一文读懂Eigenpie的空投玩法,如何获取最大收益?

Odaily星球日报Publicado a 2024-01-29Actualizado a 2024-01-29

Resumen

活动包括三重收益:Eigenpie积分、Eigenlayer积分和IDO份额。

原文作者:CapitalismLab

Magpie 针对 LRT 的 subDAO @Eigenpiexyz_io 今天开启了积分活动,这是目前为止 LRT 项目中给 TVL 提供者最大蛋糕的,项目有特色外加此前 Magpie 的 subDAO 有着不菲的收益,配置价值恒奥。

本 Thread 将分析 Eigenpie 的空投玩法,机制,前景,和收益预期,帮你明明白白地取得最大化收益。

一文读懂Eigenpie的空投玩法,如何获取最大收益?

A. 空投玩法

当前存 stETH 等 LST 进去可以获取三重收益:

  • Eigenpie 积分,对应总量 10% 的空投

  • Eigenlayer 积分 ( 2 月 5 日 Eigenlayer 开放存款后)

  • Eigenpie 对应总量 24% IDO 份额, 3 M FDV 低估值

  • 所存 LST 的基础收益(比如 mETH APR 是 7% 那你可以继续享受 7% )

积分会根据车队总规模提供增益,越大的车队增幅越大,最高两倍,所以最好抱团取暖。

一文读懂Eigenpie的空投玩法,如何获取最大收益?

B. 机制

Eigenpie 做的是为 isolate LRT(ILRT),每个 LST 发一个对应的 Token 隔离风险,参见下表

当前 Eigenlayer 上了这么多 LST,如果一个 LRT 项目笼统接受的话,那么这个项目要承担所有底层 LST 的风险,一旦某一个 LST 出现安全问题可能就会对其造成毁灭性的打击

一文读懂Eigenpie的空投玩法,如何获取最大收益?

所以就有了 Eigenpie 的 ILRT 可以隔离风险

隔离了风险也隔离了流动性,这是否会有问题呢?其实也不染,支持 LST 的 LRT 相比 支持 Native Staking 的 LRT,优势之一便在于可以充分利用底层 LST 的流动性。mrETH/rETH,mmETH/mETH 这些单独的 pair 其实更有利于和 LST 项目方合作激励流动性

C. 前景

这个项目有什么优势?毕竟发的的确晚了一些,但是目前的确有一块需求空缺尚未被填补:上了 Eigenlayer 的 LST 都迫切希望参与到 LRT 叙事中,而 Eigenpie 目前来看是最好的方案,每个 LST 又有独立的 LRT 不用担心给其他人做了嫁衣。像 mETH 这种利率更高的 LST,也可以继续发挥其优势。

Mint 出来的 mstETH 这些什么时候可以在 DEX 交易?是否会上 Pendle?

显而易见的是项目方有极大意愿和能力推进这些,无他,这些都可以带给 Magpie 旗下的 Cakepie,Penpie 这些 subDAO 丰厚的贿赂收益

如果你对 Magpie 的架构不了解的话,可以参考我们此前的推文

D. 收益预期

收益这边我们先看下代币经济:

• IDO: 40% 

• 空投: 10% 

• 激励 35% 

• Magpie Treasury: 15% (按照惯例不出售,staking 分红给 vlMGP)

基本是一个 FairLaunch 的操作,不同之处在于目前大部分 Fairlaunch 白名单内定比较多,而这个的 IDO 白名单大部分都明牌给 TVL 提供者

给到 TVL 提供者的权益是

  • 总量 10% 的空投

  • 60% 的 IDO 份额,IDO 占总量的 40% ,$ 3 M FDV 估值

就是说总量的 10% + 60% * 40% = 34% 都会给到 TVL 提供者,这占了初始流通的 34% / 50% = ~ 70% ,今后也没有 VC 抛压这些

一文读懂Eigenpie的空投玩法,如何获取最大收益?

目前 LRT 叙事非常火热,仅有 $ 7 M TVL 的 $RSTK 都有 $ 35 M mcap 和 $ 180 M FDV,目前已经发布其他几个项目的估值也非常之高

Eigenpie 最终的 TVL 多半会远高于 RSTK,如果按照 $RSTK 的 FDV 对标的话,TVL 提供者的总利润也可达: 10% * 180+ 60% * 40% *( 180-3)= $ 60 M

假设两个月后发币,平均 TVL 为 $ 200 M 的话,也是可以达到 ( 60/2)/200* 12 = 180% 的 APR,这还不包括底层 Eigenlayer points 的收益,在前 15 天作为早期提供者参与还有 2 倍的点数增幅

我们再看下此前 magpie 的 subDAO IDO 至今的涨幅

  • Penpie,IDO 3 M FDV, 14 倍

  • Radpie,两轮 IDO 平均 7.5 M FDV, 1.4 倍

  • Cakepie,IDO 20 M FDV, 2.4 倍

此番进军市场更大的 LRT 赛道,不但拿出了 3 M FDV,给到 TVL 提供者的空投和 IDO 份额均是当年 PNP 的数倍,不知收益是否会复刻甚至超越

总结:

