概述
Pyth 是一个预言机网络,它在 40 多个区块链上传播实时市场数据,并且也可以被链下应用程序使用。值得注意的是,它拥有来自超过 90 个 第一方发布者的贡献,包括像 Jane Street、CBOE、Binance、OKX 和 Bybit 这样知名的名称。
与传统预言机不同,后者往往依赖于不频繁的更新和可疑的数据来源,Pyth 通过直接从顶级全球金融市场参与者获取信息,提供 on-chain 数据可访问性,这些参与者包括著名的做市商、交易所和交易公司。
Pyth 的关键目标是民主化所有区块链网络对金融市场数据的访问,赋能数据所有者和用户。通过利用来自可靠来源的数据,Pyth 确保高准确性和低延迟,提供对 DeFi 应用全球扩展至关重要的 on-chain 金融数据。

白皮书介绍了一个预言机协议,使准确且高分辨率的金融数据可在链上可用。机制设计确保一个自我维持的去中心化网络协调数据发布者和消费者。为此,激励结构旨在吸引提供高质量定价数据的发布者,并通过支付从消费者使用数据中收取的费用来激励他们。实际过程还旨在防止价格操纵。
Pyth 提供 价格馈送,涵盖多种不同资产类别,包括美国股票、大宗商品和加密货币。每条价格馈送都会发布一个稳健的聚合值,该值由发布者价格计算得出,这些价格每秒更新多次。

Pyth 在 oracle 领域中以几个关键特性和原则脱颖而出,这些原则优先考虑质量、安全性和可靠性:
- 更新频率:Pyth 通过 pull 模型实现高频更新,这确保了 DeFi 应用的更及时操作。使用其他 oracle 时,DeFi 应用需要等待定期更新发布到链上,但 Pyth 允许它们在需要时拉取这些数据。
- 置信区间: Pyth 实施置信区间来保护协议和用户。这些区间为潜在数据不准确性增添了额外的保障层和风险缓解措施。
- 多样化数据提供: Pyth 提供多样化的数据范围,包括实时美国股票、外汇货币对和金属价格,这些数据可能难以从其他来源获取。这种数据提供的广度提升了 Pyth 预言机服务的多功能性和适用性。
- 高级功能: Pyth 提供各种高级功能,例如发布者性能指标、指数移动平均线 (EMA/EMAC)、跨对支持,以及 basketing (索引或合成)。
- 高质量来源和透明度: Pyth 从传统金融和去中心化金融中各种一流市场参与者那里获取数据。这种方法确保了高质量和可靠的数据。此外,Pyth 的运营是透明的,聚合完全在链上进行,与可能运行易受操纵的不透明过程的传统 oracles 不同。
- 安全与可靠性的高标准:Pyth 实施了可靠性措施,例如置信带、最低发布者规则、严格的数据馈送一致性测试,以及针对协议开发者的经济追索权。
Pyth 通过设计消除了数据中间商,确保直接访问高质量数据,而无需中间商为中继数据收取费用。
Pyth 上的数据发布者对其提交数据的准确性和完整性负责。这些发布者理解赋予他们的重大责任,因为他们的数据在生态系统中保障潜在数十亿美元价值方面发挥着关键作用。这种责任感激励发布者保持数据提交的诚实和完整性,从而在 Pyth 的预言机服务中培养信任和可靠性。
Pyth 的设计激励发布者贡献他们的专有定价信息,而不是简单地从其他来源复制数据。这种对原创性的强调鼓励数据来源的多样性,并促进独特和有价值的定价信息的可用性。
概述
在传统金融市场中,对实时和历史价格源的访问一直受到严格控制,仅限于少数机构和用户。尽管加密货币市场更加开放,但这种现状并不能保证会持续。因此,只有特权群体才能享受到及时、准确且有价值的市场信息。
Pyth 旨在通过激励交易公司、市场做市商和交易所分享其第一方价格数据,来民主化访问这些宝贵的金融市场数据。这些数据作为其现有运营的一部分被收集,由网络聚合并在链上发布,供链上和链下应用使用。
每个产品的价格源是动态的,不断反映其当前价格以及一个置信区间,该区间量化了该价格的估计不确定性。例如,BTC/USD 源可能报告一个价格 $65,000 ± $50。这些源随后在链上变得可访问,供多样化的用户消费,包括在各种区块链上运行的区块链启用程序和链下应用。
这些价格源的生成涉及一个链上程序,该程序从各个发布者聚合数据。要参与,发布者必须是第一方数据提供商,具有获取高质量、实时定价数据的能力。
要实现这一点,Pyth 协调两个主要参与者群体的互动:
- 发布者:这些实体负责发布价格馈送,并因此赚取费用。通常,发布者是拥有精确和及时定价信息的市场参与者。
- 消费者:消费者是目标链上价格馈送的最终用户。他们读取并将此数据集成到其智能合约或去中心化应用(dApps)中。为了访问数据,消费者向协议支付费用。
为了确保对 Pyth 价格的广泛可访问性,该协议被设计为能够在多个区块链上运行。Pyth 通过 Pythnet 实现这一点,Pythnet 是一个应用链,其中每个价格源的状态都被存储和更新。
Pyth 数据产品
Pyth 提供三种不同的数据产品来支持各种应用:
- Solana 价格馈送: Solana 主网的实时价格数据访问。
- Pythnet Price Feeds: 广泛生态系统和链的实时价格(大多数 EVM chains,几个 Cosmos chains,Aptos 和 Sui)。支持的链数量将随着时间增加。
- 基准: 基准提供了历史 Pyth 价格,可在链上和链外使用。
Solana 价格馈送
Solana 价格馈送为应用程序开发者提供了一种简单的方式,在 Solana 主网上访问实时价格更新。
Solana Price Feeds 会持续向 Solana 流式传输价格更新,并且每个价格馈送都有其专用的 Solana 账户。应用程序开发者可以轻松访问与他们需要的特定价格馈送相关的相应 Solana 账户。然后,他们可以在自己的 Solana 程序中使用此账户作为数据源。
要读取价格馈送的当前值,开发者需要反序列化存储在 Solana 账户中的数据。此数据表示当前价格,以及其他相关信息。
为了促进开发,Pyth 提供了一个 Solana SDK。开发者可以熟悉价格馈送的表示方式,并使用以下 指南学习最佳实践。
Pythnet
Pythnet 是 Solana 的一个分叉。该链采用 proof-of-authority (PoA) 共识机制,每个发布者运行一个验证节点。价格通过跨链架构从 Pythnet 传播到其他目标链,该架构利用像 Wormhole 这样的去中心化跨链消息协议。这种广播方法简化了对众多目标链的支持,使消费者能够无缝访问 Pyth 数据,无论他们使用哪个区块链。
在 Pythnet 中,发布者和消费者可以通过两种机制进行交互:
- 价格聚合:此机制将单个发布者的价格源聚合为每个产品的单一价格源。其主要目标是创建健壮的价格源,能够抵御小团体发布者的重大操纵。
- Pyth 治理:此元素管理协议各种机制的高级参数,确保协议的完整性和可靠性。
Pythnet 启用了一种跨链策略,通过利用 Wormhole 的跨链消息功能,可以实现价格数据从一个区块链到另一个区块链的无缝流动,从而扩展其数据馈送在多个区块链生态系统中的可访问性和实用性。
Pythnet 确保聚合价格的安全和可靠计算。验证者重放交易日志以验证价格计算的正确性。只要 2/3+ 的 Wormhole 守护者是诚实的,用户就可以信任 Pyth 价格的准确性。此外,Pythnet 具有内置冗余以保持高可用性。它在 2/3+ 的验证者在线的情况下保持运行,即使在高市场波动期或目标链上交易带宽竞争激烈时也是如此。
跨链架构
Pyth 采用跨链架构来确保在各种链之间高效且可靠地传输数据。此架构旨在满足几个关键目标:
- 最小化交易成本:在多个区块链上维护价格馈送的关键挑战之一是与交易(gas fees)相关的成本。这些成本可能变得极其昂贵。
- 支持高频和低延迟更新:对于依赖及时和高频价格信息的应用程序,Pyth 的跨链架构确保更新既快速又低延迟。
- 扩展到多个区块链:为了适应不同区块链上的多样化用例,每个区块链具有独特的运行时、共识模型和 gas 成本,架构必须高效地扩展到多个区块链。
- 扩展到多个价格源:Pyth 协议应该能够处理各种资产的价格源,包括加密货币和传统资产。它必须在确保成本有效的跨链数据传输的同时做到这一点。

这些挑战通过一种“pull” oracle model 来解决,该模型遵循一个三部分的工作流程:
- 高效且成本效益高的发布:而不是使用具有潜在高 gas 成本的通用区块链,Pythnet(一个特定于应用程序的区块链)用于价格发布。授权的发布者可以免费向 Pythnet 上的链上预言机程序提交价格更新。这些更新包括有效价格和置信区间,并存储在相应的链上价格账户中。
- 广播: 作为 Pythnet 共识过程的一部分,Pythnet 验证者执行价格广播操作。此操作将发布者的价格聚合为每个更新价格源的聚合价格。随后,它调用消息缓冲程序,启用创建要发送到其他链的消息。这些消息包含更新源的聚合价格。接下来,验证者使用这些价格作为叶子构建 Merkle tree,并使用像 Wormhole network 这样的跨链消息协议将树的根广播到其他链
- 在目标链上的中继:在需要 Pyth 价格的目标链上,Pyth 接收器合约会为每个 Pyth 价格源存储价格。这些合约允许无许可操作来更新存储的价格。要执行更新,消费者需要一个经过认证的 merkle tree 根、针对特定符号的价格更新(对应 merkle tree 中的一个叶子节点),以及从该叶子节点到根的树路径。更新会经过各种检查,包括签名验证和根-叶子-路径验证。如果更新有效,则新价格会存储在 Pyth 接收器合约中。
为了保持数据的新鲜度,Pyth 价格的消费者有责任在使用价格之前在链上调用无许可的价格更新。没有这些更新,存储在 Pyth 接收器合约中的价格会随着时间变得陈旧。
集成 Pyth 价格馈送的协议可以设置价格最大允许陈旧度的限制,确保用户始终能够访问最新的数据。重要的是,消费者仅在需要为特定操作更新价格时才会产生交易成本,从而避免不必要的费用。
这种方法允许跨链架构高效地流式传输高频价格更新,同时最小化目标链上的交易成本。
- 数据发布: Pyth Network 中的发布者继续像往常一样向链上程序发布定价数据。这确保了 Pyth 中始终可用准确且及时的价格信息。
- 与 Wormhole 的集成: Pyth 利用 Wormhole 的通用消息协议来促进不同区块链之间的数据传输。Wormhole 作为一座桥梁,使信息或代币在链之间的传输成为可能。
- 数据传输过程: 当来自 Wormhole 支持的链的数据消费者向 Pyth 请求价格数据时,Wormhole 充当中介。它保证从 Pyth 获取的价格的准确性和完整性,并促进此数据传输到部署在消费者原生链上的 Pyth 合约。
- 按需可用性:传输的价格数据按需提供,确保消费者能够以所需的频率访问所需信息。这种按需可用性有助于降低成本并确保资源的高效利用。
- 可扩展数据使用:一旦特定价格数据集合被请求并传输到特定区块链,它即可供该链上运行的所有协议和应用程序访问。这种可扩展性允许生态系统中的多个用户和项目利用相同的数据集进行各种用途。
通过与 Wormhole 集成并利用其跨链消息传递功能,Pyth 有效地将其价格数据馈送的覆盖范围扩展到其原生区块链之外,从而实现与各种区块链生态系统的无缝集成。这种跨链策略提升了 Pyth 数据互操作性和实用性,使其能够为不同区块链上的更广泛的用户和应用所访问。

- 数据提供商在 Pythnet 上发布他们的价格。
- 链上预言机程序聚合某个 feed 的价格,以获得聚合价格和置信水平。
- Pythnet 验证者发送一个包含所有价格的 Merkle root 的 Wormhole 消息到 Pythnet 上的 Wormhole 合约,每个 Pythnet slot 一次。
- Wormhole 守护者观察 Merkle root 消息并为 Merkle root 消息创建一个签名的 Validity Assertion Artifact (VAA)。
- 一个名为 Hermes 的网络服务持续监听 Wormhole 以获取 Pyth Merkle roots,并监听 Pythnet 以获取价格消息。它存储最新的价格消息,包括它们的 Merkle proof 和签名的 Merkle root,并暴露 HTTP 和 websocket API 以检索最新的更新。
- 当用户希望在交易中使用 Pyth 价格时,他们从 Hermes 检索最新的更新消息并在交易中提交它。更新消息包括签名的 Merkle tree root 和每个包含的价格更新的 Merkle proofs。
- Pyth Network 合约通过检查根上的 Wormhole 签名和 Merkle proofs 来验证 payload。如果有效,它会将新价格存储在其 on-chain storage 中。

