原文標題：《Kaito 演算法的逆襲實驗：如何用 3 張擦邊圖，24 小時衝上中文區榜首》
原文作者：yunfeng，BlockBeats

"p.>1 實測報告; left;">

近日，jesse 在 X（原 Twitter）平台上進行了一場實驗：發布三篇介於有價值資訊和純粹灌水之間的「擦邊」加密內容，以測試 Kaito 平台 Yap 積分演算法的邊界。出乎意料的是，僅不到 24 小時, 本人帳號 @jessethecook69 最高衝上了 Kaito Yapper 榜單的全球第九名，並一舉拿下中文區第一。這種僅憑並非高品質內容卻能快速上榜的現象，不禁令人懷疑 Kaito 所宣稱的 AI 內容評分演算法是否真如其標榜的那樣公正嚴格？抑或當中存在可被人為利用的漏洞？

以下便是這次實驗發布的三條擦邊內容推文。這些內容風格貼近日常，透過趣味性和視覺衝擊迅速獲得大量互動。

事實上，社群裡已經有不少類似質疑。 Blockworks 的一篇報導提到，有用戶透過在推文下反覆回覆同一個字（例如連續回覆「reply」），竟意外刷出了數百點 Yap 積分。儘管官方可能很快就修復了此類漏洞，但這些案例足以引發討論：Kaito 打造的「資訊即資本」（InfoFi）模式是否真能兌現對優質資訊的激勵，抑或在某些情況下蛻變成新的流量遊戲？

要解答這些疑問，有必要深入剖析 Kaito 的底層原理，了解它如何利用 Twitter API 提供的海量元數據，結合 OpenAI 的 ChatGPT 等大型語言模型進行語義分析與趨勢判斷，並透過 Smart Followers 系統和 Yap 積分等「社交去化機制，建構一個生態去中心化的資訊。接下來，jesse 將分別從產業意義和技術細節兩個角度，對此問題進行分析。

資訊即資本：Kaito 的平台創新與產業意義

Kaito 所倡導的 InfoFi 新模式，不僅是一場技術和產品的創新實驗，也正在對加密產業的訊息傳播機制和行銷範式帶來結構性衝擊。過去，加密專案的行銷主要依賴傳統手段：僱用公關代理商、與 KOL（加密圈意見領袖）合作在社群媒體上造勢。這種模式下訊息往往不透明、傳播效率低，也催生了大量「軟文」和吹捧帖。相較之下，Kaito 透過演算法驅動的社群激勵正在改變遊戲規則——專案方、KOL 和普通用戶之間的關係被重新置於以內容價值和貢獻為基礎的競爭環境中。

專案方行銷範式從「投放」轉向「參與」

在傳統模式下，專案方常常將使用者的注意力視作可以用資金購買的廣告位：出資請大 V 發佈貼帖，再藉助擴散後者的龐大粉絲基數資訊。然而這種投放式行銷存在明顯隱憂：

· 效果難以衡量： KOL 的粉絲中真正關心專案的有多少？轉換率如何？專案方可能花了高昂預算，卻只換來虛高的「聲量」，實際用戶轉化寥寥。

· 訊息可信度存疑： 如今受眾很容易分辨出哪些內容是在進行付費推廣，對於此類硬性廣告貼文通常會保持警惕甚至反感。

Kaito 的出現引領了參與式的裂變傳播範式：透過「Yap-to-Earn」，專案不再需要將行銷預算集中砸向少數大 V，而是連接到 Kaito 的 Yapper 榜單體系，讓社群成員自發性為專案發聲。舉例來說，一個新專案希望擴大聲量，可以與 Kaito 合作在平台上開啟該專案的社群排行榜——所有用戶圍繞這個專案發布的原創內容都參與積分競賽。

實際效果類似一場全民參與的內容創作大賽。使用者為了贏取 Yap 積分或未來可能的空投獎勵，爭相研究項目、發表深度分析或獨到見解，力爭登上排行榜獲得回報；項目方則以相對低廉的成本（例如承諾給予排行榜前列用戶代幣空投或獎品）收穫了海量優質的 UGC（用戶生成內容）。這些內容由用戶主動分享到 Twitter 等公共平台，往往更具傳播力和說服力——畢竟這不是冰冷的廣告，而是社群成員的真實聲音（即便有激勵因素，內容也是用戶自主創作）。這種模式被稱為社交版的「注意力證明」（Proof-of-Attention）：那些在排行榜上名列前茅的發文者，被視為提供了高價值的信息，因此獲得應有的收益。

