Ordinals项目中的稀有聪供应量统计问题解析
2025-06-17 23:54:24作者:郜逊炳
在区块链Ordinals协议中,聪(Satoshi)被赋予了不同的稀有度等级。最近在项目文档中发现了一个关于稀有聪供应量统计不一致的问题,这值得我们深入探讨。
稀有聪的分类体系
Ordinals协议将聪分为以下几个稀有度等级:
- 普通(Common):所有未分类的聪
- 不常见(Uncommon):每个区块的第一个聪
- 稀有(Rare):每个难度调整周期的第一个聪
- 史诗(Epic):每次减半周期的第一个聪
- 传奇(Legendary):每个周期的第一个聪(约每6年)
- 神话(Mythic):创世区块的第一个聪
统计不一致问题
原始文档中提供的统计数字存在逻辑矛盾。按照稀有度等级的定义,高等级的聪不应被重复计入低等级统计中。例如,一个神话聪同时也是传奇、史诗、稀有和不常见聪,但在统计时应该只计入最高等级。
正确的统计方法应该采用两种可能的逻辑:
-
非重叠统计法:每个聪只计入其最高稀有度等级
- 不常见:6,926,535
- 稀有:3,432
- 史诗:27
- 传奇:5
- 神话:1
-
重叠统计法:每个聪计入所有符合条件的等级
- 不常见:6,930,000
- 稀有:3,438
- 史诗:33
- 传奇:6
- 神话:1
技术实现考量
在Ordinals协议的实际实现中,更倾向于采用非重叠统计法,这与传统收藏品(如TCG卡牌)的分类逻辑一致。在这种方法下:
- 每个聪只显示其最高稀有度标签
- 统计数字更加精确且不重复计算
- 用户界面更加清晰,避免混淆
问题的影响与修正
这一统计不一致虽然看似微小,但对于依赖这些数据进行研究和开发的应用来说可能产生误导。项目维护者已经确认了这一问题,并通过PR#4152进行了修正,采用了非重叠统计法的数字。
对于开发者而言,理解这一分类逻辑对于构建基于Ordinals协议的应用至关重要,特别是在设计涉及稀有聪的交易、展示或分析功能时。正确的统计方法确保了数据的一致性和可靠性,为整个生态系统提供了坚实的基础。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
671
155
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322