链上协议通过简单的 API 与 Pyth 合约集成,从其链上存储中检索当前的 Pyth 价格。只要它最近足够新(由协议配置的时效阈值决定),此 API 就会返回当前价格。
Pyth 的 Pull Oracle
Pyth 最显著的特点之一是,它不使用 push 模型,而是依赖于 pull-based 模型。这确保用户获得及时和准确的价格数据,同时最小化运营成本。
传统 Push-Based Oracles
在传统的推送模型中,预言机主动将价格数据发布到通用区块链上,通常在同一链上执行聚合。
为了保持价格新鲜度,预言机必须定期发送交易来更新链上价格。这些交易会带来相关的 gas 成本,随着更新频率更高、支持的价格源更多、区块链更多以及发布者更多而增加。
传统的推送预言机同样可能遭受可靠性问题的困扰,因为它们的价更新交易需要与网络上的其他活动竞争空间。在网络拥堵期间,这些更新可能无法在链上得到处理。
Pyth 的拉取模型
Pyth 采用拉取式模型,该模型在专用的、经济高效的区块链 Pythnet 上进行价格发布和聚合。Pythnet 上的发布者可以免费提交价格更新,从而显著降低预言机的整体运营成本。

在向其他区块链广播价格时,Pyth 不会不顾需求推送更新(从而产生 gas 成本),而是仅在消费者主动请求价格更新时才支付 gas。这种针对性的方法确保了 gas 消耗更加高效。
由于这种效率,Pyth 可以提供更频繁的价格更新,并且相比传统的基于推送的预言机,能够扩展以支持更多价格馈送和区块链。
例如,Pyth 在处理有状态计算方面表现出色,例如指数加权移动平均线 (EMAs)。鉴于价格更新的频繁性,时间加权计算可以使用先前发布的数据。
拉取模型也更可靠。目标链上的网络拥堵不会阻碍发布者向 Pythnet 发布价格。此外,需要价格数据的用户始终可以通过支付交易费用从 Pythnet 拉取数据到他们的目标链。
Pyth 的拉取模型的优势包括:
- Gas 效率:链上价格仅在需要时更新,通过避免不必要的提交来节省 gas。维护链上价格的成本在用户之间分摊,减轻了 Pyth Network 的负担。
- 高更新频率:Pyth Network 每秒更新一次价格馈送,比大多数区块链的区块时间更快。由于拉取模型,频繁更新是可行的,与推送预言机不同,后者通常更新频率较低。
- 低延迟:用户可以在每笔交易中访问最近的链下价格,确保低延迟,与仅依赖链上更新相比。
- 更多价格源: Pyth Network 可以扩展到数千个价格源,而不会为每个源产生额外成本。用户仅在链上使用新源时支付 gas 成本。
- 在波动条件下可靠: Pyth 价格更新被纳入有价值的交易中,即使在波动市场条件下也能确保可靠性,而推送预言机可能难以成功落地价格更新。
- 通用基础设施:Pyth Network 的组件在区块链之间共享,促进可靠性和准确性。这种方法有助于在新区块链上快速部署现有价格馈送。
- 可持续:Pyth Network 协议允许可选的数据费用来补偿数据提供者,确保可持续性并激励贡献。没有此类机制的预言机可能不可持续且容易失败。
Oracle Program
Pyth 中的 Oracle Program 确保从各种数据提供商准确可靠地聚合价格数据。它负责维护价格源,每个价格源由两个账户组成:一个用于存储元数据的 product account 和一个 price account。
在与每个价格源关联的价格账户中,oracle program 为每个授权数据提供商的价格贡献分配存储空间。这些贡献被安全存储,并且只能由授权提供商更新。
oracle program 将授权数据提供商提供的单个价格估算聚合为单个聚合价格和置信区间。此聚合过程确保最终价格数据反映来自多个来源的集体输入。
除了聚合价格之外,预言机程序还可以对生成的价序列执行额外的有状态计算。这可能包括计算移动平均值或其他统计指标,以进一步提升价格数据的质量。
请注意,虽然单个数据提供商的价格作为预言机程序的内部状态存储,但只有聚合价格和置信区间可用于下游应用程序。这有助于在提供准确价格数据给用户的同时,维护数据完整性和隐私。
链上账户
Pyth 预言机程序管理三种类型的链上账户:产品账户、价格账户和映射账户。
| Product Accounts | Price Accounts | Mapping Accounts |
| These accounts store metadata about a specific product, such as its symbol, asset type, quote currency, and description.
For example, a product account for AAPL (Apple Inc.) includes fields like symbol, asset type (Equity), quote currency (USD), and a pointer to the associated price account. |
Price accounts store the current price information for a product. This includes the current price, confidence interval, price type, exponent, status, corporate action status, and other relevant fields. Prices are stored in a fixed-point format, and the confidence interval represents Pyth’s uncertainty about the current price.
For example, the price account for AAPL contains fields like price, confidence, price type, exponent, status, corporate action status, and more. |
Mapping accounts serve as an index of the pricing information available on Pyth. These accounts organize product accounts into a linked list structure, allowing applications to enumerate all products currently available on Pyth.
Each mapping account contains a list of product account IDs and may include a pointer to the subsequent mapping account. This linked list structure facilitates efficient access to pricing information for various products. |
例如,AAPL (Apple Inc.) 的产品账户包括像 symbol、asset type (Equity)、quote currency (USD) 这样的字段,以及指向关联价格账户的指针。
例如,AAPL 的价格账户包含 price、confidence、price type、exponent、status、corporate action status 等字段。
每个映射账户包含一个产品账户 ID 列表,并可能包括指向后续映射账户的指针。这种链表结构有助于高效访问各种产品的定价信息。
这些账户类型之间的关系是层级的,映射账户包含对产品账户的引用,而产品账户包含对价格账户的引用。
价格聚合
Pyth 的价格聚合旨在生成准确且稳健的价格馈送。
- 1. 数据来源:Pyth 以多个数据源或发布者开始,这些数据源或发布者为特定产品提供价格数据,例如 BTC/USD 的价格。这些数据源通常是市场参与者和拥有准确且及时定价信息访问权限的机构。

查看所有数据提供商:https://pyth.network/publishers
- 2. 单个价格馈送:每个数据源或发布者贡献其单个价格馈送,以及代表价格估计不确定性的置信区间。例如,BTC/USD 馈送可能将价格表示为“$35,000 ± $50。”
置信区间衡量报告价格中市场之间的不确定性和分散度。
例如,在下面的图像中,紫色线是现货价格,上下方的白色带是聚合置信度的扩大和缩小。

- 3. 聚合机制: Pyth 的聚合机制将这些单个价格源组合成特定产品的单一聚合价格源。其目标是生成稳健且可靠的价格源,这些价格源无法被少数发布者或恶意行为者显著影响或操纵。
- 4. 限制影响: 该聚合机制旨在限制单个发布者对聚合价格的影响。这对于防止参与者试图更改预言机价格的意外和/或故意价格操纵企图至关重要。
- 5. 社区监督:社区在决定发布者如何被允许使用协议方面发挥作用。这种监督可以帮助确保只有声誉良好和诚实的参与者被允许向 Pyth 提供数据。
例如,如果大多数发布者提交 SOL/USD 价格为 $100,而一个发布者提交的价格为 $80,那么聚合价格将保持更接近 $100。这种特性增加了即使一小部分发布者提交远离市场的价格,聚合价格仍保持准确的可能性。
下图中较细的细条代表每个发布者的价格及其置信区间。顶部粗红条显示了最终的聚合价格及其置信区间。

值得注意的是,聚合价格机制会根据不同准确度水平对数据源进行加权。同时,该协议允许发布者提交置信区间。例如,其中一些发布者将是中心化交易所。这些参与者预计将具有不同水平的流动性,当流动性较低时,会导致更宽的买卖价差。
这种特性可能导致一种交易所报告 $101 ± 1,而另一家报告 $110 ± 10 的情况。在这些情况下,聚合价格更接近 $101 而非 $110。此场景在下面的图像中有所描绘。

由于 Pyth 从多个发布者收集价格数据,这些发布者可能为相同产品提供略有不同的价格。这种差异可能源于数据来源、交易场所以及数据收集时机的不同。
在现实世界的金融市场中,没有单一的固定价格适用于给定的产品。相反,像加密货币或证券这样的产品可以在任何给定时刻在各种交易场所以略有不同的价格进行交易。这些差异受到诸如供需动态、交易活动和流动性的因素影响。
Pyth 中的聚合置信区间考虑了不同场所的价格差异以及产品价差所施加的限制。它反映了产品真实市场价格可能落入的范围。

市场数据预言机的置信区间
在金融市场中,测量不确定性(通常称为置信度或精度)是一个关键因素,与科学和工程领域类似。正如在科学测量中,观察者估计潜在偏离真实值的偏差一样,Pyth 中的数据提供商为其价格流附加置信水平。这种置信度反映了各种因素,例如某个场地的买卖价差,或多个场地贸易发生的预期。
理解金融市场中的测量不确定性有几个目的:
- 精确度指示: 它指示单个观察的精确度或不确定性水平,帮助市场参与者评估报告价格的可靠性。
- 最佳数据融合:通过纳入不确定性度量,可以更有效地结合多个独立观察。具有较小不确定性的观察被赋予更大权重,而具有较大不确定性的观察则被降低权重,从而实现更稳健的数据聚合。
- 向派生量的传播: 与科学测量类似,原始价格数据的误差可以传播到派生量中。例如,将价格观察值组合起来计算派生量(如速度,在金融术语中,如波动率或价差等派生指标)时,需要考虑每个观察值相关的误差。
- 异常检测: 独立测量之间的差异,如果超出各自的误差范围,则表明一个或多个测量可能存在问题。这种差异检测机制有助于识别错误或异常数据,从而提升价格报告的整体完整性。
在 Pyth 的上下文中,多个数据提供商异步贡献价格测量值,测量不确定性的考虑变得至关重要。每位提供商从不同的数据来源获取数据,并在紧迫的时间框架内报告,提供他们对价格的评估并附带置信水平。这种方法促进了对市场动态的更细致理解,并增强了市场参与者对聚合价格数据的可靠性。
聚合算法 – 加权中位数变体
Pyth 中使用的价格聚合算法是 weighted median 的变体,旨在生成一个聚合价格,该价格反映了各种 publishers 的贡献,同时考虑了它们的 stake-weight 和 confidence intervals。
Pyth 网络中的每个 publisher 都被分配了一个 stake-weight。最初,这些权重被均匀设置,但将来,它们可能使用像 data staking 这样的机制来确定,由社区决定。
- 步骤 1 – 计算聚合价格: 为了计算聚合价格,每个发布者被分配 3 票:一票在他们报告的价格。一票在他们报告的价格加上他们的置信区间。一票在他们报告的价格减去他们的置信区间。该算法然后计算权益加权的 这些票的中位数。本质上,此步骤考虑每个 发布者对聚合价格的贡献,同时考虑 他们的置信区间。
- 一票在他们报告的价格。
- 一个投票在其报告价格加上其置信区间的价格上。
- 一个投票在其报告价格减去其置信区间的价格上。
- 该算法然后计算这些投票的权益加权 中位数。本质上,此步骤考虑每个 发布者对聚合价格的贡献,同时考虑 他们的置信区间。
- 步骤 2 – 计算置信区间: 该算法的第二步计算聚合置信区间。它测量从聚合价格到两个点的距离:投票的权益加权第 25 百分位数。投票的权益加权第 75 百分位数。这两个距离中较大的一个被选为聚合置信区间。
- 投票的权益加权第25百分位。
- 投票的权益加权第75百分位。
- 这两个距离中较大的一个被选为聚合置信区间。
- 一票以他们报告的价格。
- 以他们报告的价格加上他们的置信区间进行一次投票。
- 以他们报告的价格减去他们的置信区间进行一次投票。
- 算法算法然后计算这些投票的权益加权中位数。本质上,此步骤考虑每个发布者对聚合价格的贡献,同时考虑其置信区间。
- 投票的权益加权第25百分位数。
- 投票的权益加权第75百分位数。
- 这两个距离中较大的一个被选为聚合置信区间。
大多数人将中位数理解为数据集中的中间值,即第 50 百分位。然而,中位数也是最小化目标函数 ∑i |R − 的值 Rpi | 其中 pi 是第 i 个出版商的价格。
此函数根据 R 与出版商价格 pi 的距离来惩罚 R。所提出的算法计算出最小化

