模型圖表分析

方法與證據層級

模型敏感度：直接執行固定 develop@c37a0741 的 Rust Curve 與費用函式，共 5,129 組獨立參數點；圖表只用浮點數作顯示，原生計算與取整保存在 JSON。圖 2 重用原本 180 次請求的連續回放。

真實資料：圖 15 為 2026-10-28 保存的主網歷史內部測試；圖 18–19 使用既有 Across 官方 API 採樣，窗口 2026-11-05T15:33:16.012436+00:00 至 2026-11-05T15:40:29.283579+00:00（UTC）；圖 16–17 的營運範圍採樣窗口為 2026-11-06T01:54:54.615440+00:00 至 2026-11-06T01:58:11.848852+00:00。不把歷史舊單、模型預測與即時指示性報價混稱為實際成交。

本分頁未定義逐筆實收、實付與觀測截止時間，因此不以 Π 分析已實現現金損益。

圖中的 Π 是完整模型預期經濟損益；歷史圖僅為已觀測直接損益。沒有隨機抽樣或足夠重複觀測，所以不畫無依據的誤差棒或信賴區間。相同條件的資料點連線是敏感度曲線，不是機率預測。

下載全部 20 張圖 PDF · 5,129 組原生模型 CSV（本機資料） · 營運範圍兩輪比較 CSV（本機資料） · 150 個金額診斷 CSV（本機資料） · 方法與重跑說明（本機資料）

目前模型的主要判讀

1. 方向合理，但優惠有代價：USDC 越充足，100 USDT 能換越多 USDC；完整利潤同時下降。固定 50 bps 在平衡庫存下，預期損益 Π=$0.503412 雖達 $0.50，但扣除 $0.25 風險預留後 H=$0.253412 未達正常利潤門檻 N=$0.50，因此需反算至 75 bps。
2. 小額交易受固定成本主導：0.5% 基本費率不等於使用者只付 0.5%；執行估價 $6.25 對 100 USDT 已是顯著負擔，對 30 USDT 更高。
3. 成本同步更新與報價後上漲不同：前者讓使用者少收，後者侵蝕既有利潤；平衡庫存 75 bps 策略接納候選，在其他成本不變下，未計價網路成本增加約 12.57% 時到達模型預期經濟損益零點。
4. 能賺錢仍可能缺庫存：單向交易需人工補回。10 筆／小時與 1 小時等待在目前 100 USDT 情境有餘裕，尖峰流量會迅速吃掉緩衝。
5. 尚不能得出完整成本競爭排名：Across 部分金額回傳錯誤，來源 gas／approval 完整成本未驗證；Solver 成本也是研究假設。先比較可追溯的收款與費用，再取得同時點可執行的完整成本。

FIGURE 01 · 模型敏感度

USDT 庫存減少時，100 USDT 能換到多少 USDC？

實驗設定：比較總庫存固定 30,000（USDT 減少、USDC 增加），與 USDC 固定 15,000（只抽走 USDT）兩種情境。基本費率固定 50 bps。

觀察：15,000／15,000 的收款為 93.249432 USDC；6,000／24,000 為 93.494331，24,000／6,000 為 93.001869。USDC 越充足，曲線越願意多給，Solver 利潤因此降低。

解讀限制：固定總量與抽走單邊資金不是同一件事；此圖也不是 TRON → HyperEVM 連續出單的時間序列。曲線上的報價是候選值，不保證經濟門檻通過。

FIGURE 02 · 模型敏感度

實際連續做 USDT → USDC，庫存與收款如何變化？

實驗設定：重用原生回放：15,000／15,000 起始，每筆 100 USDT，按既定策略選擇正常或補貼候選；每筆成功結算，不補回。

觀察：USDT 持續增加，USDC 持續減少。第 108 筆後觸發 5,000 補回門檻；可再承接 42 筆，第 151 筆因最低庫存限制拒絕。即使有利潤，流動性仍會耗盡。