不管這種做法被貼上 InfoFi 還是 SocialFi 的標籤，它都在實質上重塑計畫傳播的組織方式。行銷不再完全由中心化團隊主導，而轉變為激勵驅動的社區集體創作。專案方的角色也從傳統的廣告金主，變成社區活動的發起者和獎勵提供者。

不再唯粉絲論英雄：小 KOL 如何藉 Kaito 成功逆襲？

在 InfoFi 生態下，傳統加密 KOL 的角色也同樣改變。一方面，頭部 KOL 依然舉足輕重：例如 Vitalik、jesse.base 等業內大咖在 Yapper 榜單上依舊名列前茅，說明真正有真知灼見且擁有大量追隨者的意見領袖仍能主導話題走向。另一方面，這些 KOL 現在處於一個公開競爭的環境：他們每一次發聲都會被演算法客觀記錄和評分，積分高低一目了然。對於真心有料的 KOL 而言，這是正向激勵；但過去那些僅靠名氣卻鮮少產出乾貨的 KOL，在 InfoFi 機制下影響力則可能逐漸被削弱。因為如果他們只發廣告貼卻拿不到積分，又不積極參與討論互動，那麼排行榜排名會下降，並被社區視為「沒有乾貨」。如此一來，KOL 們被迫更加積極且真誠地參與社區討論，否則就有可能被後來者超越。

jesse 觀察到，一些中腰部 KOL 已經藉助 Kaito 實現了「逆襲」。他們也許粉絲數不及頭部大 V，但由於勤勉地產出高品質內容，反而在排行榜上名次靠前，獲得了與大 V 比肩的曝光。這對傳統的 KOL 影響力格局是一種衝擊：影響力不再僅由粉絲數量決定，內容價值和聲譽也說了算。可以將其比喻為一種「影響力挖礦」－KOL 透過持續貢獻優質資訊來「挖」取影響力積分（Yap）。相較過去單純依賴長期累積粉絲，在這種模式下影響力的獲取更加立體且動態。

同時，KOL 的變現模式也在轉型。以往大 V 主要靠專案方付費宣傳獲利，如今則多了一個管道：透過存取 Yap 積分來等待未來兌現（例如兌換成平台代幣 KAITO）。短期來看，Yap 積分本身無法直接變現，但它被賦予了不低的預期價值（已經有二級市場以估價折價交易這種預期）。由於 Yap 稀缺且獲取難度高，許多 KOL 為此投入時間在 Kaito 上保持活躍，類似早期參與「挖礦」以獲得未來收益。

當一些項目（如 Berachain）針對 Kaito 上的 Top Yapper 定向空投獎勵時，KOL 就更有動力保持排行榜領先位置以獲取這些額外收益。這無形中降低了專案方直接付費給 KOL 投放廣告的需求：與其花錢請大 V 發一條廣告，不如拿出一部分預算作為社區獎勵，激勵大家在 Kaito 上參與討論；KOL 也能從中受益。這樣一來，KOL 和專案方的關係就從傳統的甲方乙方，轉變為共同參與社區運作活動的合作夥伴。 KOL 必須展現自己對專案的真知灼見才能贏得社群認可，而專案方也樂見 KOL 帶動更多人討論自己。雙方在一個公開的平台上互動，訊息更加透明可見。