其中 si 是发布者的质押权重,ci 是发布者的置信区间。
因此,该算法的目标函数最小化两个项的和:
- 第一个项考虑了聚合价格 (R) 与每个发布者报告价格(pi)之间的加权绝对差异,其中权重是发布者的权益(si)。 目标函数的这一部分根据发布者的权益对发布者进行加权,给高权益发布者更大的影响力。
- 目标函数的这一部分根据出版商的质押来加权出版商,从而给高质押出版商更大的影响力。
- 第二项引入了一个基于聚合价格 (R) 与每个出版商报告价格之间的距离的惩罚,pi),但仅当此距离超过出版商的置信区间 (ci) 时。目标函数的这一部分惩罚聚合价格超出出版商置信区间的情况。
- 目标函数的这一部分惩罚聚合价格超出发布者的置信区间的行为。
- 目标函数的这一部分根据发布者的质押进行加权,从而赋予高质押发布者更大的影响力。
- 目标函数的这一部分会惩罚聚合价格超出发布者的置信区间的情况。

左图表示普通中位数的目标函数应用于一个价格 p = 0,这只是 R 的绝对值。另一方面,右图展示了 Pyth 的目标函数,它是

对于各种置信区间的选择 ci.
在 Pyth 的目标函数中,置信区间的宽度决定了曲线中拐点的的位置。随着区间的扩大,拐点距离 0 更远。两个拐点之间的区域相对于中位数具有较低的惩罚。
这种中位数的泛化保持了期望的属性:对异常值的鲁棒性以及考虑不同数据源的准确性。这种鲁棒性源于中位数对异常值的固有弹性。本质上,数据集的第50百分位数不受数据集中的极端值影响。此外,置信区间的调整确保算法根据不同数据源的准确性适当权衡其贡献。
我们可以在下面呈现的四个场景中可视化聚合算法和目标函数,这为价格和置信区间的结合方式提供了洞察。
- 异常发布者:具有紧密置信区间的异常发布者会影响目标函数,但不足以显著影响聚合价格或置信区间。

- 更紧的置信区间影响:置信区间更紧的发布者对聚合价格的影响更大,前提是它们的价格与其他发布者的置信区间一致。

- 一致发布者: 当众多发布者的价格和置信区间趋于一致时,聚合结果反映了他们的共识。

- 分歧发布者:具有不同价格且置信区间不重叠的发布者由于分散而扩大了置信区间,在投票的聚合值和百分位数之间创建了一个差距。

EMA 价格聚合
指数移动平均线 (EMA) 是一种加权平均值,它对最近的数据点给予更多重视,而对较旧的数据点给予较少的权重。在 Pyth 中,EMA Price 和 EMA Confidence 值是从链上生成的聚合价格和置信度中得出的。

Pyth 使用 Solana 槽位编号来衡量时间的流逝。平均周期通常设置为 5921 个槽位,这大约对应 1 小时。
每个样本按 1/Confidence 加权,这使得 EMA 赋予置信区间较窄的样本更多权重,并忽略置信区间较宽的样本。这种加权方案确保置信区间较宽的异常值不会显著影响 EMA 计算。
例如,一个具有宽置信区间的异常聚合价格不会因逆置信权重而对 EMA 计算产生重大影响,与均匀加权平均不同。

这种实现特别适合流式应用程序,因为它允许用单个数字表示价格和权重的整个历史记录。这种方法确保 EMA Price 和 EMA Confidence 值准确反映 Pyth Network 中聚合价格的最近趋势和可靠性。
网络角色和控制流程
Pyth 协议内的数据质押机制旨在确保数据费用的公平定价、参与者之间的激励对齐以及索赔流程的稳健性。
为了实现这一点,Pyth 通过 3 个关键方的协作和协调来运作:Publishers、Consumers 和 Delegators。
- 发布者 负责获取准确且及时的价格数据,然后将其作为价格馈送发布到 Pyth 上。他们的角色还包括从依赖其提供价格馈送的消费者生成的费用中赚取一部分数据费用。要参与协议并赚取奖励,发布者必须质押 $PYTH 代币,从而确保他们致力于提供正确和可靠的数据。这种质押机制还引入了问责制,因为如果发布者提供不准确的信息,他们的风险是其质押被削减。Pyth 发布者:https://pyth.network/publishers
- Pyth 发布者:https://pyth.network/publishers
- 消费者,另一方面,利用发布者发布的价格数据在其去中心化应用 (dApps) 中,将其集成到智能合约中,用于各种目的。消费者,无论是链上还是链下实体,都支付数据费用来访问和使用这些价格馈送。支付这些费用的主要动机是降低风险,因为 Pyth 价格馈送提供了一种缓解因不准确数据导致财务损失的方法。此外,支付数据费用激励更多发布者参与网络,从而提升价格馈送的可靠性。
- 委托者在 Pyth Network 中通过向特定发布者质押代币发挥关键作用。作为回报,他们获得消费者使用这些发布者提供的价格馈送所产生的数据费用的部分。然而,作为委托者质押代币存在固有风险,如果预言机被证明不正确,有可能丢失质押。虽然委托者最初可能获得大量支付,但随着市场变得更高效和竞争激烈,他们的收益可能会随时间下降。
- Pyth 发布者: https://pyth.network/publishers

资产价格对多条链上的 DeFi 应用至关重要,Pyth 的预言机价格和置信区间为各种用例做出了贡献:
- 借贷 平台积极跟踪用户账户健康状况,并使用 Pyth 的数据确定清算。
- DEXs & AMMs 通常依赖 Pyth 的实时价格来确保与其他交易所的同步,尤其是对于衍生品。
- 期权与衍生品、结构性产品和金库 在到期时清算期权和衍生品合约,并基于 Pyth 的价格馈送计算 P&L。
- 稳定币项目 利用 Pyth 的价格馈送来确定 CDP 的抵押资产偿付能力。
- DAO 工具与基础设施 项目需要资产价格用于跨链交互和其他功能。
- 链下应用 例如分析平台依赖 Pyth 的资产价格数据进行分析。
在发布者一方,Pyth 继续引入数据发布者向网络提供更多数据。这些发布者可以代表各种实体,例如做市商和交易公司、传统交易所、加密交易所,甚至去中心化交易所。
质押与信息完整性
在预言机网络中引入质押机制,例如声誉质押或抵押品质押,可以显著提升数据完整性,而不会引入延迟。这些机制将预言机运营商和数据提供者的激励对齐,以确保发布高质量和及时的信息。
声誉质押涉及让预言机运营商对其提供的数据质量负责。通过使提供者的贡献透明化,可以识别并处理表现不佳者,从而维护整体数据源的完整性。虽然这种机制本身可能并不强大,但如果以透明和公开的方式实施,它可以激励数据提供者保持高标准。
字面质押则涉及预言机运营商或数据提供者抵押担保品,如果报告错误数据,该担保品可以被没收,也称为“slashing”。这种明确的激励对齐鼓励贡献者积极筛选高质量信息以避免财务处罚。此外,没收的资金可以用于补偿因错误数据而造成的任何损害。
Pyth 的质押机制在确保其预言机网络数据完整性方面发挥着关键作用。通过要求参与者质押 $PYTH 代币作为一种抵押形式,Pyth 将数据提供者和运营商的激励与他们贡献的数据的准确性和可靠性对齐。
参与者,包括数据发布者和运营商,都需要质押 $PYTH 代币才能参与协议。这种质押要求作为一种承诺机制,向网络发出信号,表明他们对提供准确和可靠数据有既得利益。
| Publishers | Consumers | Delegators |
| Incentivized to provide accurate and timely prices, publishers stake $PYTH tokens and risk stake slashing if they publish prices far from the reference price, causing issues with the oracle’s feed.
In return, they earn a share of data fees, with rewards favoring publishers whose prices predict future changes. |
Encouraged to pay data fees to mitigate risk when using Pyth price feeds and to attract more publishers to improve feed robustness. | Initially earn attractive payments by backing products, with payments reflecting inherent risks and market efficiency over time.
Delegators also set stake-weights of publishers, and are incentivized to ensure a robust price feed to avoid stake loss due to incorrect aggregate price feed. |
作为回报,他们赚取数据费用的份额,奖励有利于那些价格能预测未来变化的发布者。
委托人也为发布者设置质押权重,并受到激励以确保可靠的价格馈送,从而避免由于不正确的聚合价格馈送导致的质押损失。
质押代币会在参与者出现不当行为或不准确数据报告的情况下对他们施加财务成本。这为参与者创造了强烈的激励,使他们勤勉审查提供的数据,并在将其发布到区块链上之前确保其准确性。失去质押代币的恐惧充当了对恶意行为或疏忽的威慑。
Pyth 采用了一种 slashing 机制,如果参与者被发现提供不正确或操纵的数据,则其 staked tokens 可能会被 slashing。如果发布者或操作者报告的数据被认为不准确,则可能导致其 staked tokens 的一部分被没收。此惩罚措施旨在威慑恶意行为者并维护数据的可信度。
任何人如果 oracle 发布不正确的价格,都可以提出 claim。$PYTH token 持有者的投票来批准 claims。如果 claim 成功,协议将 slashing 产品的 delegators 的 stakes,并根据事件 epoch 期间数据费用的价值,将 slashed 金额分配给 consumers。这确保了如果 Pyth 的 aggregate price 和 confidence interval 在任何时期 substantially 不正确,则 claims 将成功。
被认定有过错的参与者的代币会被罚没,这些代币可用于补偿可能因不正确数据而受到不利影响的用户或消费者。此机制确保提供不可靠数据会有后果,并为受影响方提供赔偿。
此外,Pyth 的质押机制也延伸到其治理模型,在该模型中,持有质押代币的利益相关者拥有投票权,以影响与协议参数、升级或变更相关的决策。
预言机完整性质押
预言机完整性质押 (OIS) 通过要求 Pyth 发布者(数据提供者)质押 $PYTH 代币,为 Pyth 生态系统引入了增强的数据责任机制。该程序激励发布者维护高质量的数据贡献,并在他们提供错误或恶意数据时扣减其质押。
Oracle Integrity Staking 的关键组件包括:
- 经济责任:发布者必须质押 $PYTH 代币才有资格获得链上奖励。如果提交了错误数据,质押的一部分将被罚没。
- 社区治理: Pyth DAO 监督关键的质押参数,并可以决定如何分配被罚没的资金——是应该分发给受影响的各方,还是用于支持 Pyth Network。
- 质押者参与: $PYTH 持有者可以通过将代币委托给特定发布者来质押他们的代币,从而为网络的安全贡献力量,同时赚取奖励。
OIS 使 $PYTH 质押者能够通过将他们的代币委托(质押)给发布者,直接为网络的安全性和性能做出贡献。质押者帮助保护预言机,并根据他们选择的发布者的数据质量获得奖励。

质押者和发布者在这里分享奖励和风险:
- 奖励:发布者首先获得奖励,剩余奖励分配给质押者。
- Slashing: 如果发布者提供错误数据,发布者和他们的质押者都会受到惩罚。
Pyth Network 中的每个发布者都运营一个质押池,质押者可以在其中委托他们的代币。奖励的大小受以下因素影响:
- 总质押:奖励会随着池子规模的增加而增加,直至达到预定义的质押上限。
- 支持的符号:发布者可以通过支持更多符号来提高其质押上限并增加奖励,从而承担更多风险但获得更高的潜在奖励。
Pyth DAO 负责监督管理控制 OIS 的参数:
- 奖励结构:DAO 成员设置最大奖励利率,并可以就被罚没资金的分配进行投票。
- Slashing 机制:在误报情况下,DAO 决定如何分配被罚没的代币,例如补偿受影响的用户。
- 未来增强:DAO 可以引入额外的奖励来源,例如纳入其他数字资产以扩大质押参与度。