解讀限制：這是未補回基準，並非手動補回已執行後的營運預測。策略在第 96 筆由反算費率切回固定費率，造成收款的小幅跳動。

FIGURE 03 · 模型敏感度

30–100 USDT 的交易，固定成本會吃掉多少比例？

實驗設定：網路基準成本 $6、外層執行估價 $6.25；其餘參數固定，掃描三種庫存占比。

觀察：小額單的總負擔明顯高於 0.5% 基本費率；固定執行費不會隨金額等比例縮小。30 USDT 在這組假設下會超過 8% 測試上限，不能只看設定的 min_fee_rate 判斷競爭力。

解讀限制：為比較不同金額，此分析取消原本僅針對 100 輸入的「至少收到 90 USDC」測試值，改為一個最小單位；8% 上限仍保留，未修改正式政策。

FIGURE 04 · 模型敏感度

執行成本上升且及時重新報價，使用者會少收到多少？

實驗設定：將 gas、IGP／oracle、Bandwidth 一起縮放至基準的 0–200%；分別比較 gas buffer 0%、5%、15%、30%。R 仍固定 $0.25，用以隔離單一因素。

觀察：成本已反映在報價時，主要由使用者收款下降承擔。gas buffer 越大，收款下降越快；Solver 的固定 buffer 收入也可能讓表面預期利潤上升，並不代表高成本路線更有效率。

解讀限制：低於 92 USDC 的候選違反 8% 測試上限；此圖不表示可繼續對外報價。不同 buffer 的 R 尚未重新校準，不是建議直接提高 buffer。

FIGURE 05 · 模型敏感度

策略接納報價後，網路成本漲多少會使預期經濟損益轉負？

實驗設定：先依既定策略選用候選，再固定其交付量；僅將事後網路成本改為 $6×(1+變化率)，其他成本不變。USDC 充足時策略仍可選用庫存補貼候選。

觀察：平衡庫存選用 75 bps，交付 92.999434 USDC，Π=$0.753992；網路成本增加約 12.57% 時到達模型預期經濟損益零點。原固定 50 bps 候選雖有 Π=$0.503412，卻因 INVENTORY_NOT_IMPROVED 不被接納；其 8.39% 僅屬未接納候選的壓力結果。

解讀限制：這是其他成本不變的條件式壓力測試，不是成本上漲機率或已實現現金損益。R 是決策預留，不是收入。

FIGURE 06 · 模型敏感度

哪些費率與庫存組合會賠錢？哪些只是少賺？

實驗設定：100 USDT，總庫存 30,000；基本費率 0–200 bps、USDC 占比 5–95%。左圖 Π=A−K−C，右圖 H−N。

觀察：左圖紅色區域是真正的模型預期虧損；右圖紅色則包含仍有正利潤、但未達完整成本＋R＋N 的區域。USDC 越充足，較優惠的 Curve 報價需要更高費率才能維持同一利潤。

解讀限制：黑線是網格插值出的零點邊界；原始決策使用定點數。此圖展示經濟區域，不代表所有點都通過既有費用下限或庫存補貼資格。

FIGURE 07 · 模型敏感度

要達到 H≥N，最低費率是多少？哪些採樣金額無解？

實驗設定：重跑原生取整與 C 計算，從 50 bps 起每次加 1 bp，最高 200 bps；總負擔最多 8%。橫軸固定 30–100；右圖逐點標示正常候選與拒絕階段。

觀察：100 USDT 的正常候選：USDC 20%／50%／80% 分別需要 50／75／99 bps。平衡庫存 30–82 在原價即觸及 TOTAL_USER_FEE_LIMIT，84、86 則在搜尋中觸及；本次網格首個可行點為 88 USDT。

