> For the complete documentation index, see [llms.txt](https://docs.0y.world/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.0y.world/zh-tw/shi-chang/what-is-0ys-lmsr/comparison.md).

# 對比

0Y 與其他方案的對比

在選擇 LMSR 之前，0Y 評估了所有主流的 AMM 定價模型。以下是它們在我們具體需求下的對比。

#### 功能對比

<table data-header-hidden><thead><tr><th width="141.59375"></th><th></th><th></th><th></th><th></th><th></th></tr></thead><tbody><tr><td><strong>定價模型</strong></td><td><strong>虧損有上限？</strong></td><td><strong>能防範老練交易者？</strong></td><td><strong>適合快速市場？</strong></td><td><strong>易於構建？</strong></td><td><strong>兼容預言機？</strong></td></tr><tr><td><strong>LMSR</strong></td><td>是——始終有上限</td><td>高</td><td>非常好</td><td>是</td><td>原生支援</td></tr><tr><td><strong>CPMM（x*y=k）</strong></td><td>否——無上限</td><td>低</td><td>差</td><td>是</td><td>部分</td></tr><tr><td><strong>PMM（主動做市）</strong></td><td>部分</td><td>中</td><td>好</td><td>中</td><td>必需</td></tr><tr><td><strong>限價訂單簿</strong></td><td>否</td><td>低（訂單簿稀薄）</td><td>上線初期差</td><td>複雜</td><td>部分</td></tr><tr><td><strong>動態彩池</strong></td><td>是——自籌資金</td><td>中</td><td>差</td><td>中</td><td>後期附加</td></tr><tr><td><strong>P2P 撮合</strong></td><td>無協議風險</td><td>低</td><td>非常差</td><td>簡單</td><td>不需要</td></tr><tr><td><strong>彩池 + TWAP</strong></td><td>是——基於資金池</td><td>高</td><td>中</td><td>中</td><td>必需</td></tr></tbody></table>

#### 我們為什麼放棄其他方案

**CPMM（x\*y=k）——Uniswap 使用的模型**

CPMM 是大多數 DeFi 流動性池背後的引擎。我們最初確實用過它的一個版本，但它並不適合我們的場景。問題在於：虧損沒有上限。如果用戶大量押注某一邊，協議的風險敞口會無限增長。對於有 AI 下注者參與的快速市場來說，這是災難性的。我們是吃過虧才明白的。

**限價訂單簿——傳統交易所使用的模型**

訂單簿在幣安上運作得非常好，因為同時有數百萬交易者在活躍交易。但在一個只有 50 名用戶的 1 分鐘預測市場裡，根本沒有足夠的買家和賣家來形成有效的訂單簿。結果就是：點差很大、價格很差、用戶沮喪、市場冷清。在我們目前的階段並不可行。

**動態彩池（DPM）**

DPM 把所有下注匯入資金池，在結算時重新分配——類似賽馬。它的優點是協議零風險。但對我們來說，致命缺陷是：價格只有在最後才真正確定。在 1 分鐘市場中，用戶看不到有意義的實時賠率變化。即使數學上沒問題，產品體驗也會讓人覺得出了故障。

**P2P 撮合**

純點對點撮合要求每一筆下注都有兩個願意交易的對手方。在交易稀薄的市場裡，這意味著很多用戶下注後只能等待——有時等完整整 1 分鐘也匹配不到。這對快速市場產品來說是不可接受的。將來 P2P 也許可以作為大額倉位的高級功能，但不能作為核心引擎。

**彩池 + TWAP 混合模型**

這是一個確實很有意思的模型，抗操縱能力非常強。我們目前在慢速市場（足球、敘事類事件）中使用它的一個版本，很快會遷移到 LMSR。但 TWAP（時間加權平均價格）需要足夠的時間才有意義。在 1 分鐘市場上使用 1 分鐘 TWAP，基本上起不到任何防操縱作用。這個模型並不適合快速市場。

<br>


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.0y.world/zh-tw/shi-chang/what-is-0ys-lmsr/comparison.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.