己的工作流，大幅提升创作效率。 过去做一支 AI 视频得串起好几个模型：图生图、图生动画、对口型，每个环节都要抽卡。Seedance 2.0 支持文字、图片、音频、视频四种模态输入，配合火山方舟上一键完成的人脸验证、肖像授权和 1 万多个预置虚拟人像，整条流程可以用代码或者 Agent Skills 自动化串起来，大幅提升创作效率。 官方公告中提到了一些实际数据。技术服务商巨日禄接入后，精品 AI 剧综合制作效率提升近 10 倍；九州文化、麦芽传媒这批内容制作方从剧本到剪辑全流程提效 80%-90%，对比传统工艺降本 70%-90%。在广告营销侧，筷子科技用它给头部品牌做多版本营销素材，与光同尘给 OPPO K15 Pro 做的宣发视频 60 小时内播放量破 2000 万。 有一点让我意外的是视频生成现在开始应用在具身智能和自动驾驶的数据生成。 数十家机器人企业正在用 Seedance 2.0 生成符合物理规律的交互数据，用于机器人作业、室内行走等场景的跨环境泛化训练。自动驾驶公司则用它生成暴雨、大雾、降雪这类极限工况，以及复杂碰撞风险的 corner case 数据，补充实拍难以采集的训练集。 宇树科技王兴兴此前在亚布力论坛上表达过类似思路：如果视频生成质量足够好，让模型生成一段机器人在家干活的视频，某种意义上把这个视频对齐到真实机器人上，机器人就能照着干。视频生成模型正在被当作“世界模型”的雏形来用。 Seedance 2.0 API 全面开放，对个人开发者和创业团队来说也是机会，可以借助 API 高效创作 AI 视频，也可以基于 API 开发配套工具，这块未来市场很大，机会还蛮多。 API 调用官方文档可以在火山引擎方舟平台上获取。 完整可以看：《Seedance 2.0全面开放API服务》 BytePlus： 火山引擎方舟平台：

今有个大事 以前币圈叫上币，现在开始上股票，而且上得比股市还快 @okxchinese 今天上了 2026 年全球三大 IPO 的盘前合约： Anthropic、OpenAI、SpaceX 其实能赚钱就行 至于是币，还是股票，不重要 我空了 ANTH ，多了 OPEN 也算是同赛道开了个对冲 聊聊这个盘前阶段我的投资逻辑： 价格有没有预期差 这个预期差主要看三层： 盘前隐含市值、真实融资估值、未来 IPO 承接力 按目前盘前价格算 Anthropic 隐含市值约 1.305 万亿美元，OpenAI 隐含市值约 1.197 万亿美元，SpaceX 隐含市值约 2.013 万亿美元 再看参考估值： Anthropic 官方最新估值约 3800 亿美元 OpenAI 官方最新估值约 8520 亿美元 SpaceX 公开报道里的内部交易估值约 8000 亿美元，IPO 预期多在 1 万亿到 1.5 万亿美元区间 1/ Anthropic 盘前隐含市值约 1.305 万亿美元，参考估值约 3800 亿美元，溢价约 3.4 倍 它的投资逻辑是 AI 第二极 OpenAI 之外，Anthropic 是最强模型公司之一，企业级 AI、代码、长上下文、安全合规，是它的主要定价点 它的交易逻辑是弹性最大，泡沫也最大 现在买 Anthropic，买的是它未来能不能成为第二个万亿级 AI 公司 当前盘前价格已经提前打满太多未来。IPO 如果低于 1 万亿美元，价格就有回归压力 适合短线情绪，不适合当便宜资产 涨得快，砸得也会快 2/ OpenAI 盘前隐含市值约 1.197 万亿美元，参考估值约 8520 亿美元，溢价约 40% 它的投资逻辑是 AI 主锚 ChatGPT 是用户入口，API 是开发者入口，企业版是商业化入口，OpenAI 是最容易被二级市场理解的 AI 资产 它的交易逻辑最顺。估值虽然不便宜，但有融资锚、有 IPO 预期、有市场共识。1.2 万亿美元这个位置已经不低，但如果 AI 主线继续强，OpenAI 最容易被资金接住 顺势交易，看 AI 主线强度 三者里估值逻辑最清楚 3/ SpaceX 盘前隐含市值约 2.013 万亿美元，公开硬估值锚约 8000 亿美元，IPO 预期约 1 万亿到 1.5 万亿美元 它的投资逻辑是全球最稀缺的硬科技资产 发射能力、Starlink、政府订单、轨道基础设施、商业航天垄断，这些东西短期很难复制 它的交易逻辑是资产最硬，价格最满 2 万亿美元以上，已经把 Starlink 增长、航天垄断、马斯克溢价、超级 IPO 全部提前算进去了 再往上，靠的已经不是估值便宜，而是全球资金继续接盘 长期最稀缺，短期最需要等回调 好公司，不等于好价格 短线最刺激：Anthropic 中期最顺手：OpenAI 长期最稀缺：SpaceX 按当前价格看，Anthropic 是高溢价情绪交易，OpenAI 是万亿美元 IPO 顺价交易，SpaceX 是高位信仰交易 重点是哪里有流动性，哪里有预期差，哪里就有钱赚 个人观点，不为投资建议