奖励分配
Pyth 中的奖励分配机制旨在公平补偿每个发布者,惩罚不良行为者,并鼓励准确报告。Pyth 的数据质押机制将每个产品的数据费用的一部分(最初设置为 20%,但可能由治理调整)分配到该产品的奖励池中。
- 拥有更准确或更及时定价信息的发布者应该获得更多奖励。这激励最好的发布者为协议做出贡献。
- 应该设立惩罚措施,以阻止不良行为者为了个人利益而利用系统。
- 应该鼓励发布者基于他们的私人信息诚实地报告价格。这确保了聚合价格反映了最准确的可用信息。
为了实现这些目标,奖励分配机制根据三个因素将奖励池分配给发布者:
- 质押权重 (s):由数据质押机制决定,反映发布者在协议中的参与程度。这个数字在 0 和 1 之间。
- 这个数字在 0 和 1 之间。
- 质量分数 (q):衡量发布者的价格系列预测未来价格变化的准确程度。 这个数字在 -1 和 1 之间,正分数表示预测能力。
- 这个数值介于 -1 和 1 之间,正值表示具有预测能力。
- 校准 (c): 反映发布者置信区间在表示其不确定性方面的准确性。这个数值介于 0 和 1 之间。
- 这个数字介于 0 和 1 之间。
- 这个数字介于 0 和 1 之间。
- 这个数字介于 -1 和 1 之间,正值分数表示预测能力。
- 这个数字介于 0 和 1 之间。
在每个 epoch 结束时,发布者根据这三个量的乘积(s × q × c)赚取奖励池的一部分份额。负值会导致发布者的相应质押罚没。
质量分数通过训练一个在线回归模型来计算,该模型基于发布者价格序列的特征预测未来价格。校准分数衡量发布者的置信区间如何准确地表示他们的不确定性。
在下面,您可以找到两个不同发布者的历史数据比较。

- 左侧图是预测价格变化和实际价格变化的散点图。这些量之间的线性关系越紧密,质量分数越高。
- 右侧图的轴对应于回归模型的两个非偏置特征,颜色表示实际价格变化。平滑的颜色渐变表示高质量分数。
- 在这个样本中,顶级发布者获得的得分高于底部发布者。
这种机制通过奖励预测准确性和惩罚不准确报告来激励高质量报告并阻止不良行为者。它还通过将激励与提供真实信息对齐来鼓励诚实报告。
质量分数
在 Pyth Network 中,质量分数是一种指标,用于评估发布者的价格序列相对于未来聚合价格的预测准确性。该分数使用在线回归模型计算,该模型基于实时数据动态更新其预测。
质量分数来源于两个主要组成部分:
- 相关性度量: 这量化了发布者的预测价格在给定时期内与聚合价格对齐的程度。完美预测对应相关性为1,随机预测产生相关性为0,而比随机更差的预测会导致负相关性。
- 贡献频率: 第二个因素是发布者提供价格数据的时隙比例。这考虑了发布者数据贡献的一致性和可靠性。
回归模型在每个时隙更新 t,使用两个关键价格变化特征:发布者的当前价格 pt 与他们自己的价格以及前一个时隙的聚合价格进行比较。权重向量 wt,代表模型的系数,通过剪切梯度方法进行调整,以在每次预测后优化模型。
负相关性作为对对抗性行为的防护,表明发布者的预测系统性地不准确,并可能具有误导性。
所提出的评分系统是可适应的,并且可以以多种方式进行优化:
- 它可能预测超出即时下一个槽位的价格变化,这提出了一个更具挑战性的预测任务。
- 纳入额外功能来考虑诸如不同交易所之间持久但微小的价格差异等细微差别。通过跟踪这些差异,该机制可以避免不公平地惩罚发布者,因为这些变异是一致的但微小的。
Pyth 网络的开发者已使用历史数据对这一质量评分机制进行了测试,这些测试表明当前模型产生了可靠的结果。然而,认识到金融市场的多样性,该模型的设计本质上保持灵活,以适应未来随着新见解和数据可用时的修改和改进。
Calibration Score
在 Pyth Network 中,校准分数用作一种工具,用于评估发布者置信区间的准确性——这是一个范围,发布者预期聚合价格将落入其中。该分数是衡量发布者对价格预测不确定性的理解和传达程度的指标。
校准分数的运作方式
- 标准误差解释: 出版商的置信区间通过拉普拉斯分布的标准误差来解释。选择拉普拉斯分布而非正态分布,是因为其更重的尾部,更真实地反映了价格的波动。
- 计算过程:Z-Score 确定: 对于每个预测,通过从预测中减去聚合价格并使用发布者声明的置信区间对该值进行归一化来计算 z-score。直方图分箱: 然后将这些 z-score 分类到箱中。这些箱的阈值设置使得如果置信区间是完美的,那么在标准 Laplace 分布下,每个箱的概率相等。均匀性检查: 来自“完美”发布者的直方图在这些箱中应该是均匀的。因此,校准分数由与这种均匀性的偏差定义,具体来说是实际直方图与均匀分布之间的 earth-mover distance 的 1 减去值。
- Z-Score 确定: 对于每个预测,通过从预测中减去聚合价格,然后用发布者陈述的置信区间归一化该值,来计算 z-score。
- 直方图分箱: 然后,这些 z-score 被分类到箱中。这些箱的阈值被设置为,如果置信区间是完美的,那么在标准拉普拉斯分布下,每个箱的概率相等。
- 均匀性检查: 来自“完美”发布者的直方图在这些 bins 中应该是均匀的。因此,校准分数由与这种均匀性的偏差定义,具体而言是实际直方图与均匀分布之间的 earth-mover distance 的 1 减去。
- Z-Score 确定: 对于每个预测,通过从预测中减去聚合价格并将该值归一化为发布者声明的置信区间来计算 z-score。
- Histogram Binning: 这些 z-scores 随后被分类到 bins 中。这些 bins 的阈值被设置为,如果置信区间是完美的,则在标准 Laplace distribution 下,每个 bin 的概率相等。
- Uniformity Check: 来自“完美”发布者的 histogram 将在这些 bins 中均匀分布。因此,calibration score 由与这种均匀性的偏差定义,具体来说,是实际 histogram 与 uniform distribution 之间的 earth-mover distance 减一。
校准分数不会因为发布者提供更窄的置信区间而偏袒他们,因为这种优势已经包含在质量分数中。相反,校准分数关注置信区间的适当性——它是否准确反映了发布者对其价格预测的“真实”确定性水平。
高的校准分数表明发布者的置信区间校准良好,并且聚合价格经常落在预测范围内,考虑到所陈述的不确定性。相反,低分数可能表明发布者的置信区间要么太紧要么太宽,这暗示了对他们实际置信度的错误表示。
项目创建的原因
Pyth 的创建源于解决去中心化金融 (DeFi) 中的预言机问题,并提供来自机构提供商的可靠、低延迟市场数据的必要性。传统市场往往限制此类数据的访问,而加密货币市场缺乏全面且可靠的来源。Pyth 的原始愿景旨在通过使区块链能够无缝交互外部数据来弥合这一差距。
该项目是为了应对2018年之前区块链面临的限制而构想的,当时去中心化应用(DApps)只能使用链上数据运行。为了可靠地集成链下数据,需要将预言机作为区块链与外部世界之间的桥梁。Pyth 的目标很明确:民主化所有区块链对资产价格的访问,从而提升 DApps 的功能性和现实世界实用性。
现有的预言机面临多项挑战,包括不可靠的数据来源和数据交付延迟。有些解决方案从互联网抓取数据或从可疑来源获取数据,从而损害了准确性和可靠性。此外,数据传输延迟,尤其是时间加权平均价格(TWAP)预言机中特别明显的延迟,在像 crypto 这样的波动市场中构成了重大风险。

Pyth 通过提供来自可靠来源的安全、实时市场数据来克服这些挑战。通过与交易公司、去中心化交易所 (DEXs) 和中心化交易所 (CEXs) 等机构实体合作,Pyth 旨在确保其价格馈送的完整性和准确性。通过其网络,Pyth 促进了链下数据到区块链的无缝传输,为 DeFi 应用提供了及时和精确的市场信息。
行业展望
价格预言机在区块链生态系统中桥接链下价格数据与链上智能合约方面发挥着关键作用。它们提供及时且准确的价格信息,使去中心化应用(dApps)能够访问现实世界的市场数据。然而,实现准确性和及时性的平衡可能具有挑战性,而传统的解决方案如引入延迟可能并不总是足够的,尤其是在对延迟敏感的金融应用中。
Pyth Network 在与 Chainlink 在 oracle 领域的竞争中,其行业前景可以通过提供差异化产品和独特价值主张来概括。虽然 Chainlink 已确立自己作为主要 oracle 提供商的地位,但 Pyth 提供了根本不同的方法,最初专注于 Solana 并通过 Pythnet 扩展到其他链。
Pyth 的拉取价格更新模型使其区别于其他 oracle(如 Chainlink)常用的推送模型。强调直接从第一方来源获取数据,而不依赖于 aggregators 如 Coingecko 或 CoinmarketCap,这增加了 Pyth 的吸引力,提供潜在更快和更高质量的更新。
Pyth 还引入了置信区间,为协议提供关于价格不确定性的更细致信息,特别是在波动性大或流动性差的市场中。这种方法允许协议根据其偏好的激进或保守水平调整风险参数。
为了解决及时性和成本效益之间在检索延迟敏感的金融数据方面的挑战,Pyth 提出了一种“staking”机制,该机制涉及预言机运营商在其提供的数据的完整性和及时性上质押声誉、抵押品或交易资本。通过这样做,提供不准确或不及时数据的人将遭受经济或声誉后果,从而激励他们确保所发布信息的完整性。
通过“skin in the game”这一原则,Pyth oracles 作为流向区块链的价格数据关键来源,将链下世界与链上环境连接起来。虽然去中心化交易所(DEXes)提供链上价格信息,但其流动性可能比中心化交易所(CEXes)有限,使其容易受到操纵。Oracles 通过将 CEXes 的高质量价格数据引入区块链,从而提升去中心化应用的价格信息可靠性和准确性。
使用数据聚合器的权衡取舍
Pyth Network 与在预言机领域使用聚合器之间的权衡取舍,涉及数据准确性、延迟、去中心化、成本效益和灵活性等因素。
| Pyth | Data Aggregators | |
| Data accuracy | Pyth emphasizes obtaining data directly from first-party sources, such as trading firms and exchanges. This approach aims to reduce the risk of data manipulation or inaccuracies introduced by intermediaries. | Aggregators like Chainlink rely on collecting data from multiple sources, including exchanges, marketplaces, and APIs. While aggregators may provide a broader data set, there’s a risk of errors or manipulation introduced during the aggregation process. |
| Latency | Pyth’s pull price update model allows for potentially faster updates as data is streamed off-chain via protocols like the Wormhole Network. However, there may be latency introduced by the cross-chain messaging protocol when updating prices on-chain. | Aggregators typically run off-chain processes to continuously update on-chain prices. While this ensures real-time updates, there may be delays due to network congestion or other factors. |
| Decentralization | Pyth aims for decentralization by obtaining data directly from a diverse set of first-party sources, reducing reliance on centralized aggregators. | Aggregators centralize data collection and aggregation, which can introduce vulnerabilities such as single points of failure or manipulation. |
| Cost-effectiveness | Pyth’s pull model allows for potentially lower costs as users are responsible for posting price updates on-chain only when needed. | Aggregators may charge fees for accessing their aggregated data, but these costs may be offset by the convenience of having a single source for multiple data streams. |
| Flexibility | Pyth offers flexibility in terms of integrating with different chains and protocols, as evidenced by the launch of Pythnet and its expansion efforts. | Aggregators may provide a more standardized approach to accessing data across multiple chains and protocols, simplifying integration for developers. |
建立像 Pyth Network 这样的发布者优先预言机从零开始的过程最初面临重大挑战,这可以描述为冷启动问题,主要由于市场覆盖率低以及发布者由于技术或声誉风险而可能不愿上线的潜在问题。然而,在过去的一年里,Pyth 在克服这些障碍并增强其生态系统方面取得了显著进展。
- 改进的入驻和集成流程:Pyth 改进了其入驻和集成流程,使知名发布者更容易且更有吸引力地加入网络。这包括为发布者提供更好的文档和支持,降低技术进入壁垒,并解决与声誉和信任相关的问题。
- 价格聚合算法的增强:Pyth 对其价格聚合算法进行了重大改进,以确保更准确和可靠的价格馈送。通过优化聚合过程,Pyth 可以提供高质量的数据,这些数据受到用户和协议的信任。
- 加密经济安全性的引入:随着 $PYTH 的流通,该协议可以增强其加密经济安全模型,以激励参与者(包括发布者和委托者)为网络的安全性和完整性做出贡献,进一步提升信任和可靠性。
- 使用 Pythnet 扩展到非 Solana 链:认识到需要将其影响力扩展到 Solana 生态系统之外,Pyth 推出了 Pythnet,这是一个基于 Solana 代码库的独立链。Pythnet 允许 Pyth 为其他区块链网络上的协议提供其 oracle 服务,从而扩展其市场并增加其采用潜力。
通过持续创新、技术改进以及战略扩张努力,Pyth 展现了致力于克服建立以发布者为先的预言机所面临挑战的承诺。
平衡高质量与低延迟
Pyth 通过各种形式的 staking 和激励对齐机制,试图平衡低延迟和高品质数据这两大目标。
| Staking via Reputation | Staking via Collateral | Staking via Trading |
| Pyth implements a moderate form of staking via reputation by publicly disclosing the aggregate set of its publishers. While this transparency enhances accountability to some extent, the lack of individual address disclosure may limit the potential public scrutiny and repercussions for bad contributors. This mechanism may weaken over time, especially if Pyth transitions to permissionless publishing. | The staking $PYTH mechanism allows to reward publishers for bringing novel and correct information while penalizing those providing incorrect data. This adjudication mechanism introduces an approach to incentivizing data accuracy within the oracle network. | Pyth’s potential for staking via trading is high, given that many of its data providers are high-frequency trading firms. These firms contribute prices as a byproduct of their trading operations, aligning their interests with the accuracy of the data. However, challenges remain, such as ensuring timely reporting of prices and validating self-reported prices to prevent misrepresentation. |
请注意,Pyth 融入了置信区间作为额外的防御线,以应对价格确定中的不确定时期,例如 Terra de-peg episode。通过拓宽报告价格周围的置信区间,Pyth 承认并考虑了不同交易所价格的变异性,从而增强了其数据表示的稳健性。

