作为开发者,算力成本一直是痛点。
DGrid 这里的套利模式设计得挺有意思。
它用 $1,580 的年卡,锁定用户一年的付费。拿着这些沉淀资金,它去跟云厂商倒买倒卖,用批发价换取低成本 API,再以 4.4 折(每月 $300 额度)回馈给会员。
不仅如此,会员在调用模型的同时还能顺便挖矿,进一步抵消了开发或使用成本。
对于项目方来说,这也避开了纯靠发币维持网络运转的窘境。B 端的 Arena 标注数据服务还能额外创收,卖给需要语料的大模型厂商。
从免费参与、会员订阅,再到长尾的 Agent 部署,DGrid 搭建了一个相对完整的业务漏斗。
在 AI 算力中转这个赛道上,这种用传统商业思维做 Web3 的思路值得观察。
2/📊 Key Results (held-out test set, n=300)
✅DeBERTa Judge: Pearson 0.747 (95% CI [0.663, 0.816]) → Outperforms all reference-based evaluators in our prior framework (best: 0.629)
✅Reference-Free composite score: Pearson 0.645→ Matches the best reference-based single evaluator — with zero reference answers
✅Cascade online weight calibration: Saves 72.7% evaluation cost