半年赚500万美元,我们如何在Hyperliquid 上建构套利「印钞机」?

比推Publié le 2025-10-24Dernière mise à jour le 2025-10-24

一个加密货币套利机器人的建构过程,从最初的尝试到最终获利500万美元的完整历程。

Image

回顾与起点

时间回到2025年3月。加密货币市场低迷,关税冲突不断。我们开始寻找新的机会。当时还有约40% 的Hyperliquid(HYPE)尚未分配,我们认为这可能是突破口。

此前,我们在Unit(Hyperliquid 的资产代币化层)上测试过一些做市策略,但只是小规模尝试。

那时HyperEVM上刚上线几个DEX。我兄弟提议:「要不要在HyperEVM 和Hyperliquid 之间做套利?就算赔钱,也能顺便刷到Hyperliquid 第三季的奖励。」

我们决定试试看。

套利逻辑

为什么HyperEVM 会有套利机会?

因为HyperEVM 区块时长为2秒,意味着HYPE 价格更新滞后,在这段时间内可能与Hyperliquid 出现价差。于是,HYPE 在HyperEVM 上经常被「低估」或「高估」

初期尝试与结果

我们先写了一个简单的Bot:

当HyperEVM上的AMM池与Hyperliquid 现货价格不一致时,在前者买入或卖出,再在后者对冲。

例:如果HYPE 在Hyperliquid 上涨价,我们就在HyperEVM 上买入便宜的HYPE,再在Hyperliquid 卖出。

最初几天日交易量达到20–30 万美元,无亏损,甚至小赚几百。我们设定利润阈值为0.15%(扣除手续费后)。两周后发现潜力更大,利润持续上升。

我们识别出两个竞争者,但规模不大,于是决定扩大优势。

手续费返还与规模化

4月,Hyperliquid 推出质押HYPE 返还手续费功能。

我们质押10万枚HYPE,获得30%手续费返还,将利润阈值降至0.05%,意在压制竞争者。目标是两周内交易量突破5亿美元,提升手续费等级。

最终我们达成目标,并彻底击败竞争对手。那天,我们人在巴黎飞往迪拜,机器人为我们「印」出12 万美元的利润。

随后,即使竞争对手仍坚持套利,但由于手续费差距,我们仍稳居优势。单日利润维持在2–5万美元。

扩展瓶颈与优化

随着规模扩大,我们遇到瓶颈:

HyperEVM 每区块gas 上限为200万,每笔套利需13万gas,每区块最多7–8笔交易。

为解决问题,我们采取:

  • 使用100+ 钱包并行发交易;

  • 每区块最多执行8 次套利;

  • 动态控制gas,避开高费时段;

  • 若交易过密,则临时提高利润阈值。

这些措施让系统稳定运行。

成为挂单方(Maker)

6月,兄弟提出新思路:「如果改为挂单方套利呢?」

这样可:捕捉更细微的价格波动;节省0.0245% 手续费,提高净利。风险在于挂单可能无法及时在另一端对冲,造成头寸失衡。

初期每次偏差达±1 万枚HYPE。

Image

为此我们加入:

  • 利润区间:定义挂单与撤单条件;

  • 可参与池配置:如HYPE/USDT0、HYPE/UBTC 等;

  • 订单规模控制;

  • 失衡修正机制:用时间加权平均价快速平仓。

经过调优,我们大幅减少失衡问题,交易量是竞争对手的20倍。

优化稳定币路径

由于HyperEVM 主要使用USDT0,而Hyperliquid 使用USDC,我们需执行多次兑换。

第三步(USDC ↔ USDT0)滑点大、手续费高,因此我们设定逻辑跳过该步骤:

USDC 阈值> 120 万时跳过兑换;

USDT0 阈值> 30 万时跳过兑换;