new-api从2023年4月至今，已经有3年有余，支撑了大大小小成百上千个中转站，市面上超过90%都是用这个系统 ，而new-api的核心开发者们 @Ion_Mio_ @Seefs_ 则深藏功与名，这篇文章尝试挖掘一下new-api和另一个模型路由器的核心算法。

嘴撸的时代结束了！X产品负责人宣布，X平台正在修订开发者API规则，将不再允许任何奖励用户在X上发帖的应用（即 InfoFi 类应用）。 并表达尽管这类应用为获取企业级API访问权限已向X支付了数百万美元，但平台并不想要这笔收入，因为其带来的负面影响已超过经济收益。平台上充斥着大量由 AI 生成的低质量垃圾回复和虚假互动，严重损害了用户体验。

Vitalik：Agent 时代的下一步支付标准可能是 ZK Payments 以太坊创始人 Vitalik Buterin @VitalikButerin 在 接受 OKX 采访时表示，原生 Agent 标准中协议层面上支付的下一步可能是 ZK Payments 。他认为在 AI 场景下，持久的化名身份最终会丧失所有隐私 。团队正开发 ZK API 将每个请求隔离，无需为每笔请求发链上交易即可保护隐私，并结合保证金防范滥用 。 来源： OKX

清晰法案通过预期的催化之外，也要注意到Circle正在进行的商业模式升级和迭代，这里最关键的就是4月8号Circle推出的Circle Payments Network (CPN) Managed Payments，这是一个全栈托管式稳定币结算平台。 CPN是Circle在25年5月上线的全球稳定币支付网络，连接银行、PSP、VASP 和企业，实现 24/7 实时跨境结算。 而今年4月初推出Managed Payments 是其“托管服务层”，让传统金融机构“零门槛”接入稳定币，而不用自己碰加密资产，相当于是Circle Payments Network (CPN) 的“托管增强版”。 1、CPN Managed Payments的功能 简单说就是Circle把稳定币的复杂性（minting、burning、合规、链上结算、多链路由）全部打包成SaaS 服务，合作伙伴只需通过API调用，像用传统支付轨道一样操作法币即可。合伙方只看到法币入账/出账、API 回调和报表。 全球跨境支付网络Thunes（覆盖140+ 国家）已经将其客户（银行、移动钱包）接入 CPN Managed Payments，实现法币工作流下的稳定币结算。 欧洲领先支付处理器Worldline，也接入CPN Managed Payments为客户提供区块链原生结算选项。 2、CPN Managed Payments对Circle的意义 让Circle能变身成Stripe + Visa的混合体，为什么这么说？它同时具备两者的核心优势： Visa的部分（网络运营商角色）： 1）CPN是一个多对多全球支付轨道，连接银行、PSP（支付服务商）、Fintech、企业，实现实时跨境/国内结算。 2）像Visa一样，它提供标准化网络基础设施：统一协调协议、即时结算、全球可达性（覆盖20+链路 + 多国法币payout corridors）。 3）不同的是，它用USDC（稳定币）作为结算介质，取代传统对应银行链（correspondent banking），实现秒级、24/7、无批处理的最终性。 Stripe的部分（B2B SaaS / 开发者友好基础设施）： 1）CPN Managed Payments是全栈托管SaaS服务：合作伙伴（银行/PSP）只需通过API调用、在法币端操作，Circle后台全包USDC mint/burn、合规、区块链路由、Gas抽象等。 