Pyth 拉取模型的优势
Pyth 的拉取预言机模型在成本效率、可扩展性、可靠性和处理复杂计算的能力方面优于传统的基于推送的预言机架构。该模型确保用户获得及时且准确的价格数据,同时最大限度地减少运营成本。
- 高效 Gas 使用: Pyth 通过仅在消费者需求价格更新时付费来最小化 gas 成本。这种针对性方法降低了总体费用。
- 可扩展性: pull 模型允许 Pyth 高效扩展,支持更广泛的价格馈送和区块链。
- 可靠性:目标链上的网络拥堵不会影响 Pyth 发布者提供更新的能力,确保可靠的数据可用性。
- 有状态计算:Pyth 的架构能够处理有状态计算,如指数加权移动平均 (EMAs),得益于其高频更新,从而实现数据的精确时间组合。
相对于基于推送的预言机,Pyth 的一个主要优势是它能够更频繁地发布价格更新。例如,基于推送的预言机难以计算需要过去数据的计算,因为它们的低更新频率会产生不太及时的样本。作为一个例子,每 10 分钟发布一次数据的基于推送的预言机无法计算 5 分钟 EMA。Pyth 通过使用其专用的 Pythnet appchain 来解决这个问题。在 Pythnet 中,网络可以每 400ms 访问价格更新,这很容易构建更细粒度和复杂的时序组合。
潜在采用
自推出以来,Pyth 已经获得了牵引力,有 230+ 个应用依赖于 Pyth 的数据,包括去中心化交易所 (DEXs)、借贷协议和衍生品平台。这反映了其在 DeFi 及更广泛领域的广泛采用潜力。
尽管如此,Pyth 在早期面临挑战,特别是由于发布者错误导致的显著价格差异问题。更具体地说,主要问题是 2021 年 9 月一个 2 分钟期间的 $BTC 价格。由于 11 个发布者中有 2 个犯了小数点错误,并且聚合逻辑过度加重了它们的贡献,聚合价格最终与 BTC 的真实价格 ~$42k 相差甚远,报告的价格低至 $5,402,并带有 +/- $21,623 的置信区间。对于那些没有纳入置信区间的协议,并且只是依赖中位价格 $5.4k 的协议,这导致了有害影响,如错误的清算。此后,补救措施包括完善聚合逻辑、加强发布者入驻,并为开发者提供更好的文档。
尽管早期遭遇挫折,Pyth 在 Solana 上取得了稳步采用,成为该网络事实上的预言机。出版商、价格源和 dApps 的年同比增长显示出生态系统内日益增加的接受度。展望未来,Pyth 推出 Pythnet 标志着其意图将影响力扩展到 Solana 之外的其他链,如 Ethereum、BSC 和 Aptos。虽然 Pythnet 与 Solana 相比引入了延迟挑战,但它提供了一种独特的拉取模型,并为消费者带来潜在的成本效率。
$PYTH 代币的推出为利益相关者引入了额外的激励和机制,包括发布者、委托者和消费者。该分发计划将在确保网络的广泛采用和去中心化方面发挥关键作用。
链
尽管第一个白皮书版本引入了专注于 Solana 区块链的协议设计,第二个版本为更广泛的 Pyth 生态系统提供了更通用的解决方案。通过此次升级,该协议引入了跨链模型,以向目标链交付价格数据。

Pyth Network 的价格预言机目前已在 40 多个区块链上可用,确保不同生态系统开发者的可访问性和可扩展性。

Pythnet,是从Solana代码库衍生出的独立链,专为Pyth发布者提供价格提交服务。与Solana不同,在Solana上价格更新会自动推送到链上,而Pythnet采用拉取模型,价格仅在应用请求时更新到链上。
请注意,此模型会引入更高的延迟,从中心化交易所(CEX)价格到链上更新的延迟约为3秒。其中,1秒归因于CEX到Pythnet的延迟,而2秒则由于Pythnet到价格服务的延迟,由Wormhole消息引起。
非 Solana 协议在使用 Pythnet 时,必须为链上价格更新支付费用,这些费用从一个名义金额开始,但后期可能由治理机制进行调整。气体效率得到提升,因为气体费用仅在消费者需要价格更新时才会产生,从而最大限度地减少浪费。
此外,Pythnet 的自治性确保了即使 Solana 网络出现停机,也能保持可靠性。尽管存在延迟挑战,但像异步订单结算、陈旧阈值,以及将价格更新请求与用户的交易绑定等策略有助于缓解风险。
使用协议
用户和开发者可以通过强大的 APIs 无缝地将 Pyth 的实时市场数据集成到他们的应用程序中。“pull oracle” 功能允许应用程序控制实时价格何时以及如何出现在链上,从而提供灵活性和成本效率。
Pyth 通过 4 个关键机制运作,这些机制管理其交互流程:
- 价格聚合:此机制将单个发布者报告的价格及其相关的置信区间结合成特定产品的统一价格源和置信区间源。通过聚合这些输入,Pyth 为市场参与者生成一个单一、可靠的价格点以供参考。
- 数据质押:委托人有机会质押代币以赚取数据费用。质押权重系统决定了每个发布者在聚合价格上的影响力。收集到的数据费用将被分配,其中 80% 分配给委托人,其余 20% 分配到奖励池中,由发布者共享(可通过治理进行更改)。如果在索赔区间内发布的聚合价格与参考价格之间出现差异,委托人的质押可能会被削减。成功的索赔将识别并惩罚有过错的发布者,并通过重新分配质押来补偿受影响的消费者。
- 奖励分配: 此机制根据价格源的质量,将奖励池的份额分配给各个发布者。通过激励高质量数据提供并惩罚低劣表现,此机制旨在维护价格聚合过程的完整性和可靠性。
- 治理: Pyth Network 采用币投票系统来治理其所有机制的参数。通过此治理框架,参与者可以参与塑造和优化网络的操作,确保其持续的有效性和适应性。

参与者
Pyth 的用户基础涵盖 DeFi 项目、dApps 以及寻求可靠且低延迟数据用于其应用程序的区块链开发者。
在 Pyth 生态系统中,有三个关键角色:consumers、publishers 和 delegators,每个角色都有独特的责任和激励机制。

- 消费者 是生态系统中价格馈送的用户,主要包括智能合约和 DeFi 协议。他们的主要职责是利用提供价格馈送来做出决策并执行交易。虽然 Solana 上的消费者可以免费接收价格馈送,但 Solana 之外的消费者必须支付小的“on-demand”费用从 Pythnet 检索价格。消费者可以选择用 $PYTH 支付保险费用来对冲预言机不准确性,提供额外的保护层,但需额外成本。
- 发布者 负责向网络发布价格。作为回报,他们会收到 $PYTH 代币作为奖励以及数据费用的分成。然而,发布者需要为其定价的产品质押 $PYTH 代币,如果他们产生错误,他们的质押将面临 slashing。这激励了价格报告的准确性和可靠性。发布者的奖励结构可能会随时间变化,并受变更影响,从而影响他们在生态系统中的获利潜力。
- 委托者 在决定 Pyth 报告的聚合价格方面发挥着关键作用。他们在价格源上质押 $PYTH 代币,以确定不同发布者的权重,从而影响报告价格的准确性。委托者必须仔细管理他们的质押策略,以优化收益,同时最小化由于不准确的价格源导致的损失风险。此外,与委托者相关的还有 slashing 风险,因为如果他们质押的价格源产生错误,无论责任归属哪位发布者,他们都可能受到惩罚。这强调了委托者勤勉选择和监控价格源的重要性。

在 Pyth 中,区分委托者和发布者之间的 slashing 风险至关重要。
- 在发生故障的情况下,所有在特定 feed 上质押的委托者将面临惩罚,无论哪个发布者对错误价格负责,即使他们没有在该特定发布者上质押。
- 另一方面,发布者仅在他们自己直接对错误负责的情况下才会受到 slashing。
委托人在进行质押时必须小心翼翼地进行平衡。他们必须考虑各种因素,例如发布者的声誉以及他们之间影响力分布。对高声誉发布者给予更高权重有助于确保价格馈送的准确性和可靠性,同时防止任何单一发布者施加不成比例的影响力。这种策略缓解了少数发布者失败导致整体更广泛失败的风险,保障网络的完整性并最小化所有利益相关方的潜在损失。