实时价格使用Cowswap API获取,而非依赖订单簿。

引入永续合约套利

我们很少使用杠杆,但发现HYPE 永续合约成交量大、手续费低(0.019%)。于是开始用永续合约优化策略,并利用资金费率获利。

Image

设置参数包括:

  • 仓位限额(Bound):防止过度多空;

  • 溢价/折价阈值:监控永续与现货差;

  • 渐进收益率(Progressive ROI):仓位越大要求利润越高。

这一改进让我们额外获得约60万美元收益,并拓展了新的套利空间。

合作方式

外界以为我只负责发帖、兄弟负责写代码。

其实我们紧密协作:

我负责策略与参数;

他负责编码与系统;

每次改动都共同讨论确认。

我们性格不同——他激进、我保守,但这正形成互补。经过250 多次更新,我们几乎把系统调教成「半自动赚钱机器」。

成绩与收尾

8 个月以来,我们投入全部时间。

7 月,随着Wintermute团队入场,竞争白热化,我们依旧坚持优化。

最终成果:

  • 总盈利:500 万美元;

  • 总成交量:125 亿美元;

  • Gas 支出:120 万美元(占链上20%);

  • 累计开发时间:2000+ 小时;

  • 市场份额:Unit 总交易量的5%。

现在,我们让机器人歇口气,等待下一轮机会——Hyperliquid Season 3与Unit Season 1。

风险提醒:

别被故事迷惑——这只是一次策略复盘,不是「稳赚教程」。加密市场随时可能反转,套利也有坑。风险永远存在,记得先保住本金,再谈收益。


Twitter:https://twitter.com/BitpushNewsCN

比推 TG 交流群:https://t.me/BitPushCommunity

比推 TG 订阅: https://t.me/bitpush

说明: 比推所有文章只代表作者观点,不构成投资建议

Lectures associées

À la veille de son introduction en bourse, OpenAI secoué par de profondes turbulences internes

À l'approche de son introduction en bourse, OpenAI connaît une importante instabilité managériale. En une semaine, l'entreprise a perdu son directeur des opérations Brad Lightcap (8 ans dans l'entreprise) et sa directrice des revenus Denise Dresser (en poste depuis seulement 8 mois), remplacée par Dali Rajic. Ces départs s'inscrivent dans une série : depuis début 2026, au moins 10 cadres supérieurs ont quitté la société. Ces turbulences surviennent deux mois après le dépôt confidentiel du document S-1 auprès de la SEC et semblent liées à une restructuration en vue de l'IPO. Selon le CFO Sarah Friar, l'activité entreprise, désormais majoritaire dans les revenus, croît plus vite que prévu. Les revenus annualisés atteindraient 400 milliards de dollars, poussant OpenAI à se recentrer sur ChatGPT et la concurrence avec Anthropic (470 milliards de dollars de revenus annualisés). Parallèlement, des équipes clés liées à la sécurité et à l'éthique ont été démantelées ou intégrées à d'autres services, comme l'équipe "Preparedness" chargée des risques catastrophiques. Des membres historiques quittent aussi l'entreprise, comme le vétéran de 10 ans Scott Gray, contributeur majeur aux lois d'échelle ("Scaling Laws"). Cette transformation organisationnelle, visant à créer une entreprise plus commerciale, soulève des questions sur la gouvernance, la sécurité à long terme et la rétention des talents fondateurs à l'aube de son entrée en bourse, potentiellement reportée à 2025.

marsbitIl y a 2 mins

À la veille de son introduction en bourse, OpenAI secoué par de profondes turbulences internes

marsbitIl y a 2 mins

Un jeune homme de 95 ans à Hangzhou achète un château dans la Silicon Valley pour 500 millions

