天天玩的我,看到了预测市场这些创新和变化

Odaily星球日报发布于2026-02-10更新于2026-02-10

文章摘要

近期预测市场领域出现多项创新,正在改变用户参与和收益模式。Polymarket虽流动性强,但缺乏明确积分机制,用户参与仍处于“盲刷”状态。相比之下,新兴平台通过积分激励和差异化设计吸引用户。 主要亮点包括: 一、predict.fun引入持仓生息机制,用户抵押资金接入Venus Protocol等低风险策略,在持仓期间可获得3%-5%的年化收益,且收益与预测结果独立,提升了资金利用效率。 二、交互设计向内容平台靠拢,如predict.fun采用短视频式上下滑动浏览事件,Probable使用左右滑动交互,降低了参与门槛,使预测行为更接近高频内容消费。 三、平台围绕加密社区热点设计专属事件,如币安相关话题和CZ推文数量等,强化社区参与感和文化认同,形成差异化内容供给。 这些创新使预测市场从交易工具逐渐转变为兼具收益性和社区互动性的平台,尤其吸引了亚洲社区的广泛参与。

原创 | Odaily 星球日报(@OdailyChina)

作者 | Asher(@Asher_ 0210)

“Polymarket 的流动性那么好,除了刷积分博代币空投外,为什么还要使用其他预测市场平台?”这是我在近期体验多个预测市场时不断思考的问题。

诚然,近期 Polymarket 母公司 Blockratize 在代币发行计划期间提交了“POLY”商标申请,加上 Polymarket 高管此前已明确表示计划推出原生代币并进行空投,使得市场普遍预期刷 Polymarket 或将会是下一个“大毛”。但与其他新兴预测市场不同,Polymarket 目前并未上线明确的积分或任务激励,用户难以根据积分激励的反馈,动态调整“撸毛”策略,某种程度上仍处于“盲刷”的困难模式

相比之下,这些新兴预测市场平台大多引入积分机制,使用户能够在参与平台交易的同时有一个更清晰的“空投策略路径”。虽然这些预测市场平台大多仍处于早期阶段,存在一定 BUG 并时常引发社区成员吐槽,但在实际体验过程中,也确实能发现一些“有别于 Polymarket”的差异化亮点。

下面,将逐一介绍近期在体验不同预测市场平台过程中总结出的几个亮点。

亮点一:持仓资金不再“躺平”,预测仓位也能持续产生收益

在传统预测市场中(如 Polymarket、Kalshi),用户买入 YES/NO 仓位后,资金通常会被锁定直至事件结算。在这段时间里,这部分资金既无法参与其他策略,也不会产生任何收益,本质上是一笔存在明显机会成本的“闲置资金”。

predict.fun 则尝试改变这一点。平台会将用户用于预测的抵押资金接入 BNB Chain 生态中的低风险生息策略,使仓位在持有期间自动产生稳定币收益。根据 2026 年 1 月 8 日官方公告,predict.fun 已与 Venus Protocol 达成合作,用户锁定的 USDT 抵押资产会被自动存入 Venus 的货币市场进行生息,从而在等待事件结果的同时持续产生额外收益。

也就是说,用户在持仓期间资金依然在链上持续“工作”,常见的稳定币年化收益水平约在 3%–5% 区间(具体取决于底层 DeFi 策略及市场环境)。更重要的是,这部分收益与预测结果彼此独立——无论最终预测是否成功,持仓期间产生的 yield 都可以单独领取,相当于在预测盈亏之外增加了一层额外的被动收益来源。

从产品机制角度看,这一设计相当于把传统预测市场中的“死钱”转化为“活钱”,也是 predict.fun 当前最具辨识度的差异化特点之一。目前平台已经开放持仓收益领取功能,用户可在每周二固定时间领取累积的持仓收益,使长期持仓在策略层面具备更清晰的复合收益逻辑。

predict.fun 持仓收益领取图

亮点二:短视频式滑动体验,让预测市场更接近“内容消费产品”

与传统预测市场偏交易终端式的界面不同,一些新兴预测市场平台开始在交互设计上明显向内容平台靠拢,试图降低参与门槛并提高用户停留时间。例如,在 predict.fun 的移动端界面中,一个屏幕对应一个预测事件,用户通过上下滑动即可快速浏览不同市场,整体体验更类似短视频平台的信息流模式。这种设计使用户无需主动搜索事件,而是在不断“刷市场”的过程中自然发现感兴趣的预测标的,显著提升了浏览效率与参与频率。