开发者
使用 Solana 价格馈送
- 每个 Pyth Network 价格馈送都存储在 Solana 账户中, 并且它由唯一的 Solana 账户密钥标识。开发者需要正确识别并匹配价格馈送与相应的馈送 ID 和账户密钥,这些可以在 Pyth 的价格馈送 ID 页面 中找到。
- Pyth 价格馈送使用固定点数值表示,价格和置信区间共享一个指数。要获取这些值的整数表示,开发者可以乘以 10^exponent。
- 需要考虑的一件事是 可能存在 Pyth 无法为产品提供当前价格的情况. 这可能由于市场交易时间或网络中断等因素发生。Pyth 内置了防护措施,以防止使用过时的价格。开发者必须确保他们的应用程序也包含这些防护措施,例如过时检查,以避免无意中使用过时数据。了解市场交易时间取决于资产类别也很重要。这对于确保您根据市场交易时间使用最新的价格数据至关重要。
| Asset Class | Opening Hours | Exceptions |
| Crypto | 24/7. | No market close. |
| US Equities | Every weekday from 9:30 a.m. EST to 4:00 p.m. EST. | Markets are closed on weekends, US holidays, and during extraordinary events. |
| FX | From Sunday 5:00 p.m. EST to Friday 5:00 p.m. EST. | Trading continues during most US holidays. |
| Metals | From Sunday 5:00 p.m. EST to Friday 5:00 p.m. EST. | Spot gold and silver trading also follow the CME holiday closures. |
- 应用开发者必须 考虑链上预言机(如 Pyth Network)和链下数据源(如中心化交易所)之间的延迟差异。虽然 Pyth Network 设计时考虑了低延迟,但没有链上预言机能匹配链下源的速度。因此,技术团队应该考虑一种可能的威胁模型,其中攻击者可能比协议稍早看到价格变化。这可以通过各种不同性质的实现来解决,例如:配置协议参数以实现平衡流: 通过配置协议参数来平衡智能流带来的损失与双向流带来的收益。这可以通过实现类似于传统做市商的买卖价差和有限流动性来完成。这有助于限制智能流的损失,同时仍允许从双向流中获利。还可以调整价差和流动性参数,以实现最小化智能交易者不利选择的同时有效参与双向流。实现“Last Look”机制: 为协议提供“last look”能力,以决定接受哪些交易。例如,交易可以分为两个部分:请求和履行。在第一笔交易(请求)中,用户发起行动或请求交易。在第二笔交易(履行)中,协议根据当时观察到的 Pyth 价格决定是否履行用户的请求。集成商可以在两笔交易之间实现短暂延迟,以允许协议有额外时间观察价格变化。接下来,应用可以在第二笔交易时的 Pyth 价格履行用户的请求,从而在延迟竞赛中让协议获得先机。
- 配置协议参数以实现平衡流动: 通过配置协议参数来平衡智能流动的损失与双向流动的收益。这可以通过实现类似于传统做市商的买卖价差和有限流动性来完成。这有助于限制对智能流动的损失,同时仍允许从双向流动中获利。也可以调整价差和流动性参数,以实现最小化来自智能交易者的逆向选择,同时有效参与双向流动的平衡。
- 实施“Last Look”机制:为协议提供“last look”功能,以决定接受哪些交易。例如,交易可以分为两个部分:请求和履行。在第一笔交易(请求)中,用户发起行动或请求交易。在第二笔交易(履行)中,协议根据当时观察到的Pyth价格决定是否履行用户的请求。集成商可以在两笔交易之间实施短暂延迟,以允许协议有额外时间观察价格变化。接下来,应用可以在第二笔交易时的Pyth价格履行用户的请求,从而让协议在延迟竞赛中获得先机。
- 由于 Pyth 同时发布价格和置信区间,开发者可以 使用置信区间来评估价格不确定性,并保护他们的应用程序免受不利市场条件的冲击。一种解决方案是使用置信区间围绕价格计算一个范围,以确保保守定价。根据用例的不同,一些应用程序可能考虑使用 Pyth 的指数移动平均 (EMA) 价格。总体而言,确保衍生工具和类似金融合约的设计能够在置信区间保持宽泛的情况下最终结算非常重要,从而避免无限延迟。 在处理指定时间段的价格数据时,考虑使用 Pyth 的指数移动平均 (EMA) 价格。EMA 代表平均价格的估计值,并减少具有宽置信区间的价格的影响,使其适用于稳定性至关重要的应用程序。Pyth 提供的聚合价格代表特定时间点的价格最佳估计值。在置信区间宽泛的情况下,它可能不精确,但它是 Pyth 为单个时间点提供的最准确数据。在借出资金或接受抵押品时,考虑 Pyth 提供的置信区间。为此,您可以通过向 Pyth 价格添加和减去置信区间的倍数来计算真实价格的范围。2.12 的倍数提供 95% 的概率,即真实价格位于该范围内。然后,您可以在发起贷款或评估抵押品时使用该范围的下限,以保持保守并在价格不确定时限制借贷。同样,当贷款已发放或持有抵押品时,使用该范围的上限以保持保守,防止仅基于价格不确定性增加而采取行动。在衍生合约中,应用程序可以在合约启动期间使用计算范围内的较低价格来评估抵押品,以管理风险。同样,在评估保证金限额时,可以使用范围内的较高价格以谨慎行事。
- 在处理指定时间段内的价格数据时,考虑使用 Pyth 的指数移动平均 (EMA) 价格。EMA 代表平均价格的估计值,并减少置信区间较宽的价格的影响,使其适用于稳定性至关重要的应用。
- Pyth 提供的聚合价格代表特定时间点的价格最佳估计值。在置信区间较宽的情况下,它可能不够精确,但它是 Pyth 为单一时间点提供的最准确数据。
- 在借出资金或接受抵押品时,请考虑 Pyth 提供的置信区间。为此,您可以通过向 Pyth 价格添加和减去置信区间的倍数来计算真实价格的范围。2.12 倍数提供 95% 的概率,即真实价格位于该范围内。然后,在发起贷款或评估抵押品价值时,使用范围的下限以保持保守,并在价格不确定时限制借贷。同样,在贷款已发放或持有抵押品时,使用范围的上限以保持保守,防止仅基于价格不确定性增加而采取行动。
- 在衍生合约中,应用可以在合约启动时使用计算范围内的较低价格来估值抵押品,以管理风险。同样,在评估保证金限额时,可以使用范围内的较高价格,以求谨慎。
- 配置协议参数以实现平衡流动: 通过配置协议参数来平衡智能流动的损失与双向流动的收益。这可以通过实现类似于传统做市商的买卖价差和有限流动性来完成。这有助于将智能流动的损失限制在一定范围内,同时仍允许从双向流动中获利。也可以调整价差和流动性参数,以实现最小化智能交易者的逆向选择,同时有效参与双向流动。
- 实现“Last Look”机制:为协议提供“last look”能力,以决定接受哪些交易。例如,交易可以分为两个部分:请求和履行。在第一笔交易(请求)中,用户发起行动或请求交易。在第二笔交易(履行)中,协议根据当时观察到的 Pyth 价格决定是否履行用户的请求。集成商可以在两笔交易之间实现短暂延迟,以允许协议有额外时间观察价格变化。接下来,应用可以在第二笔交易时的 Pyth 价格履行用户的请求,从而让协议在延迟竞赛中占据先机。
- 在处理指定时间段内的价格数据时,考虑使用 Pyth 的指数移动平均 (EMA) 价格。EMA 表示平均价格的估计值,并减少了置信区间较大的价格的影响,使其适用于稳定性至关重要的应用。
- Pyth 提供的聚合价格表示特定时间点的价格最佳估计值。在置信区间较大的情况下,它可能不够精确,但它是 Pyth 为单一时间点提供的最准确数据。
- 在借出资金或接受抵押品时,请考虑 Pyth 提供的置信区间。为此,您可以通过在 Pyth 价格上添加和减去置信区间的倍数来计算真实价格的范围。2.12 的倍数可提供 95% 的概率,即真实价格位于该范围内。然后,在发起贷款或评估抵押品价值时,使用该范围的下限以保持保守,并在价格不确定时限制借贷。同样,在贷款已发放或持有抵押品时,使用该范围的上限以保持保守,防止仅基于价格不确定性增加而采取行动。
- 在衍生品合约中,应用可以在合约启动时使用计算范围内较低的价格来评估抵押品,以管理风险。同样,在评估保证金限制时,可以使用范围内的较高价格,以谨慎行事。
Solana 上的 Pyth 为 Solana 链上程序提供了一个 SDK。这可以用于在用 Rust 编写的 Solana 程序中消费 Pyth 价格。
- Pyth Solana SDK:pyth-sdk-solana crate
- 示例程序:一个仅使用基本 Solana SDK 的程序一个 Anchor 程序
每个 Solana 网络上可用的价格馈送列在以下页面上:
使用 Pythnet 价格源
Pythnet 的“pull”价格更新模型为用户提供了灵活性,用户负责在需要时将价格更新发布到链上。
为了有效地将 Pythnet 价格馈送集成到应用程序中,开发者应遵循以下关键指南:
- 在链上程序中的集成:链上程序应直接从部署在同一区块链上的 Pyth 程序读取价格数据。这确保您的智能合约和链上逻辑能够访问实时的 Pythnet 价格馈送。
- 链下前端和作业中的集成:对于链下应用程序,包括前端和后台作业,将 Pyth 价格更新纳入您的交易和数据处理中至关重要。为此,开发团队需要确保其链下代码能够访问并利用 Pyth 价格数据,与其特定于应用程序的交易一起或在其内部。
- Pyth 生态系统特定 SDK:Pyth 提供生态系统特定的 SDK,以简化链上和链下组件的集成过程。这些 SDK 针对各自生态系统进行了优化,以实现无缝协作。
- 准备工作和最佳实践: 在深入 SDK 集成之前,开发者应熟悉 Pyth 的价格馈送表示法和最佳实践。理解 Pyth 价格馈送的工作原理并遵循推荐实践,可以确保您在应用程序中安全且准确地使用 Pythnet 价格。
- 选择正确的 SDK:选择与您的特定区块链生态系统相匹配的 Pyth SDK。Pyth 提供不同的 SDK 来支持各种区块链网络,这使您更容易将 Pythnet 价格馈送集成到您的应用程序中。Pyth on EVM.Pyth on Aptos.Pyth on CosmWasm.Pyth on Sui.Pyth on BAS Chains.Pyth for Off-chain Apps.
Pythnet 拉取更新
Pyth Network 采用“pull”价格更新模型运行,这与其他许多预言机使用的更常见的“push”模型不同。Pythnet 的“pull”价格更新模型为用户提供了灵活性,用户负责在需要时将价格更新发布到链上。
Pyth Network 的 pull 模型依赖其用户创建并提交价格更新,这些更新随后被认证和验证以用于链上使用。这种方法促进了去中心化,并允许用户以无许可的方式高效更新和使用价格。然而,确保提交的价格更新是当前的对于下游应用程序的准确性至关重要。
- Push vs. Pull Model: 大多数传统预言机遵循“push”模型,其中它们有一个链下进程不断发送交易来更新链上价格。相比之下,Pyth Network 不采用这样的链下进程。相反,它依赖 Pyth Network 用户创建并提交价格更新。
- 委托价格更新工作:在 Pyth Network 中,生成和提交价格更新的责任委托给其用户。这些更新在 Pythnet 上启动,并通过 Wormhole Network(一个跨链消息协议)在链下传输。
- 认证和验证:为了确保价格更新的真实性,它们在链下传输之前会被签名。链上的 Pyth 程序可以验证这些签名以确认更新的有效性。
- 无许可价格更新:在 Pyth Network 中更新链上价格是一种无许可的操作。任何人都可以向 Pyth 合约提交经过验证的更新消息来更新价格。这种去中心化的方法允许广泛参与。
- 原子交易:Pyth Network 价格的用户通常提交一个单一交易,同时完成两项任务。首先,这更新了价格,其次,它允许在下游应用中使用该价格。这简化了流程,并确保更新价格与其使用之间的一致性。
- 价格的前向移动:在 Pyth Network 中,链上价格只能随时间向前推进。如果用户提交一个带有较旧价格的 Wormhole 消息,Pyth 程序不会失败,但也不会更新价格。这意味着,由 Pyth 驱动的应用程序读取的价格并不保证是用户提交的确切价格,如果它不是最新的。
发布者指标
Pyth 提供 Publisher Metrics,这是一个公共仪表板,提供对数据发布者性能的洞察。开发者可以获得对 Pyth 的数据性能和发布者记录的细粒度洞察,而发布者则受益于新的分析和监控能力。

发布者指标为网络内的明智决策提供关键信息,惠及发布者、终端用户和委托者。这些指标包括正常运行时间、价格质量以及置信区间准确性,与决定发布者评分和奖励的因素相一致。用户可以通过 Pyth Markets 页面访问这些指标,分析图表以进行价格比较、正常运行时间、数据质量以及与预期分布的校准。

每个发布者的 Publisher Metrics 页面显示了几个有洞察力的图表,以下详细说明了每个图表。
价格图表显示了发布者的价格如何与聚合价格进行比较,说明了两种价格跟踪彼此的紧密程度,以及是否存在发布者显著偏离市场其余部分的时期。

正常运行时间图显示了发布者何时积极贡献价格。x 轴将时间间隔细分为多个区间,y 轴是该区间中发布者的价格足够新近以被纳入聚合的槽位百分比。此图可帮助您确定发布者的规律性和可靠性。

质量图显示了在白皮书中描述的质量分数计算所使用的回归模型中的数据集。它衡量发布者的价格序列在多大程度上预测了聚合价格的未来变化。平滑的颜色渐变(从左下角的蓝色到右上角的粉色)表示高质量分数。

校准图显示了发布者的价格和置信度与预期拉普拉斯分布的匹配程度。两个分布之间拟合越紧密,校准分数越高。完美的发布者应该产生均匀的直方图。请注意,校准分数不会奖励发布者产生更紧的置信区间;相反,分数捕捉了报告的置信区间是否对应发布者的“真实”置信度。