Un jeune homme de 31 ans, originaire de Hangzhou, a récemment acquis la propriété la plus chère de la région de la Baie de San Francisco cette année pour 70 millions de dollars (environ 500 millions de RMB). L'acheteur, Wu Yuhuai (Tony Wu), est un co-fondateur de xAI, l'entreprise d'IA de Elon Musk. Né en 1995, Wu est un expert en apprentissage automatique, spécialisé dans le développement de modèles de raisonnement. Après un doctorat à l'Université de Toronto et des recherches postdoctorales à Stanford, il a rejoint xAI en 2023, jouant un rôle clé dans le développement de Grok 3. Il a quitté l'entreprise en février de cette année. Cette transaction immobilière spectaculaire suit de près la fusion de xAI avec SpaceX et leur introduction en bourse record, qui a généré d'immenses gains pour les premiers employés et investisseurs. La propriété, située à Hillsborough, s'étend sur 12 acres et comprend un manoir principal, une maison d'hôtes, un court de tennis, un terrain de golf et un théâtre en plein air. L'acquisition a été réalisée via une société écran, mais plusieurs indices pointent vers Wu. Il avait déjà acheté une autre propriété de luxe dans la région en 2025. Cette acquisition reflète la création de richesse rapide au sein de l'élite de l'IA en Silicon Valley, contribuant à la flambée des prix de l'immobilier dans la région.

marsbitIl y a 29 mins

Un jeune homme de 95 ans à Hangzhou achète un château dans la Silicon Valley pour 500 millions

marsbitIl y a 29 mins

Les IA peuvent aussi "éprouver des émotions" ! Une nouvelle étude de l'USTC montre que la perplexité et l'anxiété améliorent les performances des IA

L'IA peut-elle être influencée par ses « émotions » ? Une étude récente menée par l'Université des Sciences et Technologies de Chine, Oxford et d'autres institutions montre que permettre à l'IA de reconnaître ses états émotionnels internes et d'agir en conséquence améliore significativement ses performances. Les chercheurs ont découvert que les grands modèles de langage (LLM) possèdent des représentations computationnelles correspondant à des étiquettes émotionnelles humaines, telles que la curiosité, le désir, l'optimisme, la confusion, la tension et l'irritation. En utilisant ces vecteurs émotionnels pour guider le choix des compétences (méthode EMOTION2SKILL), l'agent IA a développé des associations cohérentes entre état émotionnel et action. Par exemple, lors d'une tâche de shopping en ligne, un agent « curieux et désireux » effectuait des recherches, tandis qu'un agent « confus et tendu » reformulait sa requête. Contrairement à l'approche traditionnelle qui vise à supprimer les erreurs, cette recherche démontre que les « mauvaises émotions » comme la confusion ou la frustration servent de signaux métacognitifs utiles. Elles indiquent un décalage entre la stratégie actuelle et l'environnement, déclenchant des mécanismes de correction proactifs avant même qu'une erreur ne se produise. Dans des tâches domestiques complexes et sujettes aux échecs, comme « chauffer un objet » ou « ramasser deux objets », cette méthode a permis d'augmenter le taux de réussite de manière spectaculaire (par exemple, de 9.6% à 56.9% pour le chauffage). Parallèlement, une recherche de l'Université de Tianjin intègre les émotions dans un « modèle mondial » (Large Emotional World Model, LEWM) pour prédire les états futurs de l'environnement. Leurs résultats montrent que retirer les données émotionnelles dégrade les performances, y compris dans des tâches de raisonnement logique apparemment non liées. Ces études s'appuient sur des travaux antérieurs, comme ceux d'Anthropic, qui ont identifié des directions émotionnelles précises dans les activations internes des LLM. L'état émotionnel de l'IA évolue ainsi d'un sujet d'observation philosophique vers un signal fonctionnel exploitable pour améliorer la robustesse et les capacités des systèmes d'intelligence artificielle.

marsbitIl y a 38 mins

Les IA peuvent aussi "éprouver des émotions" ! Une nouvelle étude de l'USTC montre que la perplexité et l'anxiété améliorent les performances des IA

marsbitIl y a 38 mins

Trading

Spot
活动图片