类似地,Probable 则采用左右滑动的交互方式,使预测行为在体验上更接近社交产品的信息匹配逻辑。从产品思路来看,这类设计的核心并非单纯优化 UI,而是试图将预测市场从“低频交易工具”转变为“高频内容消费入口”。

两款预测市场平台手机端交互方式示意图(左:predict.fun;右:Probable)

predict.fun 创始人 Dingaling 也曾在 Space 中提到,希望将预测市场打造为类似短视频应用的使用场景——用户在日常浏览热点事件、趣味话题的同时即可完成下注,并通过评论、互动等功能进一步增强社区参与感和用户粘性。

从体验角度看,这种信息流式交互本身就是一个颇具吸引力的产品创新。相比传统需要主动查找市场的方式,滑动浏览让用户能够在碎片化时间里持续“刷市场”,在浏览内容的同时自然产生参与行为,使预测市场的使用体验更加轻量、流畅。

亮点三:围绕社区热点的“专属事件市场”,强化本土化参与感

除了产品机制与交互体验外,一些新兴预测市场平台在市场内容设计上也开始尝试差异化路线,即不再单纯复制 Polymarket 或 Kalshi 上已有的通用事件,而是围绕加密社区内部关注度较高的话题,推出更具圈层属性的“专属事件市场”。例如,predict.fun 上围绕币安及社区热点推出的相关预测事件,包括“3 月 1 日 Binance SAFU 基金钱包比特币余额变化情况”、“CZ 在 2026 年 2 月 7 日至 14 日期间的推文数量”等,都属于更贴近加密用户日常讨论的话题类型。

predict.fun 上线专属预测事件

相比传统宏观事件或通用政治、体育类市场,这类带有明显社区属性的预测事件更容易激发用户讨论与传播,也更容易在特定用户群体中形成参与热度。从平台运营角度来看,专属事件的持续推出,本质上是在构建具有平台特色的内容供给,使预测市场不只是一个“交易场所”,也逐渐成为社区热点情绪与叙事的聚集地。

从上述事件可以看到,predict.fun 正在有意识地在“事件供给”层面做差异化,而不是简单复刻 Polymarket 或 Kalshi 上已有的市场。围绕 CZ、Binance 生态及社区讨论热点设计预测事件,使平台更容易在特定用户群体中形成传播和参与度,这种内容策略也正在成为部分新兴预测市场的重要运营方向。

值得注意的是,目前活跃度较高的新兴预测市场中,相当一部分项目来自 BNB Chain 生态,其用户结构也明显更偏向亚洲社区。在这一背景下,社区文化、圈层文化乃至更具“饭圈化”特征的参与行为,正在逐步成为影响预测市场事件设计和传播的重要因素。在这一背景下,对于新兴预测市场平台而言,围绕差异化事件设计所形成的亚洲社区文化与更具“饭圈化”特征的参与行为,正在成为一个值得重点研究的方向,相关影响也将在后续文章中进一步展开讨论。

相关内容

预测市场被低估的优势:逆行情,反波动,随时有得玩

预测市场活跃创历史新高,头部项目值得关注的大事都在这

大热赛道、新交互机会:YZi Labs看好的三家预测市场

手把手带你参与获CZ支持的predict.fun

相关问答

QPolymarket 目前为什么被用户称为“盲刷”的困难模式?

A因为Polymarket 目前并未上线明确的积分或任务激励,用户难以根据积分激励的反馈动态调整“撸毛”策略,只能在没有明确指引的情况下参与,所以被称为“盲刷”的困难模式。

Qpredict.fun 如何让用户的持仓资金不再“躺平”?

Apredict.fun 将用户用于预测的抵押资金接入 BNB Chain 生态中的低风险生息策略(如与 Venus Protocol 合作),使仓位在持有期间自动产生稳定币收益,用户可以在每周二领取这部分额外收益。

Qpredict.fun 和 Probable 在移动端交互设计上有什么创新?

Apredict.fun 采用类似短视频平台的上下滑动浏览方式,一个屏幕对应一个预测事件;Probable 则采用左右滑动的交互方式,使预测行为更接近社交产品的信息匹配逻辑,旨在将预测市场从“低频交易工具”转变为“高频内容消费入口”。

Qpredict.fun 如何通过“专属事件市场”强化本土化参与感?