商业模式
Pyth Network 的商业模式围绕通过数据费用产生收入,并利用其原生代币 $PYTH 来提升其运营和激励结构。
- 发布者 可以质押 $PYTH 来参与协议并赚取数据费用的份额。这激励他们提供准确且及时的价格数据,因为他们的质押在违规情况下有被罚没的风险。
- 消费者 可以利用 $PYTH 支付访问价格馈送的数据费用。这将在生态系统中为 $PYTH 代币创造需求。
- 委托者 有机会在特定价格馈送上质押 $PYTH 并赚取数据费用的份额。与发布者类似,如果委托者支持不正确的数据,他们有风险失去质押。
在不当行为的情况下,例如提供不正确的数据,质押的 $PYTH 代币将被用于补偿受影响的消费者。这确保了问责制,并激励所有参与者维护数据的完整性。
费用分解
Pyth 允许可选激活数据费用以更新链上价格源。每个区块链上的治理决定这些费用的存在及其规模。
协议收集的费用用于补偿数据提供者,并可能用于治理决定的其他目的。此外,这些费用的一部分可能用于网络治理结构决定的其他目的。这确保了数据提供者有动力继续提供准确和及时的数据,这对网络的可靠性和可信度至关重要。
当与 Pyth 集成的协议需要链上价格更新时,消费者必须支付更新费用。这些费用以目标区块链的原生代币收取,并且是调用 Pyth 接收器合约上的价格更新操作所必需的。收取此类费用及其规模的决定是治理决定,反映了 Pyth 运营的每个区块链的操作需求和经济动态。
当与 Pyth 集成的协议需要链上价格更新时,消费者必须支付更新费用。这些费用以目标区块链的原生代币收取,并且是调用 Pyth 接收器合约上的价格更新操作所必需的。收取此类费用及其规模的决定是治理决定,反映了 Pyth 运营的每个区块链的操作需求和经济动态。
除了费用收取之外,Pyth Network 还有一个权益权重系统,它影响每个发布者对聚合价格的影响。委托人可以质押代币来赚取一部分数据费用。在收取的费用中,80% 分发给委托人,而剩余的 20% 分配到一个由发布者共享的奖励池中。这个分配比例可以通过治理决策进行调整。
如果在索赔期间检测到已发布聚合价格与参考价格之间的差异,委托人的权益可能会被削减。成功的索赔会导致识别和惩罚有过错的发布者,并通过重新分配的权益补偿受影响的消费者。
代币经济学
$PYTH 代币的总供应量为 10,000,000,000,其中 85% 初始锁定,并在代币推出后 6、18、30 和 42 个月逐步解锁。其余 15% 的代币初始解锁。代币分配包括 Publisher Rewards、Ecosystem Growth、Protocol Development、Community 和 Private Sales 等类别。
代币分配
总供应量为 10,000,000,000 $PYTH,不会增加。在 2023 年 11 月 $PYTH 代币推出之初,总供应量的 15%,即 15 亿 $PYTH 代币,立即在生态系统中流通。这些解锁的代币旨在促进早期网络活动,并奖励那些积极贡献于 Pyth Network 发展和增长的参与者。

在2023年11月$PYTH代币推出之初,总供应量的15%,即15亿$PYTH代币,立即在生态系统中流通。这些解锁的代币旨在促进早期网络活动,并奖励积极参与Pyth Network发展和增长的参与者。
Publisher Rewards,占总供应量的 22%,激励数据提供者发布高质量且及时的数据。Ecosystem Growth 分配,占 52%,是最为庞大的部分,旨在催化网络中各种举措,从资助研究和发展到加强教育项目。Protocol Development,占 10%,专用于 oracle 工具和基础设施改进。
Community and Launch 部分,占总代币的 6%,确保从启动之初就立即参与和网络支持活动。最后,10% 的代币通过 Private Sales 分配给战略贡献者,旨在为网络提供长期咨询和基础设施支持。
Pyth Network 回顾性空投是一个旨在向那些有意义地参与网络服务以及更广泛的 DeFi 社区的人分发 $PYTH 代币的程序。该倡议认可了那些与由 Pyth 数据驱动的 dApps 互动、持有与网络相关的特定 NFTs,或在 Pyth Discord 社区中发挥积极作用的用户。该空投覆盖了 27 个不同区块链上的参与者,并且在跨链覆盖范围方面是同类举措中规模较大的之一,涉及超过 90,000 个钱包。
从2023年11月20日开始,并于2024年2月20日结束,索赔流程被设计为基于生态系统内过去的贡献和互动,确保代币的公平分配。$PYTH 代币根据网络的治理结构进行分配。作为 Solana 区块链原生的 Solana Program Library (SPL) 标准代币,$PYTH 代币很容易集成到该生态系统内接收者的钱包中。
供应时间表