解讀限制：88 USDT 是每 2 USDT 網格的第一個可行採樣點，並非精確連續門檻。無解只限本次設定與搜尋範圍；原價可補貼時，策略仍優先保留原價。

FIGURE 08 · 模型敏感度

pmax 與 r₂ 各控制什麼？庫存極端時是否會無限制優惠？

實驗設定：左圖改 pmax，固定 r₂=80%；右圖改 r₂，固定 pmax=1.0025。縱軸為有限 100 USDT 訂單的平均內層匯率偏差。

觀察：pmax 控制上下界，r₂ 改變校準後的曲線形狀。達到限幅後，多數庫存變化不再改變匯率；pmax=1 直接退化為固定 1:1。

解讀限制：r₂ 的校準對象是邊際匯率，不是圖中的有限訂單平均匯率；不可從 r₂=80% 推論所有 80% 庫存訂單恰好給滿上限。

FIGURE 09 · 模型敏感度

庫存比例相同但總資金不同，100 USDT 報價會一樣嗎？

實驗設定：將總資金從 3,000 增加到 150,000，固定庫存占比與 100 USDT 輸入；以 bps 放大較小的匯率差。

觀察：同一筆交易占庫存的比例不同，有限訂單滑價會變化；在已被 pmax 限幅的區域，增加資金對匯率的效果可能很小。增加資金仍能延長庫存耗盡前的可服務時間。

解讀限制：曲線價格與可接單性不同：例如總量 3,000、USDC 占比 20% 只有 600 USDC，已低於 1,000 底線；圖上的價格只是診斷候選。

FIGURE 10 · 模型敏感度

已接納報價在資金占用延長後，何時低於正常利潤目標？何時預期損益轉負？

實驗設定：固定平衡庫存 75 bps 已接納候選與交付量；僅變更總資金占用時間與 APR。左圖畫 H−N，右圖延長至 2,700 小時以顯示 Π 零點；不重新報價或調整其他成本。

觀察：APR 12% 下，H≥N 的總占用上限約 27.13 小時（相對 24 小時基準約再延長 3.13 小時），Π 約在 615.85 小時歸零。原固定 50 bps 在 0 小時已未達正常利潤目標，其 Π 零點約 418.09 小時。

解讀限制：均為線性公式的條件式外推，不代表實際結算時間預測或已實現現金損益。APR 是假設；歷史 Fill→Finalise 27–52 秒、人工補回約 1 小時與資金占用口徑不同。

FIGURE 11 · 模型敏感度

Across 補回若比假設更貴，哪些單會從賺錢變賠錢？

實驗設定：報價保持原值，將每單分攤補回成本從 0 掃到 100 bps；基準 20 bps 以垂直虛線標示。

觀察：補回費未同步反映到報價時，費率增加會直接壓低完整利潤。Curve 給出較優惠報價的 USDC 充足情境，能承受的補回成本更少。

解讀限制：這裡的 bps 是成本敏感度，不是 Across 實測費率。人工批次補回應用真實淨支出與淨到帳再分攤，不能直接將使用者報價費用視為 Solver 成本。

FIGURE 12 · 模型敏感度

USDT 或 USDC 偏離 1 USD，Curve 能自行修正嗎？

實驗設定：單獨改輸入或輸出幣價至 $0.97–$1.03；Curve 使用庫存數量，外層執行費使用 output USD 價格；Price Guard 採本輪 1%。灰色叉號為 Guard 失敗。

觀察：Curve 本身不等於外部價格錨；輸入幣貶值可在收款幾乎不變時侵蝕 Solver 收入。Guard 可拒絕大偏差，但在允許區間內仍可能出現經濟虧損。

解讀限制：1% 是測試配置，不代表安全保證。圖上被 Guard 拒絕的候選不會是可接單報價。

FIGURE 13 · 模型敏感度

允許單筆虧損後，哪些虧損能補貼，哪些仍該拒絕？

實驗設定：原價固定 50 bps，額外未計價處理成本 $0–$6；目標占比 50%、最小改善 1 bp、R=$0.25、單筆 D≤$5、當日尚餘 $100。

觀察：部分預期虧損落在「可補貼」區，前提是改善庫存且目標缺口 D 合格。相同模型預期經濟虧損在 USDC 稀缺時可能被拒絕；日額度不足時可補貼區還會縮小。

解讀限制：此圖只評估原價候選，沒有套用正常費率備援搜尋。$5 限制的是 D，不是單純模型預期經濟損失；不能用「虧不到 $5」直接放行。

FIGURE 14 · 模型敏感度

均勻流量可支撐多久？指定尖峰與補回延遲會拒絕幾筆？

實驗設定：觸發時可用 4,956.126099 USDC，底線 1,000；每單固定交付 93.001869 USDC。左圖為均勻流量容量；右圖指定到帳前請求數，含瞬間 50 筆尖峰與 2 小時延遲。到帳後不再計入本情境。