Apredict.fun 围绕加密社区内部关注度较高的话题(如币安及社区热点)推出专属预测事件,例如“CZ 在特定期间的推文数量”,这些事件更贴近加密用户日常讨论,容易激发用户讨论与传播,强化社区参与感。

Q目前哪些新兴预测市场平台在亚洲社区中较为活跃?

A目前活跃度较高的新兴预测市场中,相当一部分项目来自 BNB Chain 生态,其用户结构明显更偏向亚洲社区,社区文化、圈层文化乃至“饭圈化”特征正在成为预测市场事件设计和传播的重要因素。

你可能也喜欢

年薪百万抢电工,Meta急到自己办技校

AI竞赛正面临新的瓶颈:工地。美国正面临严重的电工、建筑工等技术工人短缺,这已成为微软、Meta、OpenAI等公司快速建设超大规模AI数据中心(如OpenAI耗资160亿美元的“星际之门”项目)的“头号障碍”。 尽管AI公司愿支付高薪(如电工年薪可达24-28万美元),远超传统行业,但熟练技工仍供不应求。麦肯锡预测,美国在2023-2030年间需额外培养13万名电工和24万名建筑工,而劳工统计局预计每年仍有8万个电工岗位空缺。这种短缺导致项目延迟,每月可能造成数百万美元的收入损失。 AI数据中心建设复杂,需应对巨大功耗(一座设施耗电堪比数十万户家庭)、复杂的配电系统以及高密度散热(需液冷技术)等挑战,因此亟需大量技术娴熟的工人。 为此,科技巨头开始亲自下场培养人才。例如,Meta投入1.15亿美元建立建筑工人培训学校,提供免费培训及生活补贴,以快速输送工人上岗。OpenAI则与建筑工会合作,提前锁定熟练劳动力。同时,企业也将招聘目光投向高中生,鼓励年轻人投身技工行业。这些举措已见成效,Z世代对技工职业的兴趣显著上升。 然而,更深层的挑战在于电力。AI数据中心用电量正以惊人速度增长,已推高部分地区的电价。此外,数据中心建设是项目制的,建设期需要成千上万的工人,但建成后仅需少量常驻人员。这意味着未来可能面临熟练工人短期过剩、并流向其他行业压低薪资的风险。如何实现劳动力与电力资源的长期平衡,仍是悬而未决的问题。

marsbit25分钟前

年薪百万抢电工,Meta急到自己办技校

marsbit25分钟前

OpenAI 不靠最贵的模型卖钱了

OpenAI近期调整了API定价策略,旗舰模型GPT-5.6 Luna降价80%,Terra降价20%,而顶级模型Sol未降价但新增了更快的“Fast”模式。此次调整的核心并非单纯的价格战,而是标志着OpenAI首次引导用户根据任务需求选择不同模型,而非一味追求最强模型。官方建议复杂任务可由Sol进行规划,再由Luna等成本更优的模型执行。 此举与Anthropic近期推出半价替代旗舰的Claude Opus 5策略相似,显示硅谷领先公司正形成默契:旗舰模型(如Sol、Fable)的角色正从直接盈利转向树立技术品牌和探索上限,而商业化走量和利润则主要由中端及性价比模型(如Luna、Opus)承担。这类似于汽车等行业“旗舰立形象,走量车型赚利润”的模式。 更深层的变化在于成本下降的驱动力。OpenAI透露,此次降价部分得益于由Sol模型自身参与优化底层生产内核,实现了效率提升与成本降低,开启了“模型优化模型”的自我加速循环。 行业竞争焦点正从“谁最聪明”的单项性能比拼,转向为企业提供基于任务重要性、出错成本、规模等因素的“模型组合”最优解,追求整体ROI。这类似于云计算按数据冷热使用不同存储的策略。 OpenAI的长期战略日益清晰:其真正目标并非依靠单一模型的高毛利,而是通过极低的调用成本构建庞大的开发者生态与调用量,形成类似操作系统或云平台的渗透率与用户粘性。当API调用成本低至可被忽略,AI将如水电般无缝嵌入所有业务流程,其发展也将从追求智能巅峰的“产品时代”,进入驱动全面自动化与效率的“基础设施时代”。

marsbit25分钟前

OpenAI 不靠最贵的模型卖钱了

marsbit25分钟前

交易

现货
活动图片