1. 空投需要抱团取暖获取更大增幅,抱团链接:https://eigenlayer.magpiexyz.io/?ref=0x307225Bc52ef0fEDAa67b626996c0E74cEA924Ee

2. 特色机制为 ILRT 隔离各个 LST 的风险

3. 优势还有可以充分利用 Magpie 积累的 Pendle/Pancake 资源加速发展

4. 绝大部分权益明牌给到 TVL 提供者,IDO 额度透明的 Fairlaunch

一文读懂Eigenpie的空投玩法,如何获取最大收益?

原文链接

Lecturas Relacionadas

Perdiendo a dos leyendas en tres días: ¿Se está resquebrajando el dique de talento de IA de Google?

En solo tres días, Google ha perdido a dos leyendas de la IA. El 18 de junio, Noam Shazeer, coautor del seminal trabajo "Attention is All You Need" y copresponsable de Gemini, anunció su salida para unirse a OpenAI. Dos días después, John Jumper, ganador del Nobel de Química 2024 y líder de AlphaFold, dejó Google DeepMind para incorporarse a Anthropic. Estas partidas no son incidentes aislados, sino parte de una tendencia clara de fuga de talento de Google hacia OpenAI y Anthropic, como lo confirma también la reciente incorporación a Anthropic del exmiembro fundador de OpenAI, Andrej Karpathy. El trasfondo de este éxodo es fundamentalmente una cuestión de misión y enfoque. El modelo de negocio central de Google, basado en la publicidad, impone una lógica orientada a productos y métricas comerciales que, en última instancia, restringe la investigación pura. En contraste, tanto OpenAI (con su misión de AGI) como Anthropic (centrada en la seguridad y la ciencia) ofrecen un entorno de trabajo enfocado únicamente en empujar los límites de las capacidades de los modelos. A esto se suma la fuerte atracción financiera: OpenAI y Anthropic están en camino a una OPI, lo que promete una recompensa económica masiva a través de capital para sus empleados, algo que la ya gigantesca Google difícilmente puede igualar. La fusión de Google Brain y DeepMind en 2023, destinada a consolidar esfuerzos, ha generado en cambio tensiones culturales y ha hecho más evidente la presión por alinear la investigación con los objetivos de los equipos de productos. El resultado es una reorganización estructural del mapa del talento en IA. Google, a pesar de sus vastos recursos en computación y datos, está perdiendo a las personas que definen el futuro del campo. La verdadera ventaja competitiva en IA reside en retener a las mentes más brillantes, y Google está descubriendo que esa es quizás su batalla más difícil.

marsbitHace 57 min(s)

Perdiendo a dos leyendas en tres días: ¿Se está resquebrajando el dique de talento de IA de Google?

marsbitHace 57 min(s)

Tras las notas de la IA, se esconde un "creador de exámenes" chino

Cada vez que se lanza un modelo de IA de vanguardia, la comunidad fija su atención en ciertas "hojas de resultados" familiares: MMLU-Pro, MMMU, MMMU-Pro. Estos puntos de referencia se han convertido en exámenes estándar para evaluar y comparar modelos como GPT, Claude, Gemini, Llama, Qwen y DeepSeek. Detrás de estas influyentes evaluaciones está el investigador chino Wenhu Chen, profesor asistente en la Universidad de Waterloo y fundador del TIGERLab (apodado "虎头帮"). Su trabajo surge de una necesidad crítica: a medida que los modelos avanzaban, las pruebas antiguas como MMLU se saturaban con puntuaciones casi perfectas, dejando de ser útiles para discernir diferencias reales. En 2024, Chen y su equipo presentaron MMLU-Pro, una renovación exhaustiva del original. Con 12,032 preguntas de 14 disciplinas, aumenta las opciones de respuesta de 4 a 10 para reducir las conjeturas e incorpora problemas más complejos que requieren razonamiento. El resultado fue una caída del 16% al 33% en la precisión de los modelos y una evaluación más estable y discriminatoria, rápidamente adoptada por la industria. Su contribución se extiende al ámbito multimodal con MMMU, un conjunto de 11,500 preguntas que combinan imágenes (gráficos, mapas, fórmulas) con conocimientos académicos para probar una comprensión integrada. Incluso los mejores modelos como GPT-4V inicialmente solo alcanzaron un 56% de precisión, revelando un largo camino por recorrer. Su sucesor, MMMU-Pro, cierra aún más las brechas, obligando a los modelos a utilizar la información visual y no solo el texto. La experiencia de Chen, que incluye investigación doctoral en preguntas complejas y una etapa en Google DeepMind trabajando en Gemini, le permite anticipar cómo los modelos pueden "aparentar" competencia. Su laboratorio no solo diseña evaluaciones, sino que también desarrolla modelos (como UniVideo para video o MoCha para avatares), asegurando que sus "exámenes" reflejen desafíos reales y los límites actuales de la tecnología. Actualmente, Chen continúa este trabajo en el laboratorio de superinteligencia de Meta, enfocado en datos y evaluación multimodal. Su historia destaca el papel fundamental, aunque a menudo menos visible, de los investigadores que construyen las herramientas para medir el verdadero progreso de la IA.