$PYTH 代币的释放被设计为渐进式的,以支持网络增长的不同阶段。该时间表展示了一个分配计划,允许在社区驱动的项目中立即使用,同时供应的大部分将被在初始启动后长达 42 个月的一系列阶段中释放。
锁仓时间表显示了对社区和初始启动活动的即时分配,以刺激网络的早期使用和治理。顺序层级旨在用于发布者奖励、生态系统增长、协议开发和战略私人销售,并逐步解锁。这种分阶段方法旨在维持网络的持续开发,并防止代币洪流过早压垮市场。
分配模型纳入了一种策略,以鼓励为较新或不太受欢迎的产品提供数据。它认识到鼓励数据提供者支持尚未产生数据费用的产品的挑战,这是平台经济中常见的问题,被称为“冷启动问题。”为了应对这一问题,该协议可能为早期发布者提供额外激励,这些激励取自为此目的预留的代币池。
治理在产品达到稳健的发布者参与水平后启用声明方面发挥关键作用。对于尚未开放声明的产品,数据费用支付的机制作为对网络的额外信号。
$PYTH 质押
随着 Pyth Network 于 2023 年 11 月 20 日主网的推出,$PYTH 代币持有者现在有机会通过质押参与网络治理。质押涉及在官方质押程序中锁定 $PYTH 代币,这赋予持有者在治理决策中的投票权。
质押 $PYTH 代币是参与 Pyth Network 链上治理过程的必要条件。治理决策包括确定数据提供者的奖励结构、设置预言机费用,以及选择哪些数据源和提供商在网络上列出。
要质押 $PYTH 代币,持有者应访问官方质押网站。该网站提供用户界面,指导用户完成质押过程:
- 质押: 将 $PYTH 代币存入质押程序将启动预热期。代币将在下一个纪元开始时有资格进行投票,该纪元每周四 00:00 UTC 发生。
- 解除质押: 从质押程序中移除 $PYTH 代币会导致投票权的丧失,并启动一个 epoch 的冷却期。
- 提取: 在冷却期结束后,代币可以转移回持有者的 SPL 钱包。
详细步骤
- 启动质押: 访问质押网站上的“STAKE”选项卡,输入所需的 $PYTH 代币数量,并通过您的钱包确认交易。
- 跟踪质押代币: 质押界面显示质押代币的数量及其投票资格。质押的代币将在下一个周期开始前显示为待处理状态。
- 发起解押: 要解押,请选择“UNSTAKE”选项卡,指定金额,并确认交易。然后代币将进入冷却期。
- 提取代币: 冷却期结束后,代币即可提取。导航到“WITHDRAW”选项卡,输入要提取的 $PYTH 代币数量,并确认交易以将代币返回到您的 SPL 钱包。
如需帮助或遇到问题,持有者可以通过 Pyth Network 的 Telegram 或 Discord 频道。
治理
链上治理负责确定更新费用、发布者奖励分配、软件更新、产品列表以及发布者权限。
Pyth Network 的治理由其原生代币 $PYTH 驱动,该代币允许代币持有者通过 staking 参与决策。
要参与治理活动,$PYTH 代币持有者需要 staking 他们的代币。此操作使他们能够在 Pyth DAO(Decentralized Autonomous Organization)中对提案进行投票。投票系统基于一个简单直接的原则,每个 staked 代币等于一票,确保每个参与者的声音与其 stake 成比例。
质押了总供应量至少 0.25% 的 PYTH 代币持有者有资格提出治理行动。这个包容性的阈值允许广泛的社区成员积极参与网络的演进。
当一个提案提交时,它将进入 7 天投票期。要使提案被接受,它必须获得比否定票更多的肯定票,并满足批准 quorum,该 quorum 是相对于投票开始时质押代币的预定义的赞成票百分比。这个 quorum 确保治理参与者中的显著部分同意该决定。
一旦提案获得批准,其对应的链上操作将自动执行。这些操作可以影响各种网络功能,例如:
- 设置和调整价格馈送的更新费用。
- 改变向发布数据的人分发奖励的方式。
- 实施对网络链上程序的软件更新。
- 指定列出的价格馈送的详细信息,包括准确性和参考来源。
- 批准发布者为价格馈送提供数据。
PYTH 代币持有者提案可以解决的问题范围是可适应的。Pyth DAO 可以根据需要扩大治理范围,以适应网络及其参与者的发展需求。
风险
数据准确性
虽然 Pyth 从直接贡献者处获取其数据,但错误仍可能发生。这可能是由于人为失误或技术问题,影响 Pyth 提供的数据的准确性。一个例子是重大的 $BTC 价格源中的价格差异,这是由于 2021 年 9 月的发布者错误。此后已采取补救措施,但类似情况发生的可能性仍然存在。
市场操纵
尽管有保障措施,但仍存在某人试图操纵 Pyth 分发的市场数据的风险。这可以通过影响或攻击数据提供者本身来实现。
技术问题
Pyth Network 的性能可能会受到技术问题的影响,例如网络拥堵、跨链消息协议引入的延迟,或底层区块链的中断。这些问题可能会延迟价格馈送的及时更新,从而潜在地影响依赖 Pyth 的 DeFi 协议的财务操作。
跨链数据传输
Pyth 在不同的区块链上运行,这增加了复杂性,并可能导致价格更新的延迟,因为它依赖于跨链消息传递。与 Wormhole 的集成以及跨链数据传输的延迟,在维护低延迟价格更新方面带来了挑战,而低延迟价格更新对于金融协议的高效运行至关重要。
对用户费用的依赖
Pyth Network 的基于拉取的模型依赖于消费者请求并支付链上价格更新的费用。消费者需求及其相关费用的变异性可能会影响网络的经济模型、其采用率以及发布者和消费者的激励结构。
Slashing 风险
Pyth 使用 slashing 机制来惩罚不准确的报告,这为发布者和委托者创造了财务损失风险。虽然这激励了准确的数据提供,但它也使参与者暴露于潜在的财务罚款,从而影响他们对网络贡献的意愿。
竞争
预言机市场竞争激烈,其他服务如 Chainlink 提供类似的产品。Pyth 需要持续创新以维持其地位并吸引用户。
通过主动解决这些问题,Pyth 可以成为区块链数据的可靠提供者,支持 DeFi 领域中广泛的金融应用。
预言机价格操纵
诸如潜在的价格操纵攻击等挑战通过价格聚合和治理机制得到解决。例如,对发布者对聚合价格的影响施加严格限制,以防止操纵。社区在定义发布者如何使用协议方面也发挥着关键作用,可能将参与限制在声誉良好且值得信赖的实体中。此外,发布者的多样性,每个发布者从不同的交易所获取数据,减轻了价格操纵努力影响整体Pyth价格的风险。
安全性
价格聚合机制确保了抗操纵性,适当加权数据来源,并反映不同发布者之间的价格波动。
审计
Pyth Network 经历了多家机构进行的一系列安全审计,以确保其系统的稳健性和可靠性。以下是按时间顺序总结的关键安全审计:
- Zellic – 2022年4月15日:为Pyth Oracle进行了智能合约安全评估。
- Zellic – 2022年4月27日:在智能合约安全评估中审查了Pyth2Wormhole。
- Zellic – 2022年5月16日:通过智能合约安全评估审查了Pyth治理。
- OtterSec – 2022年7月8日:对 Pyth Oracle 进行了审计。
- OtterSec – 2022年7月8日:审计了Pyth Governance。
- Zellic – 2022年11月1日:在智能合约安全评估中评估了Pyth Cross-chain。
- OtterSec – 2022年10月10日:审计了Pyth Aptos。
- CertiK – 2022年11月30日:Pyth-client 的安全评估已通过验证。
- CertiK – 2022年12月13日:验证了pyth2wormhole治理的安全性。
- CertiK – 2022年12月13日:对Solana上的pyth2wormhole进行了安全评估。
- CertiK – 2023年2月23日:为Ethereum上的pyth2wormhole提供了安全评估。
- Zellic – 2023年3月14日:为Pyth Network进行了智能合约安全评估。
- OtterSec – 2023年7月7日:对Pyth Sui进行了智能合约安全评估。
- Zellic – 2023年7月24日:为Pyth Network提供了智能合约补丁审查。
- Trail of Bits – July 31, 2023: 对 Pyth Data Association Pythnet 进行了安全评估。
赏金
Pyth Network 正在提供一项实质性的漏洞赏金计划,旨在提升其实时链上市场数据的安全性。鼓励白帽黑客参与,对于关键漏洞的潜在奖励可达 $500,000 USDC,对于高严重性问题的奖励可达 $100,000 USDC。
参与者被邀请探索 Pyth Network 的几个关键组件,包括 Pyth Oracle, Pyth Cross-chain contracts 在像 Ethereum、Aptos、Sui 和 CosmWasm 这样的平台上,以及 Pyth Governance 系统。详细信息和代码访问可以在各自的 GitHub 仓库中找到。
要获得奖励,提交必须包括一份全面的报告,详细说明漏洞,包括重现 bug 所需的步骤和数据,以及概念验证。重要的是要注意,团队已知的问题,或涉及未部署代码的问题,被视为超出范围。此外,Pyth 员工、审计师、承包商以及拥有内部信息的人员不符合奖励资格。
测试应负责任地进行,不使用公共网络或主网,参与者应在官方禁运解除之前避免公开披露漏洞。该程序严格禁止网络钓鱼、社会工程、拒绝服务攻击以及任何非法活动。
关键问题示例包括操纵预言机价格的能力、未经授权的合约控制假设,或资金的丢失和盗窃。与第三方依赖相关的漏洞将根据具体情况考虑,取决于对Pyth生态系统的影响以及该依赖是否有自己的赏金程序。
在成功识别漏洞后,报告者需要遵守KYC要求,包括提供钱包地址、地址证明和身份证明文件,例如护照。美国人士需要提交完成的W-9表格,非美国人士需要提交W-8BEN表格。
Pyth 数据协会对报告漏洞的奖励支付保留完全自主权,强调奖励决定的逐案性质,并确保通过 KYC 流程收集的所有个人数据的机密性。该程序是 Pyth 致力于在其网络中维护最高安全标准的重要组成部分。
经济攻击向量
Pyth Network 面临潜在的经济攻击向量,这些向量主要与它提供的价格数据的完整性和准确性相关。以下是关键关注领域以及 Pyth 实施的缓解这些风险的措施:
预言机操纵风险: 如果不诚实的发布者故意提交不准确的价格数据,Pyth 可能会容易受到数据操纵的影响。然而,Pyth 通过从多个信誉良好的第一方发布者获取数据来对抗这一点。这种数据来源的多样性有助于稀释任何单一发布者显著扭曲整体数据的能力。
抢跑风险: 由于 Pyth 提供的数据的实时性质,那些能够提前访问数据更新的个人可能从事 front-running。Pyth 通过确保数据更新在其网络中快速传播来最小化这一风险,从而减少潜在 front-runners 的机会窗口。
发布者之间的勾结: 虽然理论上可能,但勾结的风险通过网络中大量独立数据发布者的存在而得到缓解,其中每个发布者如果从事不诚实行为,将会遭受重大惩罚,不仅是声誉损害,还有通过 Pyth staking 和 slashing 机制可能带来的财务惩罚。
对抗性选择和延迟: Pyth Network 允许用户在某些约束下为交易选择价格,这类似于经历延迟效果。如果用户选择性地使用过时的价格来获利,这一功能可能会被利用。为了缓解这一问题,Pyth 实施了严格的陈旧性检查,确保交易仅使用最近的价格。这最小化了利用链上更新与更快链下市场变动之间价格延迟差异的机会窗口。
通过置信区间进行价格操纵: Pyth 的价格馈送结构,包括报告置信区间,本质上防范了简单的价格操纵。多个数据源的聚合稀释了任何单一偏差输入的影响。然而,在市场观点高度波动或分歧时期,聚合价格仍可能受到操纵,如果一群数据提供商协调他们的输入。协议可以通过在关键金融操作中使用置信区间的下限来防御这一点,从而在资产估值上采取保守立场。
Sybil 攻击抵抗: 在 Sybil 攻击中,攻击者可以创建多个虚假身份来影响网络。Pyth 要求发布者质押 $PYTH 代币,如果出现不诚实行为,这些代币可能会被削减,这通过为创建多个身份增加财务成本来帮助防范此类攻击。
确保可靠的价格源: 为了进一步防范价格操纵,Pyth 使用先进的统计技术将多个数据输入聚合到一个健壮的价格源中。这个聚合过程包括检查和平衡机制,忽略异常值和过度波动的提交,确保发布的 price feeds 真正反映市场。
依赖关系和访问控制
Pyth Network 依赖于一个复杂的预言机机制来聚合和分发各种区块链平台上的金融市场数据。然而,这种对外部数据源和预言机基础设施的依赖引入了某些风险和挑战:
来源可靠性和操纵风险:Pyth 从多个第一方发布者聚合数据,这些发布者包括主要交易公司和交易所。这种多样性有助于缓解与数据操纵或来源故障相关的风险。然而,数据的完整性和准确性至关重要,因为来源级别的操纵可能会通过网络传播,影响所有依赖的应用。
基础设施依赖:Pyth Network 的运行严重依赖于其链下和链上基础设施。链下,数据被收集并初步处理;链上,它被聚合并提供给消费者。这些系统中的任何中断,无论是由于技术故障、网络攻击,还是外部依赖(如云服务或互联网连接问题),都可能影响数据馈送的可用性和及时性。
系统停机和更新:定期更新和维护是确保预言机保持安全和功能性的必要措施。然而,这些活动可能导致临时停机或更新后出现不可预见的问题,在此期间数据馈送可能不可用或性能不佳。
防止陈旧数据的安全措施:鉴于及时和准确的数据对DeFi操作至关重要,Pyth实施了机制来防止使用陈旧数据。Pyth提供的SDK包括默认检查,如果数据超过预设阈值,则拒绝数据查询,该阈值可以根据不同协议的具体需求进行调整。
处理高延迟场景:尽管 Pyth 采用低延迟设计,但链上数据传输与实时市场波动相比仍存在固有延迟。这可能会为利用这些延迟进行套利的机会窗口打开大门。集成 Pyth 数据的协议需要设计其系统,考虑这些延迟因素,以最小化基础市场快速价格波动相关的风险。
Pyth 采用多个数据源来减少对单一提供商的依赖,并建立了为去中心化应用提供安全、及时且准确市场数据的声誉。
团队
Douro Labs 推动 Pyth Network 发展的关键人员包括:
- Michael Cahill – Douro Labs 的联合创始人兼 CEO
- Jayant Krishnamurthy – Douro Labs 的联合创始人兼 CTO
- Ciaran Cronin– Douro Labs 的联合创始人兼首席运营官
- Harnaik Kalirai – Douro Labs 的整合主管
- Abhimanyu Bansal – Douro Labs 的合作伙伴主管
- Alexandre Lemos – Douro Labs 人力资源主管
Pyth 数据协会拥有一系列贡献者,他们加强了网络的能力:
- Marc Tillemet – 贡献者
- Edward Zuo – 贡献者
- Mario Bernardi – 贡献者
- Burak Saglamm – 贡献者
- Yanis Kheddouci – 贡献者
- Ande Zheng – 贡献者
- Giulio Alessio – 贡献者
- Pierre Tillemet – 社区管理和内容
- Tyrone van der Ley – 社区管理
Douro Labs
Douro Labs 是一家专注于提升和扩展 Pyth Network 的预言机服务和数据产品的区块链基础设施公司。他们的工作包括开发预言机工具和 Web3 基础设施,以为区块链生态系统提供实时市场数据的访问。
公司的目标如下:
- 预言机工具开发:创建工具,以提升 Pyth Network 预言机服务的功能和可靠性。
- 产品扩展: 开发新产品以多元化 Pyth Network 的数据服务组合。
- 基础设施创新: 升级支持基础设施以满足 DeFi 行业的增长需求。
- 使命:专注于创新,为区块链领域提供及时且先前无法获取的市场数据。
Douro Labs 的团队由来自知名机构的专业人士组成,如 Goldman Sachs、BNP Paribas、Amazon Web Services、Jump Crypto 和 Chorus One,这表明其为推动 Pyth Network 的举措奠定了坚实基础。
Douro Labs 在实施 Pyth Network 的 Perseus Upgrade 方面发挥了关键作用,该升级提升了 Pyth Price Feeds 的功能。这是网络向 permissionless mainnet 过渡以及建立 on-chain governance 以指导协议未来发展的一部分。
Pyth Data Association
Pyth Data Association 是一个由 Pyth Network 贡献者建立的瑞士组织。其主要作用是通过驱动技术发展、促进认知以及通过资助计划刺激生态系统增长,来促进网络的进步。
该协会专注于 Pyth Network 的应用,正如其 白皮书 中所述,旨在将传统上由中心化金融机构持有的实时市场数据带到区块链上。这一举措是朝着去中心化金融更广泛推动的一部分。
在治理方面,Pyth Network 引入 $PYTH 治理代币是网络内决策过程去中心化的一步,允许代币持有者对网络的未来方向发表意见。
Pyth Data Association 最初负责监督该协议,确保开发的基础稳固。随着向实时生态系统的过渡,治理责任正在逐步转移到链上系统。由 $PYTH 代币驱动的链上治理旨在具有包容性,允许代币持有者提出变更、委托他们的投票权,并参与塑造网络的轨迹。投票提案的治理期为两周,确保充分的审议和参与时间。这一过程是 Pyth Network 持续开发的重要组成部分。
随着 Pyth Network 在多个区块链上扩展其影响力,Pyth Data Association 在指导其开发并支持生态系统增长方面的作用仍然至关重要。
项目投资者
虽然 Pyth Network 筹集的确切金额和估值尚未公开,但总部位于瑞士的 Pyth Data Association 已确认知名加密风险投资公司和做市商的参与。
GBV Capital 和 CTC Venture Capital 已参与 Pyth Network 的早期种子轮。
本轮融资获得了来自以下机构的投资:Castle Island Ventures,Multicoin Capital,Wintermute Ventures,Borderless Capital,CMT Digital,Bodhi Ventures,Distributed Global,Tagus Capital 和 Delphi Digital。
常见问题
Pyth 如何工作?
- Pyth 是一个连接市场参与者以提供链上定价数据的协议。数据提供商提供定价,Pyth 的预言机程序对其进行聚合。聚合后的价格可在链上使用,确保透明度。
什么是按需或“pull-based”预言机?
- 不同于“推送”预言机,Pyth 的模型允许用户按需请求价格。它优化了效率,避免了不必要的数据交易和成本。用户可以验证价格的真实性,并在应用中使用经过验证的数据。
Pyth Network 如何确保数据准确性?
- Pyth Network 采用去中心化模型,使用第一方数据提供商。数据准确性通过多个提供商为每个数据源贡献数据而得到加强。该系统旨在权衡数据源并缓解异常值或操纵。
Pyth Network 与其他预言机有何不同?
- 它提供超低延迟、高频更新。该网络提供涵盖多种资产类别的广泛价格源。Pyth 直接从市场参与者提供实时数据。
Pyth Network 如何处理数据分发?
- Pyth 在 Pythnet 上运行,这是一个特定于应用的区块链,确保高效的数据聚合。它利用“Pull Oracle”架构,允许按需数据检索。这种方法促进了 gas 效率,并在需要时提供更新的价格。
Pythnet 是什么,它与 Solana 有何不同?
- Pythnet 是一个基于 Solana 代码库构建的应用区块链,用于数据聚合。它独立于 Solana 主网运行,专用于处理 Pyth 数据。Pythnet 更快的槽时间使 Pyth 价格源能够更快地更新。
Pyth 如何使用 Wormhole?
- Wormhole 作为 Pyth 数据通往多个区块链的桥梁。它确保价格更新得到认证并集成到用户交易中。Pyth 价格更新是无许可的,允许广泛参与数据验证。
Pyth Price Feeds 相关的延迟和成本是什么?
- Pythnet 到 Wormhole 的延迟平均为 0.3 秒,不包括原生区块时间。使用 Pyth Price Feeds 的费用结构由治理决定,并且最小化以鼓励广泛使用。
Pyth 数据可以信任用于财务决策吗?
- 网络的设计强调透明度和提供者的责任。与价格一起提供的置信区间反映了数据的稳健性。Pyth 的 Pull Oracle 架构确保用户获得最新的数据可用性。