2）像Stripe一样，它提供单次集成、turnkey解决方案，抽象复杂性，让传统金融机构“零加密暴露”就能接入稳定币支付（类似Stripe让电商/平台轻松接入支付）。 3）强调可编程性 + 开发者API（Payment Intents、Payouts、Accounts API等），支持商户收单、高频payout、AI支付等现代用例。 Visa提供“网络规模与可靠性”，Stripe提供“易用SaaS与可编程性”，CPN Managed Payments则把两者融合成稳定币驱动的现代支付基础设施——既是全球网络，又是托管服务平台 3、再多聊聊CPN Managed Payments与Stripe的区别和差异 Stripe已深度整合USDC等稳定币，为企业提供“零加密暴露”的一站式体验。 1）商户可通过 Checkout、Payment Links 等产品在ETH、sol等链上接收 USDC，系统自动后台转换为法币（USD/EUR 等），费率约 1.5%。 2）同时支持全球 Payouts，向承包商、创作者、供应商等以 USDC 出款，而企业后台始终只处理法币。 3）Stripe 通过 Bridge 等收购实现托管模式，企业无需接触区块链即可完成跨境支付，覆盖 100+ 国家，显著降低 FX 成本和结算延迟。 其优势在于开发者友好 API、可编程支付、丰富的支付套件（Checkout、Billing、Treasury），特别适合数字商户、中小型平台和需要前端支付体验的企业，许多公司仅用 Stripe 就能实现更快、更便宜的全球收付款。 CPN Managed Payments更侧重机构级 B2B 基础设施，服务对象包括银行、PSP、Fintech 以及大型企业的跨境结算需求。 1）它以全栈托管 + 强大网络效应为核心，Circle 作为网络运营商，连接多家受监管金融机构（OFI/BFI），实现多对多实时协调，一次接入即可触达全球合作伙伴，而非依赖单一平台。 2）在业务深度上，CPN 针对高频、大额、供应链支付、批量薪资发放及企业财资调拨等场景，提供 24/7 即时结算和极低 FX 与中介成本，由 Circle 全面承担 USDC mint/burn、Travel Rule/AML 合规、多链路由以及流动性全生命周期管理。 3）其目标客户为银行、支付处理器、大型 PSP 及全球企业财资部门，强调企业级 SLA、审计能力和合规牌照覆盖。同时内置条件支付和智能合约级编排，更适合 AI 代理支付、高频 M2M 以及企业间大额结算场景。 从上面的角度看，Stripe 更像“支付 SaaS 平台”（商户/平台导向），而 CPN 是“稳定币版 SWIFT 基础设施”（机构间网络）。在纯机构 B2B、大规模跨境场景中，CPN 的成本效率、合规确定性和零加密暴露程度更优 实际中，许多TradFi和Fintech正在同时测试/采用两者，用 Stripe做前端收单，用CPN做后台大额结/treasury。 4、这对Circle来说为什么是商业模式的升级和迭代？ 个人角度CPN Managed Payments的推出标志着 Circle 从“稳定币发行商 + 储备利息主导” 开始向 “B2B SaaS 支付基础设施提供商”的角度进一步迭代升级。 直接货币化路径： 交易结算费（basis points，按量阶梯）基础设施订阅/托管服务费； 合规、报表、流动性管理增值服务； 未来也有网络效应，参与机构越多，流动性越好，费用收入越高。 收入来源不再仅靠储备利息，而是交易量驱动的 recurring revenue（交易费 bps、服务订阅费、基础设施使用费、FX 点差等），这也跟Circlezai 26年将非利息收入规模化的目标是一致的。收入更具可持续性和抗周期性（即使利率下降，交易量增长也能带来稳定现金流） 商业模式迭代升级的核心就在于此： 从“卖美元稳定币”进化到“卖全球支付轨道”，通过 B2B SaaS形式提供类似 SWIFT的网络服务。 4月初，在这里