marsbitHace 1 hora(s)

Tras las notas de la IA, se esconde un "creador de exámenes" chino

marsbitHace 1 hora(s)

Selección Semanal del Editor Weekly Editor's Picks (0613-0619)

**【Resumen semanal de los editores (13-19 de junio)】** Esta selección semanal rescata análisis profundos del flujo de información, filtrando el ruido para ofrecer perspectivas clave. **Panorama macro:** Tras la reapertura del Estrecho de Ormuz, el mercado ajusta su foco desde el "impacto bélico" hacia la "recuperación de la oferta". Se observan movimientos en petróleo, bonos, inflación y cadenas de valor como LNG y fertilizantes. **Inversión y emprendimiento:** Ray Dalio advierte sobre la concentración del mercado en acciones de grandes tecnológicas de IA, recomendando diversificación. En cripto, se analizan ciclos a largo plazo, señales de posible fondo para BTC en Q4, y los desafíos regulatorios en mercados como Corea del Sur. El análisis de SpaceX tras su IPO destaca su elevada valoración, riesgos sistémicos potenciales y la importancia de próximos hitos como su inclusión en índices. **Web3 & IA:** Una advertencia señala exposiciones de billones de dólares fuera de balance en la nube/IA, un riesgo latente si la comercialización falla. Se exploran las predicciones de IA para el Mundial y la estructura de costos de una suscripción a IA como Claude. **Mercados de predicción:** Robinhood desarrolla su propia plataforma (Rothera), iniciando una "guerra de canales" en la industria y posicionándose como competidor directo de Kalshi. **CeFi & DeFi:** Se analizan mecanismos de perpetuales para pre-IPO (ej. SpaceX) y los desafíos técnicos pendientes. La desviación del precio de STRC (vinculado a Strategy) refleja preocupaciones sobre su modelo de negocio. Se presenta el nuevo ETF de Bitcoin con rendimiento de BlackRock (BITA). **Ethereum y escalabilidad:** Se destaca la ventaja clave de Ethereum: su vasto ecosistema de desarrolladores y estándares, consolidándolo como sistema operativo para las finanzas descentralizadas. **Otros titulares de la semana:** Acuerdo EEUU-Irán, decisión de la Fed, movimientos en SpaceX y Anthropic, y opiniones destacadas sobre mercados.

marsbitHace 1 hora(s)

Selección Semanal del Editor Weekly Editor's Picks (0613-0619)

marsbitHace 1 hora(s)

Análisis de la última reasignación de cartera del "hijo de la versión" del mercado de valores estadounidense: 9.000 millones de USD en ventas en corto de NVIDIA, apuntando a los sectores eléctrico y de memoria

Leopold Aschenbrenner, considerado uno de los inversores más agresivos en IA, ha realizado cambios significativos en su cartera. Ha establecido posiciones cortas por unos 9.000 millones de dólares en empresas como NVIDIA, ASML y Oracle, al mismo tiempo que redirige capital hacia lo que él identifica como los próximos cuellos de botella en infraestructura de IA: energía eléctrica, memoria, redes de centros de datos y activos de modelos más profundos como Anthropic. Su lógica no sugiere que la burbuja de la IA haya estallado, sino una rotación dentro de la infraestructura. Considera que la "transacción de la pala" clásica (como invertir en semiconductores) está demasiado concurrida y sobrevalorada. En su lugar, apuesta por los eslabones fundamentales siguientes: la capacidad real de construir y energizar centros de datos, y la necesidad crítica de materiales como el cobre y la fibra óptica para la transmisión de datos. La reciente emisión de bonos de NVIDIA por 25.000 millones de dólares, a pesar de su gran liquidez, se interpreta como una señal de un cambio en la financiación del sector. Aschenbrenner también ha invertido de forma privada en Anthropic, lo que representa una apuesta directa al "mineral" (el modelo de IA) en lugar de solo a las "herramientas". En resumen, su estrategia actual se centra en la infraestructura física y de servicios esenciales (energía, construcción, redes) que habilitarán la próxima fase de expansión de la IA, considerándolas apuestas más sólidas y menos saturadas.

marsbitHace 1 hora(s)

Análisis de la última reasignación de cartera del "hijo de la versión" del mercado de valores estadounidense: 9.000 millones de USD en ventas en corto de NVIDIA, apuntando a los sectores eléctrico y de memoria

marsbitHace 1 hora(s)

Trading

Spot
Futuros
活动图片