KOL Agency 的機會與挑戰

對於 KOL Agency（KOL 經紀人/代理機構）而言，Kaito 模式可謂一把雙面刃。一方面，它削弱了過去 KOL Agency 所掌握的一些獨家價值：專案方可以直接藉助 Kaito 提供的數據和排行榜找到真正有效的傳播者，而不必過度依賴代理商的人脈資源。 Kaito 提供了量化的 KOL 圖譜和績效清單作為參考，專案方能夠自行識別出細分領域中最活躍的傳播者，以及哪些使用者對專案表現出高度參與和忠誠。這樣的數據透明度過去只有資深 KOL Agency 才掌握（基於長期經驗知道哪些 KOL 擅長帶來轉換）；現在 Kaito 將這些指標公開化、數據化了。精確的 KOL 圖譜可以提升行銷投放效果，增加專案方價值回報——而建構這幅圖譜所依賴的正是對海量資料的清洗和加權，這是 Kaito 的核心競爭力之一。如果 KOL Agency 仍沿用舊有模式，只提供模糊的 KOL 名單和粗放的投放策略，其價值難免被質疑。

但另一方面，KOL Agency 也並非全無用武之地。敏銳的代理商完全可以選擇擁抱 Kaito，將其視為新工具加以利用。它們可以訂閱 Kaito Pro 等高級服務，獲得深度的數據洞察，進而為客戶制定更有效的傳播策略。透過 Kaito 平台，KOL Agency 可以更精準地幫助專案方實現傳播目標，例如：

· 篩選 KOL： 參考 Yapper 排名、Smart Followers（核心追蹤者）數量等指標，挑選出最契合專案的 KOL 進行合作。

· 策劃話題： 利用 Kaito 對產業趨勢的分析，策劃讓專案融入社群討論的熱門話題，引導更多用戶參與討論。

· 監控效果： 即時監控推廣效果，透過 Yap 積分成長和排行榜變化來衡量聲量轉化，隨時調整策略。

· 規則優化： 指導專案方善用 Kaito 的規則紅利，例如如何發起 Launchpad 社群投票（由社群票選項目上榜的活動），何時激勵社群產出更多相關內容等。這個角色有點類似搜尋引擎時代的 SEO 顧問——如今出現的是 InfoFi 顧問，專門研究如何玩 Kaito 生態。

在這個過程中，KOL Agency 的價值定位將從「資源中介」轉變為「策略顧問」，這要求其深入理解 Kaito 的演算法機制和社區運作之道。可以預見，一些嗅覺靈敏的 Agency 機構已經開始研究 Kaito 的積分計算方式，尋找觸發高分的要訣，以便更好地服務客戶。當然要注意的是，Kaito 的演算法不斷更新優化，想靠簡單套路投機取巧刷分並不容易，但在合規範圍內進行優化的空間依然很大（例如引導真實的社區討論，而非刷屏造假）。總的來說，Kaito 給 KOL Agency 提出了挑戰，但也提供了乘勢而上的新機會：誰能掌握並利用好 InfoFi 工具，誰能在新範式下繼續為客戶創造價值。

訊息傳播品質的提升與演算法挑戰

Kaito 對產業傳播內容品質的提升是有目共睹的。透過 InfoFi 激勵機制，過去社群平台上充斥的純廣告、喊單貼文得到了抑制，取而代之的是更多詳實的分析和理性的討論。這對整個加密社群的資訊環境無疑起到了積極作用：投資者能夠看到更多有見地的觀點，減少被無意義噪音誤導的風險；專案方也可以收到來自社群更真實的回饋和建議，而不再只有恭維或漫罵。注意力被引導到真正有價值的資訊上來，資訊流的有效性和含金量都顯著提高。

但這一切也潛藏著值得警惕的隱憂－演算法主導下的話語權集中問題。隨著越來越多的產業交流遷移到 Kaito 這樣的平台上，平台演算法本身便擁有了巨大的影響力。就像過去人們擔心 Google 的搜尋演算法決定了哪些網站能被看到，如今 Kaito 的演算法其實也在決定哪種聲音會被放大。 InfoFi 雖號稱公平，但前文分析也提到，它在機制上偏向已有聲譽的用戶。這可能導致一些創新的想法或逆向的觀點如果得不到主流大 V 的認可，就很難獲得傳播；久而久之，會不會形成另一種「資訊繭房」？