Dabba：现实经济中的 DePIN，链上世界的增长引擎 从2025年5月以来，宏观市场回暖，BTC 重回十万上方。随着投机性叙事逐步出清，市场注意力再次回到现实收入、真实流量的项目上，尤其是DePIN，其中的佼佼者——Dabba，无疑是个值得关注核心项目之一 核心结论： @DabbaNetwork 是现实部署型 DePIN 网络，专注提供低成本、高速度的 WiFi 接入服务； 每天传输超 60TB 数据，服务真实用户，非投机性节点； 热点部署由本地团队完成，用户仅需出资即可享受被动收益； 网络结构支持 OTT（视频）、安防（CCTV）、内容投放（投影）、开发者插件等多样化扩展； 监管合规、代币通缩、激励公平，是当前 DePIN 领域最具现实回报模型的项目之一。 商业模型：DePIN 如何穿透 Web3 与现实的界限？ 模式解析 为什么它比传统 ISP 更好？ 城市中心：在竞争激烈的市场中仍能提供 2–3 倍更便宜的接入方案； 城市边缘/二三线镇区：传统运营商几乎不触及，Dabba 成为唯一选择； 基础设施复用能力强：部署一次，既能发网，也能搭载 WeatherXM、流媒体等多种协议； 代币经济模型：$DBT = 使用驱动的通缩激励资产 Genesis 阶段 每个热点 = 20,000 GR（Genesis Rewards），将 1:1 转换为 $DBT； 每日释放 100 枚，线性释放 200 天完成； 已发放 GR 奖励具备明确映射路径，降低不确定性； 通缩机制 每消费 1GB 数据 = 销毁 $0.012 等值 $DBT； 启动每台热点需销毁约 $80； 网络使用越高，销毁速率越快，Token 越稀缺； 收益分配结构 技术与扩展性：从热点到“现实版以太坊层” Dabba 不只是热点销售，它正在打造“可编程基础设施网络”： 每个路由器支持运行多个插件（VPN、支付通道、内容投放等）； 对开发者开放 API，支持部署 Web3 应用并接入自定义 tokenomics； 实测已在农村地区部署流媒体 + 电池投影系统，支持停电期间仍可娱乐 这让 Dabba 网络成为现实世界的 LayerZero：低层网络连接支撑上层应用经济。 市场机会：Web2 习惯、Web3 激励的融合点 用户价值导向的叙事更受欢迎 根据访谈要点及链上趋势，Dabba 满足： Web2 用户重视：低价、稳定服务、无需理解区块链 Web3 用户重视：每日反馈、激励机制透明、收益可计算 机构重视：真实使用数据、稳定收益、合规结构、无复杂代币博弈 当前主流机构已在寻找服务型 + 流量型模型，Dabba 成为样本项目。 风险点与挑战 不过，目前这些挑战均已有明确对策（LCO 激励结构优化、设备预部署机制、开发者 API 开放计划等），整体处于可控范围内。 总结：DePIN 的价值定价开始了，Dabba 走在前面 大多数加密项目在创造问题以图解法，Dabba 从一开始就在解决真实世界的难题。 Dabba 的增长不是靠币价，而是靠人们用网；不是靠换 narrative，而是靠价值流动。 在熊市中，它靠真实数据跑出来的收入成了护城河；在牛市中，它又能承接 DePIN、Solana 应用层、全球互联网普惠等多个 narrative。 这就是一个不靠赌行情，而靠做基础设施的 Web3 项目该有的样子。

重新审视 Token (词元）的属性 TLDR： 之前我也一度觉得是大宗商品/资产 甚至还设想过相关的交易和定价逻辑 也看到不少人提过Token期货，交易所之类 但现在我倾向它只是一种服务，没必要过度金融化 毕竟它没有办法脱离AI推理单独存在，无法被提前生产出来或预先被囤积。但换个角度看，是服务，就天然是分层的、多元的，不同的人有不同的需求，这其实也恰恰奠定了AI 经济必将是百花齐放而非赢家通吃的基础。 在这浪潮中，红利属于能把廉价 Token 加工成更有价值的 Token 卖出去的人。 -------------------------------- 我的一些个人思绪和逻辑： 1、Token (词元）经济从何而来？ 首先它是AI训练转向AI推理的产物， 这是理解 Token 商业模式的基础。 过去模型训练时代，主要是卖算力时间。为什么？因为训练是持续性的大工程，需要大量算力协同工作。这种规模的投入，有资本的大厂基本都会选择自购，毕竟可控性最强，但对于没有能力一次性投入大量资金的团队来说，出于对稳定性的要求，也会倾向选择租赁模式，包下一整段时间的独占使用权，榨干这段时间内算力的所有价值，是一种占用的逻辑。 但随着主流大模型开始进入商用阶段，AI 算力的需求重心也从模型训练转向了推理。你用 GPT聊天、用 Claude写代码、问豆包问题，这些本质上都是在跑推理，每一次调用，都在为你做一次推理和计算。 而推理是相对碎片化的、一次性的、用完即走的。