觀察：緩衝可接 42 筆完整訂單。10 筆／小時等 1 小時接 10、拒 0；40 筆／小時等 2 小時接 42、拒 38；瞬間 50 筆接 42、拒 8；若其後再每小時 10 筆且延遲 2 小時，共接 42、拒 28。

解讀限制：這些是確定性情境，不是缺貨機率。左圖負 headroom 代表未滿足需求，右圖始終保留底線；沒有到達與延遲分布，平均 10 筆／小時與平均 1 小時不足以推算缺貨風險。

FIGURE 15 · 歷史觀測

真實歷史資料與試算假設差多少？

實驗設定：使用 2026-10-28 保存的 5 筆正常 Claim 快照；成本只含 Solver 支付的交易費與 IGP，排除人工 Refund 那筆。

觀察：IGP 在這些樣本中從約 $21 降至約 $2.84，遠非固定 $0.80 的普遍事實。五筆直接損益合計 −$3.320455；最新一筆 +$0.241149，但尚不代表扣完資金與補回後仍獲利。

解讀限制：樣本來自不同日期及未核實的部署／配置，不能把變化因果歸給單一參數。五筆不是統計代表樣本，故不繪製虛假的信賴區間。

FIGURE 16 · 實際 API 採樣

30–100 USDT 的策略選用報價，與 Across 預期收款差多少？

實驗設定：Solver 每點重設平衡庫存並依既定策略選用或拒單。Across 同路線 exactInput、slippage=auto；每 2 USDT 一點，各採兩輪，每輪獨立打亂金額順序並保存時間。

觀察：Solver 在網格 30–86 USDT 拒單，88–100 有正常候選；100 USDT 選用 75 bps、收款 92.999434 USDC。Across 共 72 次觀測，72 次回傳金額；兩輪分開呈現，陰影為各次最低至預期收款。

解讀限制：本次 72 次回應的 simulationSuccess 全為 false，尚無可執行性證據。拒單的 Solver 收款與差額留空，軸旁叉號只表示拒單，並非收到 0。打亂與重複採樣可減少金額和時間完全綁定，兩輪仍不足以估計報價分布或可成交率；雙方也不是同時可執行報價。

FIGURE 17 · 實際 API 採樣

營運範圍內，使用者負擔與服務商成本如何區分？

實驗設定：沿用圖 16 的策略與兩輪觀測；左圖為輸入減預期收款，右圖分列 Solver 所選候選的 C、執行扣費及 Across fees.total。Solver 拒單處留空。

觀察：使用者名目差額、模型經濟成本與 API 費用明細各有不同口徑；Solver 的 $6.25 執行扣費不能當作完整 C，Across fees.total 也不是 relayer 內部成本。

解讀限制：Across 預期收款已扣費，不再扣 fees.total；後者含 swapImpact，負值不代表負 gas。來源 gas／approval 與 Solver 使用者 Open 費缺少可靠完整估計，因此完整使用者成本排名仍未知；HTTP 200 不等於可成交。

FIGURE 18 · 實際 API 採樣

擴大額度診斷：100–15,000 USDT 的固定候選與歷史 Across 收款？

實驗設定：每個金額獨立重設 Solver 庫存為 15,000／15,000，使用目前研究配置的原生固定 50 bps 公式；Across 使用同一路線 exactInput 即時 GET 採樣。不是連續交易。