Kaito 平台出於商業利益對演算法進行微調的可能性也值得關注——例如演算法可能偏向推廣合作的項目資訊（據觀察，對連接到 Kaito 的項目，系統似乎明顯鼓勵用戶多討論）。作為崇尚去中心化的加密社區，我們理應對演算法壟斷保持警惕，督促 Kaito 在規則制定上保持透明和公正。 Kaito 目前已經公開了一部分 FAQ 和基本原則，但具體的評分細節仍是黑箱。未來或許需要更 DAO 化的治理，讓社群參與監督演算法的演進，確保 InfoFi 模式名副其實地公平激勵真正優質的資訊。

技術原理：從資料獲取到 AI 解析的幕後機制

Twitter API 資料獲取：內容基礎與挑戰

作為一款專注加密資訊的平台，Kaito 首先需要源不斷地獲取 TwitterX）上的數據源。透過官方 API 接口，Kaito 自動抓取每條推文的文字、發佈時間、按讚數和轉推數等元數據，關聯上作者資訊和互動用戶列表，為後續的演算法判斷奠定基礎。

例如，一則討論比特幣的推文，Kaito 會記錄其內容、發佈時間、互動熱度，以及發文者的影響力；如果有業內大 V 參與了互動，演算法就會判定這條訊息的含金量更高。實現這一切的前提是對 Twitter API 的高效調度和利用。

自馬斯克上任後，Twitter 大幅提高了 API 使用費用：企業級介面起價高達每月 4.2 萬美元（僅可查詢約 5000 萬條推文）。要追蹤整個加密圈的動態，所需調用量遠超這一級別，對創業項目而言成本壓力巨大。雖然 Kaito 官方未詳述具體應對措施，但可以想見團隊必須對每一次 API 呼叫都精打細算。很可能他們採取瞭如下策略來控制數據獲取成本：

· 聚焦重點領域： 優先抓取特定加密領域的核心帳號和話題，而非無差別地爬取全平台數據，以節約調用配額。

· 批次查詢與快取： 利用批次查詢、快取等技術手段減少重複請求，盡可能降低 API 呼叫次數。

· 用戶授權眾包： 有分析猜測 Kaito 要求用戶綁定 X 帳戶獲取授權 Token，將部分數據抓取任務“眾包”給用戶自身，從而繞過官方頻率限制。

在 jesse 看來，這些策略都是在不影響核心功能的前提下盡量降低資料成本和風險，以確保 InfoFi 模式擁有穩定的資料來源。

ChatGPT 內容解析：AI 賦能資訊價值

取得海量資料只是起點，Kaito 更重要的法寶在於呼叫 OpenAI 的 ChatGPT 模型對內容進行語意解析和品質評估。簡單來說，Kaito 讓 AI 扮演訊息的「品鑑師」和「過濾器」。每當用戶在 X 上發帖，後台演算法都會對該內容進行智慧分析，包括識別這條推文所討論的主題、評估內容是否有價值，以及判斷其中有無刷量作弊行為。

借助先進的大型語言模型，Kaito 聲稱能夠跨越語言障礙，對英文、中文等多語種內容一視同仁地理解和評分，不會厚此薄彼。這意味著無論用戶使用何種語言發表見解，理論上都能獲得應有的 Yap 積分獎勵。

ChatGPT 模型也用於辨識垃圾訊息和灌水內容。根據 Kaito 官方和社群介紹，他們非常重視內容的原創性和深度，不會因為表面上的互動數據高就給予高分，更不會獎勵純粹刷屏或無意義的互動。舉例來說，就算在貼文裡機械地狂刷「加密貨幣」「Crypto」等關鍵字，也騙不了 AI 來獲得積分加成，因為系統優先考慮的是真實、有意義的討論。

jesse 的親身試驗對上述理想狀態提出了質疑。在實驗中，我發布了三條帶有擦邊意味的酷炫圖片並僅配上寥寥數語的推文，意外斬獲了近 190 點 Yap 積分。這三條推文的留言區清一色都是誇讚的客套話，幾乎沒有任何實質資訊。

如此水分極高的內容都能拿到如此高的積分，不禁讓人懷疑：基於成本考量，Kaito 的演算法可能並未對每條推文進行逐字逐句的深度語義解析，或者在評分流程中採取了某種簡化策略。也許當前系統更多還是依據基礎互動數據來判定積分，在語意理解上有所取捨。這個發現讓 jesse 對 Kaito 演算法的嚴謹程度產生了疑問：號稱智能的內容評分機制，究竟在多大程度上真正落地了呢？