虽然也有不少企业，仍然会采用租赁或自购的模式来跑推理，但对于广大中小开发者和应用方来说，他们对算力独占性的要求并不高，因而额外衍生出了按消耗计费的模式，这样算力服务商就可以把算力资源同时卖给成千上万个客户。 Token (词元) 就是在这种背景下而产生的，衡量每次计算消耗了多少资源的那个单位，你付的钱，就是对这次计算的补偿，本质是消耗逻辑。 所以训练和推理是完全不同的生意形态： 训练时代，商业模式是卖 GPU 时间。 推理时代，商业模式是卖 Token (词元)。 --------------------------------- 2、为何Token (词元) 是服务属性而非商品/金融属性？ 卖Token (词元)，就是卖服务！ Token (词元) 经济，本质是服务经济！ 为什么？ 一个比较直接的原因是 Token (词元）不能被预先生产出来，而是产出后就被消耗掉了，并作为衡量你这次推理服务所消耗资源的参考，来给你计费。 且Token (词元) 的一些特性，也和大宗商品的逻辑不像： - 价格长期下降趋势 - Pay-As-You-Go - 难以标准化 你在Claude的100万Token额度，和你在Minimax的100万Token额度，两者本身是没有可比性的，模型不同，性能不同，定价完全可以不一样。 而大家愿意接受价格差异的原因，也是因为 Token (词元) 本质上计量了一种非标准化的服务，而不同用户对服务的诉求是不同的，有的人看重性能，所以愿意支付溢价，有的人看重成本控制，所以觉得国产开源模型也够用了。 而整个模型市场占有率，并没有出现几家独大，本身也是其服务属性的体现。如果 Token (词元) 是资产，那资产的流动性、网络效应，一定会引发所有资源最终向一个市场集中，形成赢家通吃的局面。但恰巧 Token (词元) 其实是服务，而服务市场天然是分层的、多元的，不同的服务商满足不同的需求，所以才构成了 AI 经济百花齐放的基础。 我想通这点后，就不再纠结模型厂商只有哪家笑到最后了。 因为未来必将是多模型共存、多层级并行的格局，Token（词元）也将会被计入到企业的会计成本之中，并反映到企业的产品和服务之中。 比较值得关注的一点是，AI时代Token所代表的服务经济和传统的人力服务经济，成本曲线可能是完全反过来的。由人所提供的服务，长期要求的是报酬上升，这也是为什么服务业占比高的经济体，服务更贵。但 Token 服务恰恰相反，价格长期只会下降，当 Token 逐步替代掉一部分原本需要人力智力才能完成的工作，这部分成本不但不会随时间上升，反而会持续走低。 这可能也是这一波AI的红利之一。 ------------------------- 3、这个Token (词元) 服务都有谁在卖？ - 闭源模型厂商 - 开源模型厂商 - 开源模型托管商 - 大模型聚合器、中转站 1）闭源模型厂商：直营为主，分销为辅 最直接的模式。OpenAI 卖 GPT 的 Token，Anthropic 卖 Claude 的 Token。模型自己训的、API 自己提供、定价权在自己手里，产品和渠道都是自己的，跟品牌直营店一个逻辑。当然作为最顶级的模型，难免会被接入像一些API中转站，或者Open Router这样的大模型聚合平台被动分销。 2）开源模型厂商：开源也挺赚钱的 开源模型谁都可以拿去用，很多人不想自己本地跑，因此催生出了一批开源模型托管商，他们可以帮你跑模型，并按 Token 收费。但这就引出一个问题：Token 的钱都让模型托管商这些中间商赚了，开源模型的开发者自己怎么赚钱？这一点，至少中国的开源模型厂商，走的很灵活。 像Minimax，Kimi，Zhipu，它们都有自有的 API 直售，更多面向开发者群体，并且也都有自己的 Coding Plan 订阅包，把按 token 计费玩出了订阅制，完全是中国移动卖流量的玩法。而OpenClaw 这波更是让它们赚得盆满钵满，各自推出了品牌化的 Claw 产品，帮用户把 OpenClaw 部署好，底层跑自家模型，Token 消耗从自家 API 走。 3）开源模型托管商：帮别人跑模型，赚差价 对于那些没有能力或意愿自己卖 Token 的开源模型来说，托管商就是它们触达用户的渠道。