觀察：150 個金額中 121 個取得 Across 金額，29 個回傳錯誤。100 USDT：Solver 固定費率候選 93.249432 USDC；Across 預期 98.920848、最低 98.426244 USDC。平衡庫存正常策略則須反算到 75 bps，收款約 92.999434。

解讀限制：Solver 是未部署的研究配置試算，Across 是不同時點的指示性報價，不能聲稱同時可成交。150 點採樣跨約 7 分鐘，金額與時間變化混在一起，尖峰不能全歸因於金額滑價。Solver 超過 100 的點都違反金額上限，接近 15,000 還會違反庫存底線；Across 錯誤點留空，不插值、不改用別的 USDC 合約。

FIGURE 19 · 實際 API 採樣

擴大額度診斷：大額名目差額與成本口徑有何不同？

實驗設定：左圖為輸入數量減預期輸出數量，僅用雙穩定幣近似平價的名目差額；右圖並列 Solver 模型 C、外層執行扣費與 Across API fees.total，各保留自己的定義。

觀察：100 USDT 的 Across fees.total 約 $1.0331，並不等於輸入減收款的精確差額；也不代表 Across relayer 的內部成本。Solver 執行扣費固定 $6.25，而完整 C 隨交付量增加資金與補回成本。

解讀限制：Across 預期收款已扣其費用，不能再扣 fees.total 一次；fees.total 含 swapImpact，負值可能代表有利的市場報價組成，不能解讀為負 gas 或確定補貼。採樣 originGas 的 0 不視為真實零成本，尤其 simulationSuccess=false；來源鏈 gas／approval 與 Solver 使用者 Open 費都缺少同時點完整估計，因此完整使用者總成本及其排名仍未知。

FIGURE 20 · 模型敏感度

網路與補回成本同時上升，單因子仍獲利的報價會轉虧嗎？

實驗設定：固定平衡庫存 75 bps 已接納報價、交付 92.999434 USDC；Π壓力=Π基準−$6×網路漲幅−K×(補回bps−20)/10000。R、N 與其餘成本不變；不重新報價。

觀察：基準 Π=$0.753992；網路單獨增加 10% 後為 $0.153992，補回單獨由 20 升至 40 bps 後為 $0.567993；兩者同時發生則為 $-0.032007。單因子仍為正，聯合情境已轉負。

解讀限制：這是指定衝擊組合的模型預期經濟損益，不代表共同發生機率或實際現金虧損；單因子掃描不能取代聯合情境。

Across 擴大額度診斷：代表金額與原始資料

此表全為固定 50 bps 診斷候選，包含未接納的 100 USDT；營運比較請看圖 16–17 與策略選用 CSV（本機資料）、兩輪原始回應（本機資料）。所有 150 個診斷輸入都保存在 CSV；報價失敗不是收到 0。Across 的最低與預期收款應分開看，尤其大額單會放大滑價容忍的絕對金額。表中的 API 費用不能再次從收款扣除。

API 使用公開歷史 Solver 地址查詢，沒有連接、授權或轉帳。帳戶額度／餘額檢查與 simulationSuccess 保存在原始回應，HTTP 200 不等於可成交。原始 originGas 即使回傳 0，也沒有據此宣布來源鏈交易免費。

Across dApp 交叉核對：已在瀏覽器選擇 TRON USDT → HyperEVM USDC，切為 token 數量模式、輸入 100 並設定相同公開收款地址。介面顯示 Across V5、CONNECT TRON WALLET，目的數量維持 0.00；未連接錢包，因此沒有取得可獨立驗證的 dApp 數值。圖表採用的是 API 採樣，不宣稱與 dApp 顯示一致。瀏覽器觀察紀錄（本機資料）。

官方介面與欄位依據：Across Swap API、API Reference。本次報價只是保存的觀測樣本，過期後不可拿來執行。

Across 原始回應與時間（本機資料） · 支援鏈觀測（本機資料） · 全部模型輸入（本機資料） · 完整原生結果（gzip）（本機資料） · 來源雜湊（本機資料）