Smart Followers 機制：以質勝量的影響力評估

Kaito 在內容層面引入 AI 分析的同時，也沒有忽略「人脈」因素。平台的創新之處在於推出了「Smart Followers」（聰明追蹤者）機制，建立加密圈社交圖譜，把追蹤者的品質納入內容價值評估。對 Kaito 而言，誰在關注你比純粹有多少粉絲更重要。那些彼此互相關注、組成加密核心圈層的知名個人帳號，會被演算法歸類為 Smart Followers（核心追蹤者）。

如果某位作者的粉絲名單中大咖雲集（例如 Vitalik Buterin、Binance CZ 等都在關注他），那麼這位作者的影響力顯然不同凡響，他發佈內容獲得的積分上限也會相應更高。

這套社交圖譜模型使 Kaito 更客觀地衡量每條推文的「圈內擴散度」：究竟是在圈外路人之間傳播，還是直達行業頂層人物的視野。舉例來說，一則訊息即便有 100 次轉發，但如果大多來自互粉小號的自娛自樂，其實際價值可能有限；而另一則訊息只有 10 次轉發，卻包括 Vitalik 等重量級人物的參與，那麼後者的「含金量」顯然更高。針對這兩種情況，Kaito 會賦予截然不同的 Yap 積分，避免單純以轉發或按讚數量論高下。

從實際結果來看，Yap 榜單上名列前茅的帳號往往並非粉絲最多的網紅，更可能是被頂級 KOL 認可的深度玩家。正如一份研究報告所言，Kaito 並不迷信傳統的粉絲量或瀏覽量等指標，而是將獎勵的重心放在「聰明粉絲」的聲譽權重上——即使你有幾十萬粉絲，但內容沒有真正價值，拿到的 Yap 可能依然寥寥。這種「以質勝量」的評估方式在某種程度上矯正了純拼流量的弊病，為 InfoFi 的資訊分發注入了一絲學術圈「同行評審」的味道：只有得到行家點讚的內容才能脫穎而出。

當然，Smart Followers 體系的具體演算法細節官方秘而不宣，我們只能從結果中推測其大致邏輯。 Kaito 團隊擔心如果規則完全透明，難免有人對症下藥地套路刷分，破壞生態公平。目前來看，引入社交圖譜的確提升了演算法抵禦作弊的難度，但也給新人提出了新的挑戰：如何贏得圈內大咖的關注與互動，成了獲取高積分的關鍵門檻。一方面這是對內容創作者的正向激勵，另一方面也隱隱擔心會不會演變成少數大佬把持話語權的遊戲——畢竟再智能的演算法，最終賦予價值的還是人際網絡。

技術成本與多層 AI 架構的權衡

介紹了這麼多「黑科技」加持的功能，也需要冷靜下來審視現實的成本帳本——支撐 Kaito 這套複雜系統的是不菲的技術開銷。首先是資料抓取成本。如前文所述，正規途徑大量取得 Twitter 資料代價高昂，每月動輒數萬美元。根據業內消息，Kaito 在早期曾嘗試透過第三方管道或非公開介面獲取數據，但隨著 Twitter 收緊政策，這些灰色手段難以為繼，不得不老實掏錢購買更高級別的 API 權限。這直接迫使 Kaito 在產品策略上做出取捨：如果一味面向普通用戶開放大量查詢，月度 API 呼叫的上限很快就會觸及天花板。

Kaito 最近對一般使用者提供的免費查詢服務相對有限，更傾向於將深度的資料分析能力出售給機構和專業客戶。例如，一些對沖基金訂閱的 Kaito Pro 專業版月費高達 $800 以上。透過服務少數付費的「大戶」來承擔高昂的數據帳單，這也解釋了 Kaito 目前選擇以 To B（面向企業機構）為主的商業路線。

