Papertrade 降温复盘:谁在首日 8 小时卷走 2390 万美元分红

Papertrade 上线后的前 8 小时,向质押者发放了 2390 万美元分红。随后的 37 小时里,这个数字骤降到 240 万美元。

这两个数字基本就是整场游戏的缩影。但钱到底被谁赚走了、怎么赚走的,值得花几分钟拆一拆——尤其如果你这周还打算去挖 PAPER 的话。

研报看懂了机制,却没算准节奏

上线前,三份质量最高的研究分别来自 Blockworks Research 的 Shaunda Devens、Delphi Digital 的 tempest,以及投资机构 schema。三家都把底层机制讲得很透,但一致预判这场博弈会持续数周。

唯一被时间验证的判断,是一条让人不太舒服的预警——Blockworks Research 曾提醒,对冲型套利农民可能挤走真实交易者,让协议 LP 陷入停滞。现在就是这个局面。

没人犯蠢。只是机制演进的速度,远远超出了所有人的定价预期。

钱到底流向了哪里

真实交易者在 Papertrade 上净亏 3240 万美元,拆开来看:

  • 2630 万美元流向 PAPER 质押者

  • 430 万美元沉淀在庄家 LP 池

  • 剩余部分归开发者手续费和零头


这 2630 万美元的绝大部分,被上线首日 UTC 约 22:00 前完成质押的早期用户瓜分。实际操作中就是"巨鲸通吃"——Papertrade 的中继器(Relayer)优先处理大额订单,一笔 7.5 万美元的订单可能排在队列 3000 名开外,而八位数规模的大单几秒钟就能撮合成交。

两个地址,两种赚钱策略,很有代表性。

0x2025 开头地址(套利掠夺型)

这个地址先在 Hyperliquid 上把 ETH 中间价拉动 10 到 20 个基点,然后在 Papertrade 反向开出 2 亿美元量级的大单。305 次交易胜出 296 次,平均持仓仅 98 秒。虽然有一笔卡住的订单爆仓亏了 45 万美元,但整体净赚约 110 万美元。

项目方团队(Jez、Blurr)声称他退回了大部分资金,但链上分析师 butler 和 kook 拿出的链上证据似乎并非如此。

0x35b2 开头地址(规模刷量型)

根据 Lookonchain 数据,这个地址刷了 101 亿美元交易量,亏损 97.9 万美元,但通过质押拿回约 100 万美元现金,法币本金基本打平。关键在于,他手里还握着 2.52 亿枚 PAPER,占总质押量约 4%。按当前收益率,这部分每天产生约 1.4 万美元被动收益。

这才是真正的大赢家。

顺便辟个谣:团队并没有像链上分析师 onchainmonk 认为的那样"把质押收益率从 99% 砍到 1%"。

> 质押收益规则是——分得 LP 资金池超过 500 万美元以上的盈余,外加盈利订单 2% 手续费的一半。随着 LP 池跌破 500 万美元,盈余分红自动暂停。规则从未变过,变的只是资金池状态。

现在入场还能赚吗

给今天打算入场的新人算笔账:

  • 主动磨损就是送死:按今天的铸造速率,硬亏换 1000 枚 PAPER 约需 33 美元成本

  • 对冲对刷:多空对冲组合(100 倍多空双开,波动约 1% 时平仓),成本约 4.50 美元

  • 分红收益:自上次 LP 清算分配后,每质押 1000 枚 PAPER 每天约赚 0.055 美元


结果就是:

  • 对冲农民回本周期约 80 天

  • 单边硬亏的农民回本周期长达 590 天

  • 前提还包括收益率稳定、没有其他人继续铸造增发——但这根本不可能


更严峻的是,10 月 17 日起难度陡增,分红触发线将从 500 万美元上调至 1000 万美元。截至撰稿时,庄家 LP 池只有 430 万美元,意味着接下来交易者亏损的约 570 万美元将全额填补 LP 底池,不会发放给质押者。底池填满之前,质押者只能分到纯手续费。

现在再去挖矿,根本不是稳健生息,而是一场赌局——赌后续仍有真实赌徒进场送钱,且亏损额足以把 LP 池推过 1000 万美元大关。如果你信这个逻辑,就用 100 倍杠杆做对冲,严防单边爆仓,确保双边订单都已真实成交;如果不信,现在完全没必要急着入场。

四个关键指标

以下四个指标将决定这究竟是第一幕还是全剧终:

1. LP 资金池冲破 800 万美元且持续攀升:下一次大额分红分配的前奏
2. 非挖矿性质的真实交易量:只有方向性博弈的交易者能给 LP 注入活水,对冲型农民基本只是在通胀供应
3. 净多头持仓兴趣(OI):目前多头净敞口约 1.5 亿美元,底池资金不足 400 万美元。只要市场来一波利落的 2.5% 拉升,盈利盘就得排队兑付,而不是现金立结
4. 兑付队列能否始终维持为零

10 月 17 日之后,同样的数据模型会再复盘一次。