它们帮开发者跑模型、按 Token 收费： - Together AI / Fireworks：自有 GPU 集群 + 极致推理优化，核心竞争力是翻台率，同样的卡单位时间能吐出更多 Token。 - Groq：自研 LPU 推理专用芯片，不用传统 GPU，核心竞争力是极致速度，跑 Llama、Qwen 等开源模型比 GPU 快。 - Cloudflare Workers AI：全球 300+ 边缘节点，跑 Llama、Mistral、Qwen，最近还加了智谱 GLM 和 Kimi，核心竞争力是低延迟 + 开发者生态 - AWS Bedrock / Google Vertex AI — 企业级云平台，跑 Llama、Mistral 等主流开源模型，核心竞争力是客户的数据和基础设施已经在这些云上了，迁移成本低 4）大模型聚合器：一个入口管所有模型 闭源和开源的大模型越来越多，而不同场景适合不同模型，不同模型的优劣势不同，对开发者来说，一个个去接不同厂商和托管商的 API，管理起来很痛苦。于是催生了 OpenRouter 这类聚合器，可以接几十个模型，开发者在一个地方统一管理、按需切换即可。 OpenRouter按照批发转零售的模式盈利，各家模型厂商把自己的Token分销出去。而 OpenClaw 这波直接让 OpenRouter 上中国模型的消耗量暴增，前十名 Token 消耗量中，中国模型占了 61%，前五有四个是中国的。 而围绕这条 Token (词元) 产业链，也衍生出了一些其他的参与者和新需求： 第一是一些推理优化引擎，vLLM、SGLang 这些开源项目，在大家对效率极致追求的当下，通过对硬件算子层面（更高效地利用 GPU 计算单元，减少内存碎片和带宽瓶颈）以及 LLM 算法层面（让多个请求共享已经算过的内容，更聪明地管理显存）的优化，提升同一张卡在同一时间内的 Token 吞吐量。 它们自己不面向终端用户收费，但 Together AI、Fireworks 这些托管商底层用的就是这些技术。也有不少自己本地跑开源模型的开发者，会直接使用 vLLM 或 SGLang 来搭建自己的推理服务。 第二是对Token消耗的优化需求，当 Token 消耗逐渐常态化，自然就会有人开始琢磨怎么省钱，也有不少人早就抱怨OpenClaw高昂的Token消耗，那么，帮你预览一次 Prompt 会消耗多少 Token、建议怎么优化 Prompt 来降本、甚至自动帮你选性价比最高的模型和服务商的产品，就很有市场了。 ---------------------------- 4、AI经济时代，真正的机会在哪？ 我觉得 Token 经济的红利，属于把廉价的 Token 加工成更有价值的 Token 卖出去的人。 1）如果你有能力，就做一个模型，哪怕是微调的 你不需要从头训一个 GPT，在开源模型基础上针对某个垂直场景做微调，只要在某个细分领域效果够好，就有人愿意按 Token 付费调用你的模型。前面说了，Token 是服务，服务市场天然分层，通用大模型吃不掉所有场景，垂直微调的模型在自己的领地里反而更有定价权。 2）做一个新时代的产品，开放 API 你的产品底层消耗 Token，但你的产品本身也可以对外输出能力，你开放 API，让别的开发者和 Agent 来调用。你买入底层模型的 Token，加上你的产品逻辑和数据，产出更高价值的 Token 服务卖出去。这跟传统行业买原材料、加工、卖成品的逻辑是一样的。 3）写 Skill，做 Agent 每一个被广泛使用的 Skill 和 Agent，背后都是源源不断的 Token 消耗。你写的 Skill 越好用、越多人用，你帮模型厂商卖出去的 Token 就越多。这不是你直接卖 Token，但你是这条产业链上的分销渠道。 而不管你选哪条路， 你的护城河在我看来最终都会归结为三样东西： 算力、算法、数据。 算力影响你的吞吐量 算法影响你的效率和成本 数据决定你是不是不可替代

H3C 团队开发的灵犀 AI 助手直接在配置文件中暴露大量 API 凭据，涉及的模型供应商包括智谱、百度千帆和字节火山引擎等，直到 3 个月后才完成吊销。 蓝点网于 1 月 29 日接到网友反馈，随后我们建议网友联系 H3C 团队进行报告而不是直接发布文章，直到 5 月初 H3C 才完成所有凭据的吊销，我们甚至怀疑 H3C 团队是不是在内部就使用同一个凭据，以至于吊销时需要先沟通各方，才花费如此长的时间。 查看详情：