另一塊重大開支是 AI 算力。 Kaito 官方號稱用了 GPT-4 等級的 AI 來理解內容，但每呼叫一次 ChatGPT-4 介面背後都是在「燒錢」。如果真的對每條推文都即時調用 GPT-4 解析，費用將是天文數字。粗略估算：即便使用較便宜的 ChatGPT-3.5，每處理 5 萬條推文內容也可能支出上千美元；若換成成本數倍的 GPT-4 模型做全量分析，月開銷甚至可能高達數萬美元。

顯然 Kaito 不會如此蠻幹。據推測，團隊可能製定了一套「AI 用工合理化」策略：該用大模型時才用，不重要的地方則用規則過濾或小模型預判，盡量減少調用 ChatGPT 的頻率。另有跡象顯示，Kaito 正在研發自有的大模型或多 Agent 系統，試圖讓一些微調後的開源模型承擔基礎的語意評分任務。這樣一來，只有在遇到複雜問題或需要產生長段摘要時才調用昂貴的 GPT-4，大幅降低平均呼叫成本。

Kaito 創辦人胡宇（Yu Hu）透露，他們目前採用 AutoGPT 異構代理架構，在後端部署多個 ChatGPT 模型協同工作，並以 ChatGPT-4 作為底層核心模型，同時透過微調自研模型來減少對第三方的依賴。這套多層模型架構體現出 Kaito 在效果與成本之間的艱難權衡：一方面要確保演算法分析夠出色可靠，另一方面要精打細算壓縮開支。這種「兩頭為難」的平衡正是當前 InfoFi 商業模式繞不開的營運挑戰。可以說，Kaito 正在上演一場「技術豪賭」——一邊燒錢構築技術護城河，一邊寄望未來能夠找到更經濟可行的替代方案。

結論：InfoFi 模式的反思與未來

Kaito 的平台設計是一次前沿技術與商業模式的大膽融合：它將社交內容量化為了“注意力資產”，再用代幣激勵引導優質信息產出。聽起來很美，但真正實施起來並非一路坦途。 Kaito 所謂的「InfoFi」，在某種程度上更像是換了馬甲的 SocialFi——無論叫 Yap 積分也好，換成別的名稱也罷，本質都是透過社交網路來玩轉流量和影響力的變現遊戲。這一點上，它和 Friend.tech、Stars Arena 等早期 SocialFi 計畫有著相通之處。

不同的是 Kaito 加入了一層 AI 過濾和聲譽加權，試圖提高遊戲的「品質門檻」，不讓純粹的水軍流量橫行。然而從目前的效果來看，這套系統依然難逃馬太效應：大人物佔據榜單，高積分和頭部影響力高度吻合，小號想出頭則依賴於得到大號的提攜。這到底是在打破資訊壟斷，還是變相強化既有的圈層？這將是 Kaito 未來需要直面的核心問題之一。

更現實的挑戰在於模式的可持續性。 Kaito 如今對 Twitter 生態可謂高度依賴——無論資料來源還是用戶互動幾乎都綁在 X 平台上了。這種寄人籬下的發展模式能走多遠？如果 Twitter 再次提高 API 價格、收緊資料權限，Kaito 還能玩得開心嗎？目前高昂的 API 費用已經迫使 Kaito 轉向服務付費客戶來支撐營運。但假如 InfoFi 模式要擴大到全民參與，這筆帳最終還是得想辦法攤平。

另一方面，支撐 Yap 誘因的代幣經濟也存在懸念。目前 Yap 積分的價值較多停留在預期層面，一旦市場熱情下降、預期價值下跌，平台上的頭部 KOL 們是否會轉投他處，從而令 Kaito 面臨內容流失的風險？遊走於各個平台的 KOL 往往是哪裡回報高就奔向哪裡。如果 Kaito 無法持續提供足夠的收益或影響力回報，單靠情懷是留不住這些頭部使用者的。

總的來說，InfoFi 模式要行得通，最終需要在激勵深度內容創作與維持自身造血能力之間取得更好的平衡。 Kaito 能否在激烈競爭和資源限制下走出一條可持續的發展之路？我們拭目以待。

歡迎加入律動 BlockBeats 官方社群：

Telegram 訂閱群：https://t.me/theblockbeats

Telegram 交流群：https://t.me/BlockBeats_App

Twitter 官方帳號：https://twitter.com/BlockBeatsAsia